[發明專利]一種語種識別方法以及語種識別設備

有效

• 申請號: 201710035625.5
• 申請日: 2017-01-17
• 公開（公告）號: CN108335693B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 張大威;賁國生
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/06;G10L15/02
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本發明實施例公開了一種語種識別方法以及語種識別設備，所述方法包括：對用于線下訓練的目標音視頻數據進行特征提取，以獲取與所述目標音視頻數據對應的特征數據，通過訓練網絡所包括的按層級排序的N層長短時記憶網絡LSTM依次對所述特征數據進行迭代訓練，以獲取用于進行語種識別目標訓練模型。本實施例所示能夠應用至大數據集上進行使用，通過本實施例所示的所述目標訓練模塊進行語種識別的過程中，識別準確性高，速度快，能夠滿足當前對語種識別的速度的需求。

技術領域

本發明涉及計算機技術領域，尤其涉及一種語種識別方法以及語種識別設備。

背景技術

隨著國際化交流日益緊密的趨勢，在各項領域內，如信息查詢服務、報警系統、銀行、股票交易所以及緊急熱線服務等領域，對語種識別的速度的要求也越來越高，以信息查詢服務為例，很多信息查詢系統可提供多語種服務，但只有在信息查詢系統確定出用戶的語言種類后，才能夠針對性的提供相應語種的服務。這類典型服務的例子包括旅游信息、應急服務、以及購物等。

目前市場上的語種識別方案大部分采用混合高斯模型(英文全稱：GaussianMixture Model，英文簡稱：GMM)或者支持向量機(英文全稱：Support Vector Machine，英文簡稱：SVM)等傳統的淺層模型方法。

但是現有技術所采用的語種識別方案在大數據集上無法實際使用，而且準確率低，速度慢，不能滿足當前對語種識別的速度需求。

發明內容

本發明實施例提供了一種語種識別方法以及語種識別設備，其能夠應用至大數據集上進行語種識別，而且識別準確性高，速度快。

本發明實施例第一方面提供了一種語種識別方法，包括：

獲取用于線下訓練的目標音視頻數據；

對所述目標音視頻數據進行特征提取，以獲取與所述目標音視頻數據對應的特征數據；

通過訓練網絡所包括的按層級排序的N層長短時記憶網絡LSTM依次對所述特征數據進行迭代訓練，以獲取目標訓練模型，所述目標訓練模型用于進行語種識別。

本發明實施例第二方面提供了一種語種識別方法，包括：

獲取用于線上識別的第一目標音視頻數據；

對所述第一目標音視頻數據進行特征提取，以獲取與所述第一目標音視頻數據對應的第一特征數據；

確定目標訓練模型，所述目標訓練模型為使用訓練網絡對第二目標音視頻數據進行訓練得到，所述訓練網絡包括按層級排序的N層長短時記憶網絡LSTM，所述N為大于等于2的正整數；

根據所述目標訓練模型和所述第一特征數據獲取目標分數；

確定與所述目標分數對應的語種識別結果信息，所述語種識別結果信息用于指示所述第一目標音視頻數據所屬的語種。

本發明實施例第三方面提供了一種語種識別設備，包括：

第一獲取單元，用于獲取用于線下訓練的目標音視頻數據；

第二獲取單元，用于對所述目標音視頻數據進行特征提取，以獲取與所述目標音視頻數據對應的特征數據；

訓練單元還，用于通過訓練網絡所包括的按層級排序的N層長短時記憶網絡LSTM依次對所述特征數據進行迭代訓練，以獲取目標訓練模型，所述目標訓練模型用于進行語種識別。

本發明實施例第四方面提供了一種語種識別設備，包括：

第一獲取單元，用于獲取用于線上識別的第一目標音視頻數據；

第一識別單元，用于對所述第一目標音視頻數據進行特征提取，以獲取與所述第一目標音視頻數據對應的第一特征數據；