[發(fā)明專利]語音區(qū)分模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810561701.0
• 申請(qǐng)日: 2018-06-04
• 公開（公告）號(hào): CN109065027B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計(jì)）人: 涂宏
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G10L15/06
• 分類號(hào): G10L15/06;G10L25/30;G10L15/05
• 代理公司: 深圳眾鼎專利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 胡志桐

本發(fā)明公開了一種語音區(qū)分模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。該方法包括：將標(biāo)準(zhǔn)訓(xùn)練語音數(shù)據(jù)和干擾訓(xùn)練語音數(shù)據(jù)輸入到原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，調(diào)整原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和偏置，獲取原始語音區(qū)分模型；獲取待測(cè)試語音數(shù)據(jù)，待測(cè)試語音數(shù)據(jù)包括等比例配置的標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)和干擾測(cè)試語音數(shù)據(jù)；將標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)和干擾測(cè)試語音數(shù)據(jù)輸入到原始語音區(qū)分模型中進(jìn)行識(shí)別，獲取識(shí)別準(zhǔn)確率，若識(shí)別準(zhǔn)確率大于預(yù)設(shè)閾值，則原始語音區(qū)分模型確定為目標(biāo)語音區(qū)分模型。采用目標(biāo)語音區(qū)分模型對(duì)語音進(jìn)行區(qū)分，可以提高語音區(qū)分的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及語音處理領(lǐng)域，尤其涉及一種語音區(qū)分模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

一段未經(jīng)處理的語音數(shù)據(jù)一般包括標(biāo)準(zhǔn)語音和干擾語音，其中標(biāo)準(zhǔn)語音是指語音數(shù)據(jù)中聲紋連續(xù)變化明顯的語音部分(即純語音段)，干擾語音可以是語音數(shù)據(jù)中由于靜默而沒有發(fā)音的語音數(shù)據(jù)(即靜音段)，也可以是環(huán)境噪音部分(即噪音段)。語音區(qū)分是對(duì)輸入的語音數(shù)據(jù)進(jìn)行篩選，以保留對(duì)識(shí)別具有意義的標(biāo)準(zhǔn)語音。當(dāng)前主要采用端點(diǎn)檢測(cè)技術(shù)對(duì)語音數(shù)據(jù)進(jìn)行區(qū)分，這種語音區(qū)分方式，在標(biāo)準(zhǔn)語音中夾雜噪音時(shí)，隨著噪音越大，進(jìn)行語音區(qū)分的難度越大，其端點(diǎn)檢測(cè)的識(shí)別結(jié)果越不準(zhǔn)確。因此，采用端點(diǎn)檢測(cè)技術(shù)進(jìn)行語音區(qū)分時(shí)，其語音區(qū)分的識(shí)別結(jié)果容易受外部因素影響，使得語音區(qū)分結(jié)果不準(zhǔn)確。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種使語音區(qū)分結(jié)果不易受外部因素影響的語音區(qū)分模型訓(xùn)練方法、裝置、設(shè)備及介質(zhì)。

一種語音區(qū)分模型訓(xùn)練方法，包括：

對(duì)雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和偏置進(jìn)行初始化處理，獲取原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

獲取待訓(xùn)練語音數(shù)據(jù)，所述待訓(xùn)練語音數(shù)據(jù)包括等比例配置的標(biāo)準(zhǔn)訓(xùn)練語音數(shù)據(jù)和干擾訓(xùn)練語音數(shù)據(jù)；

將所述標(biāo)準(zhǔn)訓(xùn)練語音數(shù)據(jù)和所述干擾訓(xùn)練語音數(shù)據(jù)輸入到原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，調(diào)整所述原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和偏置，獲取原始語音區(qū)分模型；

獲取待測(cè)試語音數(shù)據(jù)，所述待測(cè)試語音數(shù)據(jù)包括等比例配置的標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)和干擾測(cè)試語音數(shù)據(jù)；

將所述標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)和干擾測(cè)試語音數(shù)據(jù)輸入到原始語音區(qū)分模型中進(jìn)行識(shí)別，獲取所述標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)或者干擾測(cè)試語音數(shù)據(jù)對(duì)應(yīng)的識(shí)別準(zhǔn)確率，若所述識(shí)別準(zhǔn)確率大于預(yù)設(shè)閾值，則所述原始語音區(qū)分模型確定為目標(biāo)語音區(qū)分模型。

一種語音模型訓(xùn)練裝置，包括：

模型初始化模塊，用于對(duì)雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和偏置進(jìn)行初始化處理，獲取原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

待訓(xùn)練語音數(shù)據(jù)獲取模塊，用于獲取待訓(xùn)練語音數(shù)據(jù)，所述待訓(xùn)練語音數(shù)據(jù)包括等比例配置的標(biāo)準(zhǔn)訓(xùn)練語音數(shù)據(jù)和干擾訓(xùn)練語音數(shù)據(jù)；

模型訓(xùn)練模塊，用于將所述標(biāo)準(zhǔn)訓(xùn)練語音數(shù)據(jù)和所述干擾訓(xùn)練語音數(shù)據(jù)輸入到原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，調(diào)整所述原始雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和偏置，獲取原始語音區(qū)分模型；

待測(cè)試語音數(shù)據(jù)獲取模塊，用于獲取待測(cè)試語音數(shù)據(jù)，所述待測(cè)試語音數(shù)據(jù)包括等比例配置的標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)和干擾測(cè)試語音數(shù)據(jù)；

模型獲取模塊，用于將所述標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)和干擾測(cè)試語音數(shù)據(jù)輸入到原始語音區(qū)分模型中進(jìn)行識(shí)別，獲取所述標(biāo)準(zhǔn)測(cè)試語音數(shù)據(jù)或者干擾測(cè)試語音數(shù)據(jù)對(duì)應(yīng)的識(shí)別準(zhǔn)確率，若所述識(shí)別準(zhǔn)確率大于預(yù)設(shè)閾值，則所述原始語音區(qū)分模型確定為目標(biāo)語音區(qū)分模型。

一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述語音區(qū)分模型訓(xùn)練方法的步驟。