基于强化学习的语音识别模型优化方法、装置、设备及介质

本申请公开了基于强化学习的语音识别模型优化方法、装置、设备及介质，涉及语音识别技术领域，包括：确定当前时间步的当前优化策略；从数据训练集中随机选择一个增强语音训练数据和对应的真实文本训练数据作为目标训练数据，将目标训练数据输入至当前自动语音识别模型进行预测，得到当前自动语音识别模型输出的若干预测文本；确定各预测文本与真实文本训练数据之间的文本匹配度及语义相似度，得到一组目标奖励值，基于目标奖励值更新当前时刻的优化策略，跳转执行确定当前时间步的当前优化策略的步骤，直至当前自动语音识别模型满足优化结束条件时输出对应的优化后自动语音识别模型。实现自动语音识别模型的合理优化。