多语种自动语音识别方法、装置、计算机设备及存储介质

本申请实施例属于人工智能领域，涉及一种多语种自动语音识别方法，包括对输入语音进行处理，得到语音嵌入向量序列；基于预训练的ByT5模型的编码器提取语音嵌入向量序列的特征，得到语音嵌入向量序列的比特编码；将语音嵌入向量序列的比特编码按照预设的输入数据结构输入至ByT5模型的解码器，ByT5模型的解码器解码后按照预设的输出数据结构输出目标语言文字的比特编码；将ByT5模型的解码器输出的目标语言文字的比特编码组成序列作为下一次的输入再进行解码，生成目标文本序列。本申请还提供一种多语种自动语音识别装置、计算机设备及存储介质。本申请成功实现了信息从音频到文本的跨模态转换。