一种面向复杂场景的语音识别方法和系统

本发明公开了一种面向复杂场景的语音识别方法和系统，识别方法包括如下步骤：对原始语音进行预处理，包括语音活性检测、说话人变更检测和重叠语音检测，并将多人对话分割为独立的语音片段；基于特定领域的规程知识和实际语音数据，构建专业术语库；采用基于Transformer架构的预训练语音识别模型Whisper‑large‑v2作为基座模型，获得适应特定场景的语音识别模型；构建热词的声学注意力模板，在束搜索解码过程中，基于专业术语库构建热词集合，当候选序列匹配到热词时，提取热词区域对应的解码器交叉注意力权重，计算与预构建的热词注意力模板的声学相似度，根据声学相似度动态调整热词奖励权重，输出声学匹配度高的包含领域专业术语的识别结果。