语音识别方法、装置、设备和计算机程序产品

本申请提出一种语音识别方法、装置、设备和计算机程序产品，该方法能够从语音识别对象的图像中提取图像特征，从语音识别对象的音频中提取语音特征，其中图像特征包括唇部动作特征、手势特征以及面部表情特征。然后根据语音识别对象所处的光线条件和声学条件等，分别确定图像特征和语音特征的权重。最后根据图像特征和语音特征的权重，对图像特征和语音特征进行加权融合得到融合特征，通过融合特征确定语音识别结果。如此设置，可以从识别对象的语音、唇部动作、手势动作、面部表情动作等多个维度对语音进行识别，同时根据环境条件适应性调整不同维度对应的权重，进而避免环境对语音识别结果的影响，提高语音识别的准确性。