[發明專利]一種音頻處理方法、裝置、電子設備及存儲介質

有效

• 申請號: 201911402690.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111145765B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 王運俠
• 申請（專利權）人: 思必馳科技股份有限公司
• 主分類號: G10L19/00
• 分類號: G10L19/00;G06N3/04;G06N3/08
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 江宇

1.一種音頻處理方法，其特征在于，所述方法包括：

對實時輸入的音頻信息進行切分，得到至少一個音頻段；

對所述至少一個音頻段中每一個音頻段進行神經網絡計算，得到每一個音頻段所對應的輸出，將所述每一個音頻段的輸出進行合并得到輸出結果；

其中，對所述至少一個音頻段中每一個音頻段進行神經網絡計算，得到每一個音頻段所對應的輸出，包括：

將所述每一個音頻段的序列開始、序列中間以及序列結束分別進行神經網絡計算，得到所述每一個音頻段所對應的第一結果、第二結果以及第三結果；

將每一個音頻段所對應的所述第一結果、第二結果、第三結果合并，得到所述每一個音頻段所對應的輸出。

2.根據權利要求1所述的方法，其特征在于，所述神經網絡為DFSMN模型。

3.根據權利要求2所述的方法，其特征在于，將所述每一個音頻段的序列開始進行神經網絡計算，得到所述每一個音頻段所對應的第一結果，包括：

將所述每一個音頻段中長度為L1的序列開始輸入至N層的DFSMN模型，得到經過全部N層的DFSMN模型處理后的長度為L1-M的第一結果；

其中，L1為大于等于M的整數，N為大于等于1的整數，M為大于等于1且小于L1的整數。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

將長度為l1的輸入序列輸入至第n層DFSMN，將第n層DFSMN模型輸出的長度為l1的第n個子結果中的最后m個時刻的輸出刪除，得到所述第n層DFSMN輸出的長度為l1-m的輸出序列；

其中，l1為大于m且小于等于L1的整數，n為大于等于1且小于等于N的整數，m為大于等于1且小于等于M的整數。

5.根據權利要求2所述的方法，其特征在于，將所述每一個音頻段的序列中間進行神經網絡計算，得到所述每一個音頻段所對應的第二結果，包括：

將每一個音頻段中長度為L2的序列中間輸入至N層的DFSMN模型，得到所述N層的DFSMN輸出的長度為L2的第二結果；

其中，L2為大于等于1的整數，N為大于等于1的整數，N為網絡中包含的DFSMN的層數。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

將長度為l2的輸入序列輸入至第n層DFSMN，計算之前，將前一次計算第n層DFSMN輸出時丟棄的m個時刻的數據拼接到l2長度的輸入前面，得到l2+m的第n個子結果；第n層DFSMN計算完成之后，將所述長度為l2+m的第n個子結果中最后m個時刻的輸出刪除，得到長度為l2+m-m的第n個子結果；

其中l2為大于等于1小于等于L2的整數，n為大于等于1且小于等于N的整數，m為大于等于1的整數。

7.根據權利要求2所述的方法，其特征在于，將所述每一個音頻段的序列結束進行神經網絡計算，得到所述每一個音頻段所對應的第三結果，還包括：

將每一個音頻段中長度為L3的序列中間部分輸入至N層的DFSMN模型，得到所述N層的DFSMN輸出的長度為L3+M的第三處理結果；

其中，L3為大于等于1的整數，N為大于等于1的整數，M為大于等于1的整數。

8.根據權利要求7所述的方法，其特征在于，所述方法還包括：

將前一時刻中第n層DFSMN輸出時丟棄的m個時刻的結果添加至l3的輸入序列的開始部分，得到長度為l3+m的序列；

將長度為l3+m的序列輸入至第n層DFSMN，得到所述第n層DFSMN模型輸出的長度為l3+m的第n個子結果；

其中，l3為小于等于L3的整數，n為大于等于1且小于等于N的整數，m為大于等于1的整數、且小于等于M的整數。