[發明專利]情感識別模型的訓練方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010992862.2
• 申請日: 2020-09-21
• 公開（公告）號: CN111933187B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 陸昱;彭子軒;劉云峰
• 申請（專利權）人: 深圳追一科技有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/30;G06N3/04;G10L15/16;G10L15/06
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃晶晶

本申請提供了一種情感識別模型的訓練方法、裝置、計算機設備和存儲介質，該方法包括：獲取通過源模型生成的源音頻的源音頻特征；源模型，是根據攜帶情感類別標注的第一領域下的所述源音頻，訓練得到的情感識別模型；在每輪迭代訓練中，通過當前的目標特征提取網絡，生成目標音頻的目標音頻特征；目標音頻是未攜帶情感類別標注的第二領域下的音頻；將目標音頻特征和源音頻特征輸入至當前的對抗網絡，得到對抗損失；所述對抗網絡，用于區分所述目標音頻特征和所述源音頻特征所屬的音頻源；根據所述對抗損失對所述對抗網絡和目標特征提取網絡進行訓練；根據迭代停止時的目標特征提取網絡，確定目標情感識別模型。本方案能夠節省人工標注成本。

技術領域

本申請涉及語音處理技術領域和機器學習技術領域，特別是涉及一種情感識別模型的訓練方法、裝置、計算機設備和存儲介質。

背景技術

隨著語音處理技術的發展，出現了情感識別技術。情感識別技術，即指通過計算機算法從音視頻中自動分析說話人的情感狀態(如：積極, 消極, 喜悅, 憤怒等)。情感識別技術在多個領域有著重要應用。例如，電話客服場景中的客戶滿意度評估及坐席服務態度評估, 或者，視頻中任務角色的情感表達統計等場景中都會使用到情感識別技術。目前大多通過機器學習，訓練情感識別模型來進行情感識別。

傳統方法中，在訓練適用于某一領域下的情感識別模型時，是通過人工手動針對音頻文件添加大量的標注，然后基于標注后的音頻文件進行機器學習訓練。然而，人工手動添加大量標注會導致很高的成本。因此，傳統方法成本過高是亟待解決的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠節省成本的情感識別模型的訓練方法、裝置、計算機設備和存儲介質。

一種情感識別模型的訓練方法，包括：

獲取通過源模型生成的源音頻的源音頻特征；源模型，是根據攜帶情感類別標注的第一領域下的源音頻，訓練得到的情感識別模型；

在每輪迭代訓練中，通過當前的目標特征提取網絡，生成目標音頻的目標音頻特征；目標音頻是未攜帶情感類別標注的第二領域下的音頻；

將目標音頻特征和源音頻特征輸入至當前的對抗網絡，得到對抗損失；對抗網絡，用于區分目標音頻特征和源音頻特征所屬的音頻源；

根據對抗損失對對抗網絡和目標特征提取網絡進行訓練；

根據迭代停止時的目標特征提取網絡，確定目標情感識別模型。

在其中一個實施例中，源模型包括源特征提取網絡和情感分類器；源音頻特征，是通過源特征提取網絡生成得到的；

目標特征提取網絡與源特征提取網絡的網絡結構一致，且首輪迭代訓練前的目標特征提取網絡的參數，與源特征提取網絡的參數一致；

根據迭代停止時的目標特征提取網絡，確定目標情感識別模型包括：

根據情感分類器和迭代停止時的目標特征提取網絡，得到目標情感識別模型。

在其中一個實施例中，獲取通過源模型生成的源音頻特征包括：

獲取源音頻的源初級特征；

將源初級特征輸入至源特征提取網絡進行特征提取處理，生成源音頻特征；

通過當前的目標特征提取網絡，生成目標音頻的目標音頻特征包括：

獲取目標音頻的目標初級特征；

將目標初級特征輸入至當前的目標特征提取網絡進行特征提取處理，生成目標音頻特征。

在其中一個實施例中，還包括：

按照預設分幀長度和預設窗口滑動步長，從源音頻或目標音頻中，提取預設數量的源音頻幀或目標音頻幀；