基于注意力增强的端到端语音识别方法、程序产品和设备

本发明属于语音识别领域，具体涉及一种基于注意力增强的端到端语音识别方法、程序产品和设备。该方法基于改进Transformer构建包含编码器和解码器的语音识别网络，编码器包括下采样模块和多个特征提取单元，特征提取单元由1个RWKV层和2个E‑Branchformer层构成；RWKV层中包括cgMLP分支和GroupBiRWKV分支，二者用于提取输入特征的局部上下文声学信息和全局声学特征。解码器中包含多个循环设置的Transformer解码器层和RWKV解码器层；RWKV解码器层包括前馈模块、RWKV层和交叉注意力模块；编码器的输出作为两种解码器层中的交叉注意力模块的输入。采集真实的语音信号将其预处理用于对语音识别网络进行训练；并利用训练出的网络模型执行语音识别任务。本发明解决了现有方案的识别效率和精度不足的问题。