[發明專利]音頻分類模型的訓練方法、音頻分類方法、裝置及設備

在審

• 申請號: 202010173624.9
• 申請日: 2020-03-13
• 公開（公告）號: CN111369982A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 鄧菁;王秋明
• 申請（專利權）人: 北京遠鑒信息技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/08;G10L21/0272;G10L25/51;G10L25/81
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

1.一種音頻分類模型的訓練方法，其特征在于，包括：

獲取音頻樣本，所述音頻樣本包括：語音音頻樣本、音樂音頻樣本；

對各所述音頻樣本進行分幀，并提取幀特征；

采用預設窗函數，提取各所述音頻樣本中每幀的窗特征，并根據所述幀特征獲取組合特征，其中，所述組合特征標記語音標簽或音樂標簽；

采用所述組合特征和預設神經網絡，訓練獲取音頻分類模型。

2.如權利要求1所述的方法，其特征在于，所述采用所述組合特征和預設神經網絡，訓練獲取音頻分類模型，包括：

將所述組合特征代入所述預設神經網絡進行前向運算，并根據損失函數獲取每次迭代的梯度值；

根據所述梯度值調整所述預設神經網絡中的參數后，繼續訓練，直到滿足收斂條件，獲取所述音頻分類模型。

3.如權利要求1所述的方法，其特征在于，所述采用預設窗函數，提取各所述音頻樣本中每幀的窗特征，并根據所述幀特征獲取組合特征之后，還包括：

將所述組合特征劃分為訓練樣本集和測試樣本集。

4.如權利要求3所述的方法，其特征在于，所述采用所述組合特征和預設神經網絡，訓練獲取音頻分類模型，包括：

采用所述訓練樣本集和預設神經網絡，訓練獲取音頻分類模型。

5.如權利要求3所述的方法，其特征在于，所述采用所述組合特征和預設神經網絡，訓練獲取音頻分類模型之后，還包括：

將所述測試樣本集代入所述音頻分類模型，獲取測試分類結果；

根據所述測試分類結果以及所述測試樣本集中組合特征的標簽，判斷所述音頻分類模型是否合格。

6.一種音頻分類方法，其特征在于，包括：

對待識別音頻信號進行分幀，并提取各幀的幀特征；

采用預設窗函數，提取各所述幀的窗特征，并根據所述幀特征獲取組合特征；

將所述組合特征代入音頻分類模型，將所述待識別音頻信號的音樂信號和語音信號分離，其中，所述音頻分類模型采用音頻樣本的組合特征訓練獲取，所述音頻樣本包括：語音音頻樣本、音樂音頻樣本，所述音頻樣本的組合特征標記語音標簽或音樂標簽。

7.如權利要求6所述的方法，其特征在于，所述對待識別音頻信號進行分幀，并提取各幀的幀特征之前還包括：

獲取音頻信號；

對所述音頻信號進行去噪，獲取去噪后的音頻信號；

采用預加重算法對所述去噪后的音頻信號進行預加重處理，得到所述待識別音頻信號。

8.一種音頻分類模型的訓練裝置，其特征在于，所述裝置包括：獲取模塊、第一提取模塊、第二提取模塊以及訓練模塊；

所述獲取模塊，用于獲取音頻樣本，所述音頻樣本包括：語音音頻樣本、音樂音頻樣本；

所述第一提取模塊，用于對各所述音頻樣本進行分幀，并提取幀特征；

所述第二提取模塊，用于采用預設窗函數，提取各所述音頻樣本中每幀的窗特征，并根據所述幀特征獲取組合特征，其中，所述組合特征標記語音標簽或音樂標簽；

所述訓練模塊，用于采用所述組合特征和預設神經網絡，訓練獲取音頻分類模型。

9.一種音頻分類裝置，其特征在于，所述裝置包括：幀提取模塊、窗提取模塊以及分離模塊；

所述幀提取模塊，用于對待識別音頻信號進行分幀，并提取各幀的幀特征；

所述窗提取模塊，用于采用預設窗函數，提取各所述幀的窗特征，并根據所述幀特征獲取組合特征；

所述分離模塊，用于將所述組合特征代入音頻分類模型，將所述待識別音頻信號的音樂信號和語音信號分離，其中，所述音頻分類模型采用音頻樣本的組合特征訓練獲取，所述音頻樣本包括：語音音頻樣本、音樂音頻樣本，所述音頻樣本的組合特征標記語音標簽或音樂標簽。

10.一種計算機設備，其特征在于，包括：存儲器、處理器，所述存儲器中存儲有可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時，實現上述權利要求1至7任一項所述的方法的步驟。