[發(fā)明專利]模型訓(xùn)練方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010575643.4
• 申請日: 2020-06-22
• 公開（公告）號: CN111883164A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 張旭;鄭羲光;張晨
• 申請（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232;G10L25/30;G06N3/08
• 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: 李娜

本公開關(guān)于一種模型訓(xùn)練方法、裝置、電子設(shè)備及存儲介質(zhì)，訓(xùn)練方法包括獲取多個樣本數(shù)據(jù)，根據(jù)樣本數(shù)據(jù)中的原始音頻數(shù)據(jù)和帶噪音頻數(shù)據(jù)，確定每個樣本數(shù)據(jù)中的帶噪音頻數(shù)據(jù)在各個采樣點(diǎn)的第一特征信息和幅度特征信息。調(diào)整第一特征信息以得到目標(biāo)特征信息，根據(jù)目標(biāo)特征信息和對應(yīng)的幅度特征信息對待訓(xùn)練模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的模型。在通過訓(xùn)練好的模型對音頻數(shù)據(jù)進(jìn)行去噪時(shí)，在較低的信噪比范圍時(shí)可以增強(qiáng)模型的去噪強(qiáng)度，在較高的信噪比范圍時(shí)可以降低模型的去噪強(qiáng)度，可以使訓(xùn)練好的模型針對不同信噪比范圍內(nèi)的音頻數(shù)據(jù)，獲得不同的去噪效果。

技術(shù)領(lǐng)域

本公開涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種模型訓(xùn)練方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)越來越多的被運(yùn)用到音頻數(shù)據(jù)的處理中，相比于傳統(tǒng)算法，神經(jīng)網(wǎng)絡(luò)往往能獲得更好的效果和性能。在音頻數(shù)據(jù)的去噪過程中，首先對待訓(xùn)練模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的模型，然后通過訓(xùn)練好的模型對音頻數(shù)據(jù)進(jìn)行去噪，得到去除噪聲數(shù)據(jù)后的音頻數(shù)據(jù)。

在待訓(xùn)練模型的訓(xùn)練過程中，樣本數(shù)據(jù)是隨機(jī)的，樣本數(shù)據(jù)可以是信噪較低的音頻數(shù)據(jù)或信噪比較高的音頻數(shù)據(jù)，由隨機(jī)樣本數(shù)據(jù)訓(xùn)練得到的模型，無法針對不同信噪比范圍的音頻數(shù)據(jù)，采用不同的去噪強(qiáng)度進(jìn)行去噪。

發(fā)明內(nèi)容

本公開提供一種模型訓(xùn)練方法、裝置、電子設(shè)備及存儲介質(zhì)，以至少解決在音頻數(shù)據(jù)的去噪過程中，模型無法針對不同信噪比范圍的音頻數(shù)據(jù)，采用不同的去噪強(qiáng)度進(jìn)行去噪的問題。

本公開的技術(shù)方案如下：

根據(jù)本公開實(shí)施例的第一方面，提供一種模型訓(xùn)練方法，包括：

獲取多個樣本數(shù)據(jù)，每個所述樣本數(shù)據(jù)包括原始音頻數(shù)據(jù)和帶噪音頻數(shù)據(jù)；

根據(jù)所述原始音頻數(shù)據(jù)和帶噪音頻數(shù)據(jù)，確定每個樣本數(shù)據(jù)中的帶噪音頻數(shù)據(jù)在各個采樣點(diǎn)的第一特征信息和幅度特征信息，所述第一特征信息用于表示所述帶噪音頻數(shù)據(jù)在相應(yīng)采樣點(diǎn)的信噪比信息；

調(diào)整所述第一特征信息以得到目標(biāo)特征信息；其中，當(dāng)所述第一特征信息小于等于第一閾值時(shí)，減小所述第一特征信息，當(dāng)所述第一特征信息大于等于第二閾值時(shí)，增大所述第一特征信息，所述第一閾值小于所述第二閾值；

將所述幅度特征信息輸入待訓(xùn)練模型中，得到所述待訓(xùn)練模型輸出的第二特征信息；

根據(jù)所述第二特征信息和所述目標(biāo)特征信息，獲取所述待訓(xùn)練模型的損失值；

根據(jù)所述損失值調(diào)整所述待訓(xùn)練模型的模型參數(shù)，直至損失值小于等于預(yù)設(shè)閾值時(shí)，將所述待訓(xùn)練模型作為訓(xùn)練好的模型。

可選的，所述調(diào)整所述第一特征信息以得到目標(biāo)特征信息，包括：

當(dāng)所述第一特征信息小于等于所述第一閾值時(shí)，將所述第一特征信息減小到第三閾值以下；

當(dāng)所述第一特征信息大于等于所述第二閾值時(shí)，將所述第一特征信息增大到第四閾值以上。

可選的，還包括：當(dāng)所述第一特征信息大于所述第一閾值、且小于所述第二閾值時(shí)，將所述第一特征信息調(diào)整到第五閾值至第六閾值之間，所述第五閾值小于所述第六閾值。

可選的，所述調(diào)整所述第一特征信息以得到目標(biāo)特征信息，包括：通過映射函數(shù)對所述第一特征信息進(jìn)行調(diào)整，以得到所述目標(biāo)特征信息。

可選的，所述第一特征信息為所述采樣點(diǎn)對應(yīng)的所述原始音頻數(shù)據(jù)的幅度值與所述帶噪音頻數(shù)據(jù)的幅度值之間的比值，所述第一特征信息小于等于1。

可選的，所述根據(jù)所述原始音頻數(shù)據(jù)和帶噪音頻數(shù)據(jù)，確定每個樣本數(shù)據(jù)中的帶噪音頻數(shù)據(jù)在各個采樣點(diǎn)的第一特征信息和幅度特征信息，包括：