[發明專利]通過幀插入對語音數據進行數據增強

在審

• 申請號: 202010749013.4
• 申請日: 2020-07-30
• 公開（公告）號: CN112435654A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 長野徹;福田隆;鈴木雅之;倉田岳人
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L21/02;G10L25/24;G10L25/30;G10L25/51
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 于靜;楊曉光

1.一種用于語音數據的數據增強的計算機實現的方法，該方法包括：

獲取包括特征幀序列的原始語音數據；

通過將一個或多個新幀插入所述特征幀序列中，生成所述原始語音數據的部分延長的副本；和

輸出所述部分延長的副本作為用于訓練聲學模型的增強語音數據。

2.根據權利要求1所述的方法，其中所述原始語音數據的所述特征幀序列具有表示語音的標簽，并且響應于處理幀與預定語音的至少一個相關，將每個新幀插入與所述處理幀相對應的位置。

3.根據權利要求2所述的方法，其中所述預定語音包括一個或多個元音。

4.根據權利要求2所述的方法，其中每個新幀以預定概率插入到與與所述預定語音中的至少一個相關的所述處理幀相對應的位置處。

5.根據權利要求1所述的方法，其中每個特征幀具有靜態聲學特征，并且每個新幀具有通過內插先前幀和后續幀而生成的所述靜態聲學特征的新值。

6.根據權利要求5所述的方法，其中每個特征幀除了具有所述靜態聲學特征之外，還具有動態聲學特征，并且所述方法還包括：

計算每個插入的新幀周圍的每個相鄰幀的所述動態聲學特征的更新值。

7.根據權利要求6所述的方法，其中所述動態聲學特征包括增量特征和增量-增量特征，針對所述增量-增量特征的所述計算是針對比所述增量特征更寬的一組相鄰幀完成的。

8.根據權利要求2所述的方法，其中每個新幀具有分配給其前一幀或后一幀的標簽的副本。

9.根據權利要求1所述的方法，其中所述方法還包括：

僅使用所述增強語音數據或與所述原始語音數據和/或其他語音數據結合使用所述增強語音數據來訓練所述聲學模型，所述聲學模型包括接收一個或多個輸入特征幀的輸入層。

10.根據權利要求2所述的方法，其中通過從包括一系列音頻信號的采樣值的音頻信號數據中提取聲學特征來生成所述原始語音數據的所述特征幀序列，并且每個特征幀具有通過對準轉錄和所述特征幀序列或通過檢測所述特征幀序列中的語音片段而分配的標簽。

11.一種用于通過執行程序指令來對語音數據進行數據增強的計算機系統，所述計算機系統包括：

存儲所述程序指令的存儲器；

與所述存儲器通信以執行程序指令的處理電路，其中所述處理電路被配置為執行如權利要求1至10的任何一項所述的方法所包含的步驟。

12.一種用于語音數據的數據增強的計算機程序產品，所述計算機程序產品包括計算機可讀存儲介質，所述計算機可讀存儲介質具有體現在其上的程序指令，所述程序指令可由計算機執行以使所述計算機執行執行如權利要求1至10的任何一項所述的方法所包含的步驟。

13.一種裝置，包括一個或多個模塊，所述一個或多個模塊被配置得用于實現如權利要求1至10的任何一項所述的方法所包含的對應步驟。