[發(fā)明專利]基于語音圖譜和深度學(xué)習(xí)的實(shí)時(shí)性別識別方法

在審

• 申請?zhí)枺?/td>: 201910612980.3
• 申請日: 2019-07-09
• 公開（公告）號: CN110211569A
• 公開（公告）日: 2019-09-06
• 發(fā)明（設(shè)計(jì)）人: 王磊
• 申請（專利權(quán)）人: 浙江百應(yīng)科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L25/30;G10L25/51;G10L25/78
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

1.基于語音圖譜和深度學(xué)習(xí)的實(shí)時(shí)性別識別方法，其特征在于，包括以下步驟：

S1：基于深度學(xué)習(xí)算法建立模型；

S2：語音對話過程中實(shí)時(shí)獲取音頻流；

S3：將獲取的音頻流通過VAD切除靜音部分；

S4：通過fbank提取音頻的數(shù)字特征；

S5：將數(shù)字特征轉(zhuǎn)換成語音圖譜，將語音圖譜通過模型進(jìn)行性別預(yù)測，得到性別識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于語音圖譜和深度學(xué)習(xí)的實(shí)時(shí)性別識別方法，其特征在于，所述基于深度學(xué)習(xí)算法建立模型包括以下步驟：

S11：語音圖譜結(jié)合打標(biāo)標(biāo)簽生成樣本信息，按照設(shè)定比例劃分訓(xùn)練集合和測試集合；

S12：對語音圖譜作歸一化和正則化處理，保存樣本集合的均值和方差信息；

S13：將訓(xùn)練集合輸入給下游的resnet網(wǎng)絡(luò)，重新訓(xùn)練網(wǎng)絡(luò)最后一層和softmax層，多次循環(huán)，不斷擬合神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)，直到損失達(dá)到閥值或者迭代次數(shù)達(dá)到預(yù)設(shè)值；

S14：用測試集合進(jìn)行測試，若模型準(zhǔn)確度達(dá)到預(yù)期值，則輸出模型，否則調(diào)整參數(shù)或者樣本信息重新訓(xùn)練模型。

3.根據(jù)權(quán)利要求1所述的基于語音圖譜和深度學(xué)習(xí)的實(shí)時(shí)性別識別方法，其特征在于，所述語音圖譜包括若干個(gè)768*32的二維數(shù)字矩陣。

4.根據(jù)權(quán)利要求3所述的基于語音圖譜和深度學(xué)習(xí)的實(shí)時(shí)性別識別方法，其特征在于，所述語音圖譜包括音頻流的頻域和時(shí)域信息。