[發明專利]一種可根據模型的提取頻率訓練識別模型的方法及系統

有效

• 申請號: 201610025278.3
• 申請日: 2016-01-14
• 公開（公告）號: CN106971734B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 祝銘明
• 申請（專利權）人: 芋頭科技（杭州）有限公司
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/02
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧

1.一種可根據模型的提取頻率訓練識別模型的方法，其特征在于，提供復數個客戶端和一服務器，所述服務器分別與復數個所述客戶端遠程連接，所述方法包括：

所述客戶端獲取說話人的一初始語音信號流；

所述客戶端根據預設的說話人分割算法和說話人聚類算法，獲取所述初始語音信號流中的語音信號流；

所述客戶端判斷所有所述語音信號流中是否存在能夠作為識別對象的所述語音信號流，并將能夠作為識別對象的所述語音信號流作為識別信號流輸出；

所述客戶端將所述識別信號流與預先形成的復數個初始識別模型進行匹配，獲取匹配成功的所述初始識別模型；

所述客戶端所述識別信號流作為追加的識別信號流的語句訓練樣本，并獲取所述初始識別模型的提取頻率；

所述客戶端判斷所述提取頻率是否大于預設提取閾值，將小于或等于所述提取閾值的所述初始識別模型從所述客戶端中刪除；

所述客戶端依據所述語句訓練樣本對大于所述提取閾值的所述初始識別模型進行更新；

所述服務器中存儲有所有的所述初始識別模型，并依據所述語句訓練樣本對每個所述客戶端中小于或等于所述提取閾值的所述初始識別模型進行更新，最終形成多個識別模型，每個所述識別模型對應于一個所述說話人。

2.如權利要求1所述的可根據模型的提取頻率訓練識別模型的方法，其特征在于，所述客戶端獲取說話人的一初始語音信號流之前還包括：

所述客戶端根據預設的復數個所述語句訓練樣本建立復數個所述初始識別模型。

3.如權利要求1或2所述的可根據模型的提取頻率訓練識別模型的方法，其特征在于，所述客戶端根據所述說話人分割算法與所述說話人聚類算法，分別獲取所述初始語音信號流中的所述語音信號流的方法具體包括：

根據所述說話人分割算法，將所述初始語音信號流分割成多個語音分段；

根據所述說話人聚類算法，將所述語音分段進行聚類生成所述語音信號流。

4.如權利要求1或2所述的可根據模型的提取頻率訓練識別模型的方法，其特征在于，所述客戶端分別將所述識別信號流與復數個所述初始識別模型進行匹配，獲取匹配成功的所述初始識別模型的方法具體包括：

將所述識別信號流分別與復數個所述初始識別模型進行匹配，獲取所述每個所述初始識別模型與所述識別信號流的匹配度；

選取大于預設的匹配閾值的多個所述匹配度中最高的所述匹配度所對應的所述初始識別模型作為匹配成功的所述初始識別模型。

5.如權利要求3所述的可根據模型的提取頻率訓練識別模型的方法，其特征在于，所述客戶端分別將所述識別信號流與復數個所述初始識別模型進行匹配，獲取匹配成功的所述初始識別模型的方法具體包括：

將所述識別信號流分別與復數個所述初始識別模型進行匹配，獲取所述每個所述初始識別模型與所述識別信號流的匹配度；

選取大于預設的匹配閾值的多個所述匹配度中最高的所述匹配度所對應的所述初始識別模型作為匹配成功的所述初始識別模型。

6.如權利要求1，2和5中任意一項所述的可根據模型的提取頻率訓練識別模型的方法，其特征在于，所述客戶端依據所述語句訓練樣本對大于所述提取閾值的所述初始識別模型進行更新的方法具體包括：

根據匹配成功的所述初始識別模型以及預設的語句訓練樣本，生成修正識別模型，預設的所述語句訓練樣本為生成所述初始識別模型的所述識別信號流；

以所述修正識別模型對所述初始識別模型進行更新。

7.如權利要求3所述的可根據模型的提取頻率訓練識別模型的方法，其特征在于，所述客戶端依據所述語句訓練樣本對大于所述提取閾值的所述初始識別模型進行更新的方法具體包括：

根據匹配成功的所述初始識別模型以及預設的語句訓練樣本，生成修正識別模型，預設的所述語句訓練樣本為生成所述初始識別模型的所述識別信號流；

以所述修正識別模型對所述初始識別模型進行更新。