[發(fā)明專利]一種檢測方法、裝置和電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201911207666.3
• 申請日: 2019-11-29
• 公開（公告）號: CN110992979B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 朱紫薇;潘逸倩;劉忠亮;唐文琦
• 申請（專利權(quán)）人: 北京搜狗科技發(fā)展有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/27;G10L25/78
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 鄭傲日

1.一種檢測方法，其特征在于，包括：

獲取待檢測語音數(shù)據(jù)；

依據(jù)目標(biāo)音頻事件檢測模型對所述待檢測語音數(shù)據(jù)進(jìn)行音頻事件檢測，確定所述待檢測語音數(shù)據(jù)對應(yīng)的音頻事件信息；

其中，所述目標(biāo)音頻事件檢測模型由初始音頻事件檢測模型和覆蓋不同視野的預(yù)設(shè)模型整合而成；所述預(yù)設(shè)模型用于對輸入的基礎(chǔ)語音特征執(zhí)行多個(gè)并行操作；所述多個(gè)并行操作包括多個(gè)卷積運(yùn)算和池化操作；

其中，所述初始音頻事件檢測模型包括第一檢測模型和第二檢測模型，所述的方法還包括：

將所述預(yù)設(shè)模型整合在所述第一檢測模型和第二檢測模型之間。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)目標(biāo)音頻事件檢測模型對所述待檢測語音數(shù)據(jù)進(jìn)行音頻事件檢測，確定所述待檢測語音數(shù)據(jù)對應(yīng)的音頻事件信息，包括：

從所述待檢測語音數(shù)據(jù)中提取初始語音特征；

將所述初始語音特征輸入至所述第一檢測模型進(jìn)行基礎(chǔ)特征提取，得到對應(yīng)的基礎(chǔ)語音特征；

將所述基礎(chǔ)語音特征輸入至所述預(yù)設(shè)模型中進(jìn)行不同視野的特征提取，得到對應(yīng)的中級語音特征；

將所述中級語音特征輸入至所述第二檢測模型進(jìn)行擬合，輸出所述待檢測語音數(shù)據(jù)中各幀音頻對應(yīng)的音頻事件概率信息；

依據(jù)所述待檢測語音數(shù)據(jù)中各幀音頻對應(yīng)的音頻事件概率信息，確定所述待檢測語音數(shù)據(jù)的音頻事件信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述初始語音特征輸入至所述第一檢測模型進(jìn)行基礎(chǔ)特征提取，得到對應(yīng)的基礎(chǔ)語音特征，包括：

截取多個(gè)初始語音特征片段；

依次將截取的每個(gè)初始語音特征片段輸入至所述第一檢測模型進(jìn)行基礎(chǔ)特征提取，得到對應(yīng)的基礎(chǔ)語音特征。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述音頻事件概率信息包括多類音頻事件的概率；所述依據(jù)所述待檢測語音數(shù)據(jù)中各幀音頻對應(yīng)的音頻事件概率信息，確定所述待檢測語音數(shù)據(jù)的音頻事件信息，包括：

針對所述待檢測語音數(shù)據(jù)中的每一幀音頻，對所述幀音頻對應(yīng)的各類音頻事件的概率進(jìn)行濾波；

以及依據(jù)各類音頻事件濾波后的概率，確定所述幀音頻對應(yīng)的目標(biāo)音頻事件；

依據(jù)所述各幀音頻對應(yīng)的目標(biāo)音頻事件和幀標(biāo)識，確定所述待檢測語音數(shù)據(jù)的音頻事件信息；

其中，所述音頻事件信息包括音頻事件和音頻事件對應(yīng)的起止時(shí)間。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述依據(jù)各類音頻事件濾波后的概率，確定所述幀音頻對應(yīng)的目標(biāo)音頻事件，包括：

分別將所述幀音頻對應(yīng)的各類音頻事件濾波后的概率與對應(yīng)類音頻事件的概率閾值進(jìn)行比對，確定所述幀音頻對應(yīng)的各類音頻事件的預(yù)測結(jié)果；

分別對所述幀音頻對應(yīng)的各類音頻事件的預(yù)測結(jié)果進(jìn)行濾波，確定所述幀音頻對應(yīng)的目標(biāo)音頻事件。

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述濾波為中值濾波。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括訓(xùn)練所述目標(biāo)音頻事件檢測模型的步驟：

收集音頻事件數(shù)據(jù)和其他語音數(shù)據(jù)；

將所述音頻事件數(shù)據(jù)作為正樣例和將所述其他語音數(shù)據(jù)作為負(fù)樣例，對所述目標(biāo)音頻事件檢測模型進(jìn)行訓(xùn)練。

8.一種檢測裝置，其特征在于，包括：

獲取模塊，用于獲取待檢測語音數(shù)據(jù)；

檢測模塊，用于依據(jù)目標(biāo)音頻事件檢測模型對所述待檢測語音數(shù)據(jù)進(jìn)行音頻事件檢測，確定所述待檢測語音數(shù)據(jù)對應(yīng)的音頻事件信息；其中，所述目標(biāo)音頻事件檢測模型由初始音頻事件檢測模型和覆蓋不同視野的預(yù)設(shè)模型整合而成；所述預(yù)設(shè)模型用于對輸入的基礎(chǔ)語音特征執(zhí)行多個(gè)并行操作；所述多個(gè)并行操作包括多個(gè)卷積運(yùn)算和池化操作；

其中，所述初始音頻事件檢測模型包括第一檢測模型和第二檢測模型，所述的裝置還包括：

整合模塊，用于將所述預(yù)設(shè)模型整合在所述第一檢測模型和第二檢測模型之間。