[發明專利]數據處理方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202010637131.6
• 申請日: 2020-07-03
• 公開（公告）號: CN113886518A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 王鵬偉;魏亮晨;曹涌;謝靜輝;聶再清
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京智信四方知識產權代理有限公司 11519
• 代理人: 劉真

本公開實施例公開了一種數據處理方法、裝置、電子設備及計算機可讀存儲介質，所述方法包括：獲取數字語音數據，其中，所述數字語音數據為無標注數據；基于所述數據語音數據進行雙重訓練，得到語音數據處理模型；獲取待處理語音數據，利用所述語音數據處理模型對于所述待處理語音數據進行處理，得到數據處理結果。該技術方案無需對于語音訓練數據進行標注，也無需考慮數據標注所花費的人力成本，因此可大幅度擴充語音訓練數據數量，同時結合上述雙重訓練機制即可得到相對完備的語音數據處理模型，從而在節省數據標注所需的大量人力和財力的情況下，能夠有效實現數據的全面覆蓋，進而有效提高語音處理準確性，提升語音處理任務性能，有利于推廣。

技術領域

本公開實施例涉及數據處理技術領域，具體涉及一種數據處理方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著網絡科學技術和數據處理技術的發展，人工智能的應用越來越廣泛，智能語音助手作為人工智能產品之一，在日常生活中得到普及應用，比如智能手機助手、智能音箱、智能電視、智能車載助手、智能同聲翻譯等等。現有技術在進行智能語音處理時，通常先將輸入的語音信號經過聲學模型轉換為聲音頻譜信號、音素、字、字片段、拼音等語音中間結果，再將得到的語音中間結果應用到不同的下游語音處理任務中，比如語音識別(ASR)，端到端口語理解(E2E SLU)、語音增強、語音喚醒、端到端語音轉譯、聲紋識別等等。但是，現有技術中為了得到良好的泛化性能，需要大量的語音訓練數據，而且還需要對于大量的語音訓練數據進行標注，而語音訓練數據的標注不僅會耗費大量的人力和財力，而且也無法實現實際應用中數據的全面覆蓋，進而導致語音處理準確性低下，使得語音處理任務性能受損，不利于推廣。

發明內容

本公開實施例提供一種數據處理方法、裝置、電子設備及計算機可讀存儲介質。

第一方面，本公開實施例中提供了一種數據處理方法。

具體的，所述數據處理方法，包括：

獲取數字語音數據，其中，所述數字語音數據為無標注數據；

基于所述數據語音數據進行雙重訓練，得到語音數據處理模型；

獲取待處理語音數據，利用所述語音數據處理模型對于所述待處理語音數據進行處理，得到數據處理結果。

結合第一方面，本公開實施例在第一方面的第一種實現方式中，所述獲取數字語音數據，包括：

接收模擬語音數據；

對于所述模擬語音數據進行數字化語音處理，得到所述數字語音數據。

結合第一方面和第一方面的第一種實現方式，本公開實施例在第一方面的第二種實現方式中，所述獲取數字語音數據之后，還包括：

展示所述數字語音數據。

結合第一方面、第一方面的第一種實現方式和第一方面的第二種實現方式，本公開在第一方面的第三種實現方式中，所述基于所述數據語音數據進行雙重訓練，得到語音數據處理模型，包括：

基于所述數字語音數據訓練得到預訓練模型；

基于所述數字語音數據和預訓練模型訓練得到所述語音數據處理模型。

結合第一方面、第一方面的第一種實現方式、第一方面的第二種實現方式和第一方面的第三種實現方式，本公開在第一方面的第四種實現方式中，所述基于所述數字語音數據訓練得到預訓練模型，被實施為：

確定預訓練初始模型，將所述數字語音數據作為輸入對于所述預訓練初始模型進行訓練，得到預訓練模型。