[發明專利]一種音頻檢測方法及裝置、存儲介質

在審

• 申請號: 202010514720.5
• 申請日: 2020-06-08
• 公開（公告）號: CN111782860A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 白金;嚴鋒貴
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06F16/65
• 分類號: G06F16/65;G06N3/04;G06N3/08;G10L25/03;G10L25/30;G10L25/51
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 張靜;張穎玲

1.一種音頻檢測方法，其特征在于，所述方法包括：

獲取待檢測音頻數據，并將待檢測音頻數據輸入神經網絡分類器中，利用所述神經網絡分類器中的神經網絡對所述待檢測音頻數據進行處理，得到預設音頻分類標簽對應的一組分類結果數據；

利用所述神經網絡分類器中的分類模型對所述一組分類結果數據進行處理，得到所述一組分類結果數據對應的一組概率值，并從所述一組概率值中確定出概率值最大的第一概率值；

查找并輸出所述第一概率值對應的第一音頻分類標簽，以完成對所述待檢測音頻數據的音頻檢測過程。

2.根據權利要求1所述的方法，其特征在于，所述將待檢測音頻數據輸入神經網絡中，利用所述神經網絡分類器中的神經網絡對所述待檢測音頻數據進行處理，得到預設音頻分類標簽對應的一組分類結果數據之前，所述方法還包括：

獲取所述預設音頻分類標簽對應的訓練分類音頻數據；

利用所述訓練分類音頻數據，對初始神經網絡分類器進行訓練，得到所述神經網絡分類器。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述預設音頻分類標簽對應的訓練分類音頻數據，包括：

按照所述預設音頻分類標簽，將訓練音頻數據進行分類，得到多組訓練音頻數據，所述多組訓練音頻數據的組別數量與所述預設音頻分類標簽的標簽數量相同；

按照預設數據增量策略，對所述多組訓練音頻數據的數據量進行調整，得到多組增量訓練音頻數據；

利用聲道特征提取模型，從所述多組增量訓練音頻數據中提取數據特征；

根據所述數據特征和所述預設音頻分類標簽，得到所述訓練分類音頻數據。

4.根據權利要求2所述的方法，其特征在于，所述利用所述訓練分類音頻數據，對初始神經網絡分類器進行訓練，得到所述神經網絡分類器，包括：

將所述訓練分類音頻數據輸入初始神經網絡分類器中，利用所述初始神經網絡分類器中的初始神經網絡對所述訓練分類音頻數據進行處理，得到所述預設音頻分類標簽對應的訓練分類結果數據，所述預設音頻分類標簽的標簽數量和所述訓練分類結果數據的結果數量相同；

利用所述初始神經網絡分類器中的初始分類模型對所述訓練分類結果數據進行處理，得到輸出分類標簽；

根據所述預設音頻分類標簽和所述輸出分類標簽，對所述初始神經網絡和初始分類模型進行訓練，得到所述神經網絡分類器。

5.根據權利要求2所述的方法，其特征在于，所述預設數據增量策略包括：數據延時、數據縮小、數據放大、數據剪切、數據移位、聲音均衡處理中的至少一種。

6.根據權利要求1-4任一項所述的方法，其特征在于，所述神經網絡為：深度神經網絡DNN、卷積神經網絡CNN、長短期記憶網絡LSTM、門控循環神經網絡GRU中的任一種。

7.根據權利要求3所述的方法，其特征在于，所述聲道特征提取模型包括：線性預測倒譜系數LPCC、梅爾頻率倒譜系數MFCC、頻譜圖中的任一種。

8.根據權利要求1所述的方法，其特征在于，所述獲取待檢測音頻數據，包括：

從待測設備獲取上行音頻數據，所述上行音頻數據為所述待測設備通過收音端進行錄音產生的音頻數據；

和/或從所述待測設備獲取下行音頻數據，所述下行音頻數據為所述待測設備通過發音端播放的音頻數據；

將所述上行音頻數據和/或所述下行音頻數據確定為所述待檢測音頻數據。

9.根據權利要求1或8所述的方法，其特征在于，所述獲取待檢測音頻數據之后，所述將待檢測音頻數據輸入神經網絡分類器中之前，所述方法還包括：

對所述待檢測音頻數據進行特征提取，得到待檢測特征數據；

相應的，所述將待檢測音頻數據輸入神經網絡分類器中，利用所述神經網絡分類器中的神經網絡對所述待檢測音頻數據進行處理，得到預設音頻分類標簽對應的一組分類結果數據，包括：

將所述待檢測特征數據輸入神經網絡分類器中，利用所述神經網絡對所述待檢測特征數據進行處理，得到所述一組分類結果數據。