[發明專利]一種語種識別模型訓練、語種識別的方法和相關裝置

在審

• 申請號: 201910487339.1
• 申請日: 2019-06-05
• 公開（公告）號: CN112133291A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 趙佰軍;褚繁;李晉;方昕;柳林
• 申請（專利權）人: 科大訊飛股份有限公司;趙佰軍
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/00;G10L15/16
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種語種識別模型訓練的方法，其特征在于，包括：

將語種標簽和隨機噪聲輸入生成網絡獲得偽語種向量；將訓練語音數據的語種特征輸入神經網絡獲得真語種向量；

利用判別網絡獲得所述偽語種向量的判別結果和所述真語種向量的判別結果，所述判別結果包括判別概率和預測語種標簽；

基于所述判別概率和所述預測語種標簽訓練所述生成網絡、所述神經網絡和所述判別網絡獲得語種識別模型。

2.根據權利要求1所述的方法，其特征在于，所述將語種標簽和隨機噪聲輸入生成網絡獲得偽語種向量，包括：

基于所述語種標簽和所述生成網絡的嵌入層獲得語種標簽向量；

拼接所述語種標簽向量和對應的所述隨機噪聲獲得拼接向量；

基于所述拼接向量和所述生成網絡的全連接層獲得所述偽語種向量。

3.根據權利要求2所述的方法，其特征在于，所述基于所述語種標簽和所述生成網絡的嵌入層獲得語種標簽向量，包括：

將多個不同類別的語種標簽輸入所述生成網絡的嵌入層獲得各類別語種標簽的語種標簽向量；

基于每個所述語種標簽的類別篩選所述各類別語種標簽的語種標簽向量，獲得每個所述語種標簽的語種標簽向量。

4.根據權利要求3所述的方法，其特征在于，所述多個不同類別的語種標簽中各類別語種標簽的數量均衡；所述隨機噪聲符合正態分布；所述神經網絡包括雙向長短期記憶網絡。

5.根據權利要求1所述的方法，其特征在于，所述基于所述判別概率和所述預測語種標簽訓練所述生成網絡、所述神經網絡和所述判別網絡獲得語種識別模型，包括：

基于所述判別概率和所述預測語種標簽訓練所述生成網絡、所述神經網絡和所述判別網絡獲得生成模型、神經網絡模型和判別模型；

基于所述神經網絡模型和所述判別模型獲得目標語種識別模型。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述基于所述判別概率和所述預測語種標簽訓練所述生成網絡，包括：

基于所述偽語種向量的判別概率、期望概率1、預測語種標簽和所述語種標簽，利用交叉熵損失函數獲得所述生成網絡的損失函數；

基于所述生成網絡的損失函數更新所述生成網絡的網絡參數。

7.根據權利要求1-5任一項所述的方法，其特征在于，所述基于所述判別概率和所述預測語種標簽訓練所述神經網絡和所述判別網絡，包括：

基于所述偽語種向量的判別概率、期望概率0、預測語種標簽和所述語種標簽，利用交叉熵損失函數獲得所述判別網絡的第一損失函數；

基于所述真語種向量的判別概率、期望概率1、預測語種標簽和標記語種標簽，利用交叉熵損失函數獲得所述判別網絡的第二損失函數；

基于所述判別網絡的第一損失函數和第二損失函數更新所述神經網絡和所述判別網絡的網絡參數。

8.根據權利要求1-5任一項所述的方法，其特征在于，所述訓練結束條件為所述生成網絡、所述神經網絡和所述判別網絡收斂；或，所述訓練結束條件為所述生成網絡、所述神經網絡和所述判別網絡的迭代次數大于等于預設迭代次數。

9.根據權利要求5所述的方法，其特征在于，還包括：

獲得多個待驗證語音數據的語種特征；

將每個所述待驗證語音數據的語種特征輸入所述目標語種識別模型獲得每個所述待驗證語音數據的預測語種標簽；

基于多個所述待驗證語音數據的預測語種標簽和標記語種標簽，統計所述目標語種識別模型的識別準確率。

10.一種語種識別的方法，其特征在于，利用權利要求5所述的目標語種識別模型，包括：

獲得待識別語音數據的語種特征；

將所述待識別語音數據的語種特征輸入所述目標語種識別模型獲得所述待識別語音數據的預測語種標簽；

基于所述預測語種標簽確定所述待識別語音數據的語種類別。