语音识别方法、装置、电子设备、存储介质和程序产品

本公开涉及一种语音识别方法、装置、电子设备、存储介质和程序产品。该方法可以包括：获取待识别语音，其中，待识别语音包括唤醒语音和目标语音；将待识别语音输入至预先训练好的语音识别模型中，得到预测文本，预测文本为用于表征目标语音中目标用户的语音内容的文本，目标用户为唤醒语音的说话人；其中，语音识别模型包括语音编码器，语音编码器用于根据待识别语音，得到包括语义特征和说话人特征的第一特征向量，以确定预测文本。如此，在多说话人等声音嘈杂的场景下，能够精准地识别出目标语音中目标用户的语音内容。此外，利用单人语音对语音编码器进行自监督训练，能够有效降低对标注数据的依赖，增强模型泛化能力和适应性。