[發明專利]音頻檢測方法、裝置、存儲介質及電子裝置

在審

• 申請號: 202010617430.3
• 申請日: 2020-06-30
• 公開（公告）號: CN111883181A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 張曉萌;馬路;趙培;蘇騰榮
• 申請（專利權）人: 海爾優家智能科技（北京）有限公司
• 主分類號: G10L25/78
• 分類號: G10L25/78;G10L25/84;G10L25/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙靜

1.一種音頻檢測方法，其特征在于，包括：

獲取目標音頻的信號特征；

使用第一模型對所述信號特征進行檢測，以確定所述目標音頻中是否包括語音，其中，所述第一模型為使用多組數據對初始模型進行機器學習訓練后得到的模型，所述多組數據中的每組數據均包括：音頻和用于標識音頻中是否包括語音的標識信息，所述初始模型包括第一全連接層和第二全連接層。

2.根據權利要求1所述的方法，其特征在于，在使用第一模型對所述信號特征進行檢測之前，所述方法還包括：

搭建包括所述第一全連接層和所述第二全連接層的所述初始模型；

其中，所述第一全連接層用于接收音頻的信號特征，所述第二全連接層用于基于所述信號特征確定語音信號存在概率，基于確定的語音存在概率來確定音頻中是否包括語音。

3.根據權利要求2所述的方法，其特征在于，搭建包括所述第一全連接層和所述第二全連接層的所述初始模型包括：

搭建基于Keras框架的包括所述第一全連接層和所述第二全連接層的所述初始模型，其中，所述第一全連接層中配置有sigmoid激活函數，所述第二全連接層中配置有softmax函數。

4.根據權利要求1所述的方法，其特征在于，

獲取目標音頻的信號特征包括：按照預定時長對所述目標音頻進行分段以得到多個音頻段，以及分別獲取多個所述音頻段中包括的信號特征；

使用第一模型對所述信號特征進行檢測，以確定所述目標音頻中是否包括語音包括：使用第一模型分別對多個所述音頻段中包括的信號特征進行檢測，以分別確定多個所述音頻段中是否包括語音。

5.根據權利要求4所述的方法，其特征在于，分別獲取多個所述音頻段中包括的信號特征包括：

針對多個所述音頻段中包括的任一第一音頻段，均執行以下操作，以獲取多個所述音頻段中包括的信號特征：

獲取所述第一音頻段的第一Fbank特征及與所述第一音頻段相鄰的第二音頻段的第二Fbank特征；

分別對所述第一Fbank特征及所述第二Fbank特征進行第一處理以得到第一特征信號及第二特征信號；

將所述第一特征信號以及所述第二特征信息確定為所述第一音頻段中包括的信號特征。

6.根據權利要求5所述的方法，其特征在于，所述第二音頻段包括以下至少之一：

位于所述第一音頻段之前的且與所述第一音頻段相鄰的一個或多個音頻段；

位于所述第一音頻段之后的且與所述第一音頻段相鄰的一個或多個音頻段。

7.根據權利要求5所述的方法，其特征在于，分別對所述第一Fbank特征及所述第二Fbank特征進行第一處理以得到第一特征信號及第二特征信號包括：

對所述第一Fbank特征進行第一預定次數的差分處理，以得到所述第一特征信號；以及

對所述第二Fbank特征進行第二預定次數的差分處理，以得到所述第二特征信號。

8.一種音頻檢測裝置，其特征在于，包括：

獲取模塊，用于獲取目標音頻的信號特征；

檢測模塊，用于使用第一模型對所述信號特征進行檢測，以確定所述目標音頻中是否包括語音，其中，所述第一模型為使用多組數據對初始模型進行機器學習訓練后得到的模型，所述多組數據中的每組數據均包括：音頻和用于標識音頻中是否包括語音的標識信息，所述初始模型包括第一全連接層和第二全連接層。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行所述權利要求1至7任一項中所述的方法。

10.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行所述權利要求1至7任一項中所述的方法。