一种基于whispertoken构建小语种的语音识别方法及系统

本发明提供一种基于whispertoken构建小语种的语音识别方法及系统，涉及自然语言处理和语音识别技术领域，所述方法包括：提取Whispertokenizer中与目标小语种相关的所有token，形成初始候选集合；将初始候选集合中的token与收集的目标小语种训练文本语料进行匹配和分析，统计token在语料中的出现频率；根据频率统计结果筛选高频token，补充低频token，以构建动态词汇表。本发明通过提升词汇表质量、优化模型训练效率、增强语音识别准确率、提升模型泛化能力以及简化模型构建流程，为小语种语音识别领域提供了一种高效、准确且易于实现的解决方案。