[發明專利]音頻數據處理方法、裝置、設備和存儲介質

有效

• 申請號: 202011461369.4
• 申請日: 2020-12-09
• 公開（公告）號: CN112669861B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 袁俊;陳昌濱;王俊超;聶志朋
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L21/003
• 分類號: G10L21/003;G10L21/007;G10L25/30;G10L25/03;G06N3/0464;G06N3/0985
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

1.一種音頻數據處理方法，包括：

獲取待處理音頻數據的原始特征張量，并根據所述原始特征張量與可學習的權值張量，獲取待處理特征張量和關鍵特征張量；

分別對所述待處理特征張量和所述關鍵特征張量中的目標維度進行維度變換，獲取待壓縮特征張量和候選關鍵特征張量；

獲取權重矩陣，并根據所述權重矩陣和所述候選關鍵特征張量，獲取目標特征張量；

對所述目標特征張量進行處理，獲取壓縮特征張量輸入神經網絡進行處理，獲取所述待處理音頻數據的處理結果。

2.如權利要求1所述的音頻數據處理方法，其中，所述根據所述原始特征張量與可學習的權值張量，獲取待處理特征張量和關鍵特征張量，包括：

將所述原始特征張量與可學習的第一權值張量進行矩陣相乘，獲取所述待處理特征張量；

將所述原始特征張量與可學習的第二權值張量進行矩陣相乘，獲取所述關鍵特征張量。

3.如權利要求1所述的音頻數據處理方法，其中，所述獲取權重矩陣，包括：

根據所述待壓縮特征張量和所述候選關鍵特征張量，獲取權重矩陣。

4.如權利要求1所述的音頻數據處理方法，其中，所述分別對所述待處理特征張量和所述關鍵特征張量中的目標維度進行維度變換，獲取待壓縮特征張量和候選關鍵特征張量，包括：

在所述待處理特征張量的目標維度前插入目標維度矩陣，獲取所述待壓縮特征張量；

將所述關鍵特征張量的目標維度進行拆分，獲取所述候選關鍵特征張量。

5.如權利要求3所述的音頻數據處理方法，其中，所述根據所述待壓縮特征張量和所述候選關鍵特征張量，獲取權重矩陣，包括：

將所述待壓縮特征張量和所述候選關鍵特征張量的目標維度進行矩陣相乘；

對進行矩陣相乘獲取的特征張量中所述目標維度對應的數據進行處理，獲取所述權重矩陣。

6.如權利要求1所述的音頻數據處理方法，其中，所述根據所述權重矩陣和所述候選關鍵特征張量，獲取目標特征張量，包括：

對所述候選關鍵特征張量的目標維度進行轉置處理，獲取轉置關鍵特征張量；

將所述權重矩陣和所述轉置關鍵特征張量進行矩陣相乘，獲取所述目標特征張量。

7.一種音頻數據處理裝置，包括：

第一獲取模塊，用于獲取待處理音頻數據的原始特征張量；

第二獲取模塊，用于根據所述原始特征張量與可學習的權值張量，獲取待處理特征張量和關鍵特征張量；

第三獲取模塊，用于分別對所述待處理特征張量和所述關鍵特征張量中的目標維度進行維度變換，獲取待壓縮特征張量和候選關鍵特征張量；

第四獲取模塊，用于獲取權重矩陣；

第五獲取模塊，用于根據所述權重矩陣和所述候選關鍵特征張量，獲取目標特征張量；

處理模塊，用于對所述目標特征張量進行處理，獲取壓縮特征張量輸入神經網絡進行處理，獲取所述待處理音頻數據的處理結果。

8.如權利要求7所述的音頻數據處理裝置，其中，所述第二獲取模塊，具體用于：

將所述原始特征張量與可學習的第一權值張量進行矩陣相乘，獲取所述待處理特征張量；

將所述原始特征張量與可學習的第二權值張量進行矩陣相乘，獲取所述關鍵特征張量。

9.如權利要求7所述的音頻數據處理裝置，其中，所述第四獲取模塊，具體用于：

根據所述待壓縮特征張量和所述候選關鍵特征張量，獲取權重矩陣。

10.如權利要求7所述的音頻數據處理裝置，其中，所述第三獲取模塊，具體用于：

在所述待處理特征張量的目標維度前插入目標維度矩陣，獲取所述待壓縮特征張量；

將所述關鍵特征張量的目標維度進行拆分，獲取所述候選關鍵特征張量。