[發明專利]音頻類型識別方法、裝置及存儲介質

在審

• 申請號: 202011126396.6
• 申請日: 2020-10-20
• 公開（公告）號: CN112259122A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 李吉祥;張勃;梁楚明;王昭;相非
• 申請（專利權）人: 北京小米松果電子有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/18;G10L25/51;G06N3/08;G06N3/04
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 曾堯

1.一種音頻類型識別方法，其特征在于，包括：

獲取待識別的音頻數據；

將所述音頻數據輸入至目標音頻類型識別模型，得到所述音頻數據的類型信息；

其中，所述目標音頻類型識別模型由基于訓練得到的超網絡生成，所述超網絡中屬于同一層網絡的多個子結構具有不同尺寸的卷積核。

2.根據權利要求1所述的方法，其特征在于，所述超網絡包括時域特征提取層以及頻域特征提取層，所述時域特征提取層的多個子結構具有尺寸為1×K的卷積核，所述頻域特征提取層的多個子結構具有尺寸為K×1的卷積核；

其中，K為正整數，針對所述時域特征提取層的多個子結構中的每一子結構；或頻域特征提取層的多個子結構中的每一子結構，K的取值不同。

3.根據權利要求1所述的方法，其特征在于，所述超網絡通過如下方式訓練得到：

針對每一批訓練音頻數據，從超網絡的每一層網絡中隨機確定多個目標子結構；

基于每一所述目標子結構以及每一所述目標子結構在所述超網絡中所對應的層級信息，構建多個子模型；

通過當前批訓練音頻數據對每一所述子模型進行訓練；

根據訓練得到的子模型中各目標子結構的參數信息對所述超網絡中與所述訓練得到的子模型中的各目標子結構相對應的子結構的參數信息進行更新，直至所述超網絡收斂。

4.根據權利要求1所述的方法，其特征在于，所述目標音頻類型識別模型通過如下方式生成：

從所述訓練得到的超網絡的每一層網絡中隨機確定多個目標子結構；

基于每一所述目標子結構以及每一所述目標子結構在所述超網絡中所對應的層級信息，構建多個候選子模型；

通過測試音頻數據集確定每一所述候選子模型的音頻類型分類準確度；

將音頻類型分類準確度大于閾值的目標候選子模型作為所述目標音頻類型識別模型。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

獲取訓練音頻數據；

將所述訓練音頻數據輸入至所述目標候選子模型，以對該目標候選子模型進行訓練，直至該目標候選子模型收斂；

所述將音頻類型分類準確度大于閾值的目標候選子模型作為所述目標音頻類型識別模型，包括：

將訓練得到的所述目標候選子模型作為所述目標音頻類型識別模型。

6.一種音頻類型識別裝置，其特征在于，包括：

第一獲取模塊，被配置為獲取待識別的音頻數據；

第一輸入模塊，被配置為將所述音頻數據輸入至目標音頻類型識別模型，得到所述音頻數據的類型信息；

其中，所述目標音頻類型識別模型由基于訓練得到的超網絡生成，所述超網絡中屬于同一層網絡的多個子結構具有不同尺寸的卷積核。

7.根據權利要求6所述的裝置，其特征在于，所述超網絡包括時域特征提取層以及頻域特征提取層，所述時域特征提取層的多個子結構具有尺寸為1×K的卷積核，所述頻域特征提取層的多個子結構具有尺寸為K×1的卷積核；

其中，K為正整數，針對所述時域特征提取層的多個子結構中的每一子結構；或頻域特征提取層的多個子結構中的每一子結構，K的取值不同。

8.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

訓練模塊，被配置為訓練得到所述超網絡，所述訓練模塊包括：

第一確定子模塊，被配置為針對每一批訓練音頻數據，從超網絡的每一層網絡中隨機確定多個目標子結構；

第一構建子模塊，被配置為基于每一所述目標子結構以及每一所述目標子結構在所述超網絡中所對應的層級信息，構建多個子模型；

訓練子模塊，被配置為通過當前批訓練音頻數據對每一所述子模型進行訓練；

更新子模塊，被配置為根據訓練得到的子模型中各目標子結構的參數信息對所述超網絡中與所述訓練得到的子模型中的各目標子結構相對應的子結構的參數信息進行更新，直至所述超網絡收斂。