[發(fā)明專利]兒童語音識(shí)別模型的訓(xùn)練方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911000370.4
• 申請(qǐng)日: 2019-10-21
• 公開（公告）號(hào): CN110706692B
• 公開（公告）日: 2021-12-14
• 發(fā)明（設(shè)計(jì)）人: 錢彥旻;吳松澤;俞凱;盛佩瑤;楊卓林;李晨達(dá)
• 申請(qǐng)（專利權(quán)）人: 思必馳科技股份有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/06;G10L15/26;G10L15/20
• 代理公司: 北京商專永信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 黃謙;車江華

1.一種兒童語音識(shí)別模型的訓(xùn)練方法，包括：

獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括兒童語音訓(xùn)練數(shù)據(jù)、所述兒童語音訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的硬標(biāo)簽、隨機(jī)噪聲數(shù)據(jù)；

通過基線聲學(xué)模型訓(xùn)練得到無條件生成對(duì)抗網(wǎng)絡(luò)；

將所述隨機(jī)噪聲數(shù)據(jù)輸入所述無條件生成對(duì)抗網(wǎng)絡(luò)，以得到噪聲增強(qiáng)聲學(xué)特征；

將所述噪聲增強(qiáng)聲學(xué)特征輸入至所述基線聲學(xué)模型，得到每一幀所述噪聲增強(qiáng)聲學(xué)特征對(duì)應(yīng)的后驗(yàn)概率軟標(biāo)簽；

至少將所述噪聲增強(qiáng)聲學(xué)特征和所述軟標(biāo)簽以及所述兒童語音訓(xùn)練數(shù)據(jù)和所述硬標(biāo)簽作為樣本訓(xùn)練數(shù)據(jù)訓(xùn)練兒童語音增強(qiáng)聲學(xué)識(shí)別模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

基于所述兒童語音訓(xùn)練數(shù)據(jù)和所述兒童語音訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的硬標(biāo)簽訓(xùn)練條件生成對(duì)抗網(wǎng)絡(luò)，并獲取所述條件生成對(duì)抗網(wǎng)絡(luò)的生成器所確定的增強(qiáng)聲學(xué)特征以及所述增強(qiáng)聲學(xué)特征對(duì)應(yīng)的條件標(biāo)簽；

所述至少將所述噪聲增強(qiáng)聲學(xué)特征和所述軟標(biāo)簽以及所述兒童語音訓(xùn)練數(shù)據(jù)和所述硬標(biāo)簽作為樣本訓(xùn)練數(shù)據(jù)訓(xùn)練增強(qiáng)聲學(xué)模型包括：

至少將所述噪聲增強(qiáng)聲學(xué)特征和所述軟標(biāo)簽，所述兒童語音訓(xùn)練數(shù)據(jù)和所述硬標(biāo)簽，所述增強(qiáng)聲學(xué)特征和所述條件標(biāo)簽作為樣本訓(xùn)練數(shù)據(jù)訓(xùn)練兒童語音增強(qiáng)聲學(xué)識(shí)別模型。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述隨機(jī)噪聲數(shù)據(jù)包括隨機(jī)分布采樣。

4.根據(jù)權(quán)利要求2所述的方法，其中，所述無條件生成對(duì)抗網(wǎng)絡(luò)以及所述條件生成對(duì)抗網(wǎng)絡(luò)的類型包括Wasserstein生成對(duì)抗網(wǎng)絡(luò)。

5.一種兒童語音識(shí)別模型的訓(xùn)練系統(tǒng)，包括：

數(shù)據(jù)獲取程序模塊，用于獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括兒童語音訓(xùn)練數(shù)據(jù)、所述兒童語音訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的硬標(biāo)簽、隨機(jī)噪聲數(shù)據(jù)；

對(duì)抗網(wǎng)絡(luò)生成程序模塊，用于通過基線聲學(xué)模型訓(xùn)練得到無條件生成對(duì)抗網(wǎng)絡(luò)；

聲學(xué)特征確定程序模塊，用于將所述隨機(jī)噪聲數(shù)據(jù)輸入所述無條件生成對(duì)抗網(wǎng)絡(luò)，以得到噪聲增強(qiáng)聲學(xué)特征；

標(biāo)簽確定程序模塊，用于將所述噪聲增強(qiáng)聲學(xué)特征輸入至所述基線聲學(xué)模型，得到每一幀所述噪聲增強(qiáng)聲學(xué)特征對(duì)應(yīng)的后驗(yàn)概率軟標(biāo)簽；

識(shí)別模型訓(xùn)練程序模塊，用于至少將所述噪聲增強(qiáng)聲學(xué)特征和所述軟標(biāo)簽以及所述兒童語音訓(xùn)練數(shù)據(jù)和所述硬標(biāo)簽作為樣本訓(xùn)練數(shù)據(jù)訓(xùn)練兒童語音增強(qiáng)聲學(xué)識(shí)別模型。

6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其中，所述對(duì)抗網(wǎng)絡(luò)生成程序模塊還用于：基于所述兒童語音訓(xùn)練數(shù)據(jù)和所述兒童語音訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的硬標(biāo)簽訓(xùn)練條件生成對(duì)抗網(wǎng)絡(luò)；

所述標(biāo)簽確定程序模塊還用于：獲取所述條件生成對(duì)抗網(wǎng)絡(luò)的生成器所確定的增強(qiáng)聲學(xué)特征以及所述增強(qiáng)聲學(xué)特征對(duì)應(yīng)的條件標(biāo)簽；

所述增強(qiáng)聲學(xué)模型訓(xùn)練程序模塊還用于：

至少將所述噪聲增強(qiáng)聲學(xué)特征和所述軟標(biāo)簽，所述兒童語音訓(xùn)練數(shù)據(jù)和所述硬標(biāo)簽，所述增強(qiáng)聲學(xué)特征和所述條件標(biāo)簽作為樣本訓(xùn)練數(shù)據(jù)訓(xùn)練兒童語音增強(qiáng)聲學(xué)識(shí)別模型。

7.根據(jù)權(quán)利要求5所述的系統(tǒng)，其中，所述隨機(jī)噪聲數(shù)據(jù)包括隨機(jī)分布采樣。

8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中，所述無條件生成對(duì)抗網(wǎng)絡(luò)以及所述條件生成對(duì)抗網(wǎng)絡(luò)的類型包括Wasserstein生成對(duì)抗網(wǎng)絡(luò)。

9.一種電子設(shè)備，其包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行權(quán)利要求1-4中任一項(xiàng)所述方法的步驟。

10.一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-4中任一項(xiàng)所述方法的步驟。