[發明專利]語音樣本生成方法及裝置、存儲介質、電子裝置

在審

• 申請號: 202011044992.X
• 申請日: 2020-09-28
• 公開（公告）號: CN112201227A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 葛路奇;趙培;馬路;趙欣
• 申請（專利權）人: 海爾優家智能科技（北京）有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/22;H04L12/28;G06K9/62
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 江舟

本發明實施例提供了一種語音樣本生成方法及裝置、存儲介質、電子裝置，其中，語音樣本生成方法包括：獲取第一語音樣本與第二語音樣本，其中，第一語音樣本為第一對象未佩戴口罩的情形下產生的語音樣本，第二語音樣本為第一對象佩戴口罩的情形下產生的語音樣本；根據第一語音樣本與第二語音樣本建立樣本生成模型；獲取第三語音樣本，并根據第三語音樣本與樣本生成模型生成目標語音樣本；其中，第三語音樣本為第二對象未佩戴口罩的情形下產生的語音樣本。因此，本發明實施例可以解決相關技術中對于用戶佩戴口罩的情形下產生的語音樣本無法有效獲取的問題，以達到高效獲取用戶佩戴口罩的情形下產生的語音樣本的效果。

技術領域

本發明涉及物聯網設備領域，具體而言，涉及一種語音樣本生成方法及裝置、存儲介質、電子裝置。

背景技術

隨著現今智能家居的發展，語音功能已成為絕大多數智能家居的必要功能之一，語音功能的實現包括語音算法與用于對語音算法進行訓練的語音樣本數據集兩部分。現實使用環境中存在諸多復雜場景，由于復雜場景下的語音樣本與標準場景下存在不同，故為提升語音功能的準確性，需單獨收集上述復雜場景下的語音樣本。現有技術對上述復雜場景下的語音樣本多從各種場景中去采集足量的語音樣本數據，其需耗費相當的人力與時間成本。

目前，隨著人們佩戴口罩成為習慣，用戶所產生的語音指令中部分是在佩戴口罩的情形下發出的，由于聲音在佩戴口罩與未佩戴口罩的情形下存在一定的區別，故提高用戶佩戴口罩的情形下的語音的識別效率已成為大多數智能家居的需求。但大規模的獲取用戶佩戴口罩的情形下所產生的語音樣本，以進行相應模型的訓練，存在人力與時間成本過高，甚至無法有效獲取的問題。

針對上述相關技術中，對于用戶佩戴口罩的情形下產生的語音樣本無法有效獲取的問題，相關技術中尚未提出有效的解決方案。

發明內容

本發明實施例提供一種語音樣本生成方法及裝置、存儲介質、電子裝置，以至少解決相關技術中對于用戶佩戴口罩的情形下產生的語音樣本無法有效獲取的問題。

根據本發明的一個實施例，提供了一種語音樣本生成方法，包括：

獲取第一語音樣本與第二語音樣本，其中，所述第一語音樣本為第一對象未佩戴口罩的情形下產生的語音樣本，所述第二語音樣本為所述第一對象佩戴口罩的情形下產生的語音樣本；

根據所述第一語音樣本與所述第二語音樣本建立樣本生成模型；其中，所述樣本生成模型用于指示所述第一語音樣本與所述第二語音樣本之間的關系；

獲取第三語音樣本，并根據所述第三語音樣本與所述樣本生成模型生成目標語音樣本；其中，所述第三語音樣本為第二對象未佩戴口罩的情形下產生的語音樣本，所述目標語音樣本用于指示所述第二對象佩戴口罩的情形下對應的語音樣本。

在一可選實施例中，所述根據所述第一語音樣本與所述第二語音樣本建立樣本生成模型，還包括：

獲取所述第一語音樣本中的第一語音片段，以及所述第二語音樣本中的第二語音片段；其中，所述第一語音片段為所述第一語音樣本中的有效片段，所述第二語音片段為所述第二語音樣本中的有效片段；

將所述第一語音片段與所述第二語音片段進行時域上的對齊處理，并根據所述第一語音片段與所述第二語音片段建立所述樣本生成模型。

在一可選實施例中，所述根據所述第一語音片段與所述第二語音片段建立所述樣本生成模型，包括：

將所述第一語音片段與所述第二語音片段由時域轉換至頻域，并獲取所述第一語音片段中每一幀對應的第一頻域值，以及所述第二語音片段中每一幀對應的第二頻域值；

根據所述第一頻域值與所述第二頻域值確定每一幀對應的傳遞系數，其中，所述傳遞系數用于指示所述第一頻域值與對應的所述第二頻域值之間的關系；

根據所述傳遞系數建立所述樣本生成模型。