[發(fā)明專利]音頻數(shù)據(jù)標(biāo)注的方法及其系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201611247230.3
• 申請日: 2016-12-29
• 公開（公告）號: CN108257614A
• 公開（公告）日: 2018-07-06
• 發(fā)明（設(shè)計）人: 晁衛(wèi)
• 申請（專利權(quán)）人: 北京酷我科技有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/24;G10L25/12;G10L25/30;G10L25/45
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所 11309
• 代理人: 陳霽

1.一種音頻數(shù)據(jù)標(biāo)注的方法，其特征在于，所述方法包括：

接收待標(biāo)注的音頻數(shù)據(jù)；

獲取所述待標(biāo)注的音頻數(shù)據(jù)的音頻片段，采用預(yù)訓(xùn)練的至少一個訓(xùn)練模型對所述音頻片段進(jìn)行分析，確定所述音頻片段的分類標(biāo)簽；

為所述音頻片段對應(yīng)的所述待標(biāo)注的音頻數(shù)據(jù)標(biāo)注所述分類標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述采用預(yù)訓(xùn)練的至少一個訓(xùn)練模型對所述音頻片段進(jìn)行分析之前，所述方法還包括：

按照至少一個分類標(biāo)簽獲取每個分類標(biāo)簽對應(yīng)的多個待訓(xùn)練音頻數(shù)據(jù)；

獲取每個分類標(biāo)簽對應(yīng)的所述多個待訓(xùn)練的音頻數(shù)據(jù)的音頻片段，并提取所述音頻片段的特征向量；

對所述至少一個分類標(biāo)簽對應(yīng)的多個音頻片段的特征向量進(jìn)行訓(xùn)練，得到所述至少一個分類標(biāo)簽對應(yīng)的至少一個訓(xùn)練模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述提取所述音頻片段的特征向量，包括：

采用梅爾頻率倒譜系數(shù)MFCC和感性線性預(yù)測PLP提取所述音頻片段的特征向量。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述提取所述音頻片段的特征向量之前，所述方法還包括：

對所述音頻片段進(jìn)行漢明窗處理。

5.根據(jù)權(quán)利要求2至4任一項所述的方法，其特征在于，所述對所述至少一個分類標(biāo)簽對應(yīng)的多個音頻片段的特征向量進(jìn)行訓(xùn)練，包括：

采用卷積神經(jīng)網(wǎng)絡(luò)CNN對所述至少一個分類標(biāo)簽對應(yīng)的多個音頻片段的特征向量進(jìn)行訓(xùn)練。

6.一種系統(tǒng)，其特征在于，所述系統(tǒng)包括：

接收單元，用于接收待標(biāo)注的音頻數(shù)據(jù)；

處理單元，用于獲取所述待標(biāo)注的音頻數(shù)據(jù)的音頻片段，采用預(yù)訓(xùn)練的至少一個訓(xùn)練模型對所述音頻片段進(jìn)行分析，確定所述音頻片段的分類標(biāo)簽；

所述處理單元，還用于為所述音頻片段對應(yīng)的所述待標(biāo)注的音頻數(shù)據(jù)標(biāo)注所述分類標(biāo)簽。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括訓(xùn)練單元；

所述處理單元，還用于按照至少一個分類標(biāo)簽獲取每個分類標(biāo)簽對應(yīng)的多個待訓(xùn)練音頻數(shù)據(jù)；

所述處理單元，還用于獲取每個分類標(biāo)簽對應(yīng)的所述多個待訓(xùn)練的音頻數(shù)據(jù)的音頻片段，并提取所述音頻片段的特征向量；

所述訓(xùn)練單元，用于對所述至少一個分類標(biāo)簽對應(yīng)的多個音頻片段的特征向量進(jìn)行訓(xùn)練，得到所述至少一個分類標(biāo)簽對應(yīng)的至少一個訓(xùn)練模型。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述處理單元提取所述音頻片段的特征向量，包括：

采用梅爾頻率倒譜系數(shù)MFCC和感性線性預(yù)測PLP提取所述音頻片段的特征向量。

9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，

所述處理單元，還用于對所述音頻片段進(jìn)行漢明窗處理。

10.根據(jù)權(quán)利要求7至9任一項所述的系統(tǒng)，其特征在于，所述訓(xùn)練單元對所述至少一個分類標(biāo)簽對應(yīng)的多個音頻片段的特征向量進(jìn)行訓(xùn)練，包括：

所述訓(xùn)練單元采用卷積神經(jīng)網(wǎng)絡(luò)CNN對所述至少一個分類標(biāo)簽對應(yīng)的多個音頻片段的特征向量進(jìn)行訓(xùn)練。