[發明專利]語音情緒識別方法、裝置及存儲介質

有效

• 申請號: 202010155947.5
• 申請日: 2020-03-09
• 公開（公告）號: CN111445899B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 徐健
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/26;G10L25/63
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

1.一種語音情緒識別方法，其特征在于，包括：

比較原始語音的幀數和預設語音幀數；

如果所述原始語音的幀數小于所述預設語音幀數，則復制所述原始語音的幀并插入所述原始語音中，得到符合所述預設語音幀數的標準語音；

根據所述標準語音和預設語音情緒識別模型，對所述原始語音對應的情緒進行識別；

其中，所述復制所述原始語音的幀并插入所述原始語音中，包括：

計算所述原始語音的指標值，并與預設閾值比較；

如果所述指標值小于所述預設閾值，則依次復制所述原始語音的每一幀，并將復制的幀插入被復制的幀之后；

如果所述指標值大于所述預設閾值，則復制所述原始語音的所有幀，并將復制的所述所有幀插入至所述原始語音的結束幀之后。

2.根據權利要求1所述的語音情緒識別方法，其特征在于，所述計算所述原始語音的指標值，包括：

提取所述原始語音的聲譜信息；

根據所述聲譜信息，計算所述原始語音的標準差，作為所述原始語音的指標值。

3.根據權利要求1所述的語音情緒識別方法，其特征在于，所述得到符合所述預設語音幀數的標準語音，包括：

從被插入幀之后的所述原始語音中截取符合所述預設語音幀數的一段語音，作為標準語音。

4.根據權利要求1所述的語音情緒識別方法，其特征在于，所述根據所述標準語音和預設語音情緒識別模型，對所述原始語音對應的情緒進行識別，包括：

提取所述標準語音的特征；

根據所述標準語音的特征、預設的LSTM模型和預設的SVM分類器，得到所述原始語音對應的情緒。

5.根據權利要求4所述的語音情緒識別方法，其特征在于，所述預設的LSTM模型，通過以下方式訓練得到：

獲取訓練語音，每個所述訓練語音包括第一樣本、第二樣本和第三樣本，所述第一樣本和所述第二樣本分別對應的情緒相同，所述第一樣本和所述第三樣本分別對應的情緒不同；

根據所述訓練語音和Triplet-Loss損失函數進行LSTM模型的訓練，得到所述預設的LSTM模型。

6.根據權利要求5所述的語音情緒識別方法，其特征在于，所述獲取訓練語音，包括：

選擇一個語音作為所述第一樣本；

選擇與所述第一樣本對應的情緒相同，且與所述第一樣本的歐氏距離最遠的語音作為所述第二樣本；

選擇與所述第一樣本對應的情緒不同，且與所述第一樣本的歐氏距離最近的語音作為所述第三樣本。

7.根據權利要求1所述的語音情緒識別方法，其特征在于，在比較原始語音的幀數和預設語音幀數后，所述方法還包括：

如果所述原始語音的幀數大于所述預設語音幀數，則從所述原始語音中截取符合所述預設語音幀數的一段語音，作為標準語音；

如果所述原始語音的幀數等于所述預設語音幀數，則將所述原始語音作為標準語音。

8.一種語音情緒識別裝置，其特征在于，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至7中任一項所述的語音情緒識別方法。

9.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述的語音情緒識別方法。