[發明專利]一種語音分類方法、裝置、服務器及存儲介質

有效

• 申請號: 201810726469.1
• 申請日: 2018-07-04
• 公開（公告）號: CN108962231B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 呂志高;張文明;陳少杰
• 申請（專利權）人: 武漢斗魚網絡科技有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/30;G10L15/02;G10L15/04;G10L25/18;G10L25/24;G10L25/45;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種語音分類方法，其特征在于，包括：

利用梅爾頻率倒譜系數MFCC算法獲取目標短語音的MFCC特征矩陣，并將所述MFCC特征矩陣轉換為目標圖像；

基于深度學習模型，提取所述目標圖像的目標圖像特征；

將所述目標圖像特征輸入至預先訓練好的語音分類器中，并輸出所述目標短語音的類別；

其中，所述將所述MFCC特征矩陣轉換為目標圖像，包括：

對所述MFCC特征矩陣中的每個元素進行歸一化處理；

利用權重255對經過歸一化處理后的所述每個元素做乘積處理，使得經過乘積處理后的所述MFCC特征矩陣中的每個元素的取值均在0到255之間；

根據第一預設規則調整所述MFCC特征矩陣的行列比值，使得所述行列比值與所述目標圖像的預設長寬比值相同；

將調整行列比值后的所述MFCC特征矩陣轉換為灰度圖像，其中，調整行列比值后的所述MFCC特征矩陣中的每個元素對應所述灰度圖像中的一個灰度值；

將所述灰度圖像轉換為RGB三原色圖像，將所述RGB三原色圖像作為所述目標圖像；

其中，所述利用梅爾頻率倒譜系數MFCC算法獲取目標短語音的MFCC特征矩陣，包括：

根據預設的幀長和幀移，將所述目標短語音劃分為各語音幀；

利用所述MFCC算法分別對所述各語音幀進行MFCC特征提取，得到所述各語音幀對應的MFCC特征向量；

將各所述MFCC特征向量拼接為MFCC特征矩陣，將所述MFCC特征矩陣作為所述目標短語音的MFCC特征矩陣；

其中，根據預設的幀移使相鄰兩幀之間存在重疊區域。

2.根據權利要求1所述的方法，其特征在于，在將所述目標圖像特征輸入至預先訓練好的語音分類器中，并輸出所述目標短語音的類別之前，還包括：

對所述目標圖像特征每個維度上的元素進行歸一化處理。

3.根據權利要求1所述的方法，其特征在于，在將所述目標圖像特征輸入至預先訓練好的語音分類器中，并輸出所述目標短語音的類別之前，還包括：

根據歷史短語音確定與所述歷史短語音相對應的歷史圖像的圖像特征；

將所述圖像特征輸入預先建立的語音分類器中，并輸出所述歷史短語音的類別；

基于輸出的所述類別與期望類別對所述語音分類器的模型參數進行調整。

4.根據權利要求1所述的方法，其特征在于，在基于深度學習模型，提取所述目標圖像的目標圖像特征之前，還包括：

根據歷史短語音確定與所述歷史短語音相對應的歷史圖像；

基于至少一張所述歷史圖像生成訓練樣本集，將所述訓練樣本集輸入到預先建立好的深度學習模型中，輸出所述歷史圖像的歷史圖像特征；

根據輸出的所述歷史圖像特征與期望歷史圖像特征之間的差異對所述深度學習模型的模型參數進行調整。