[發明專利]音頻數據情緒檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011482460.4
• 申請日: 2020-12-15
• 公開（公告）號: CN112466337A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 張舒婷;賴眾程;王亮;吳鵬召;李林毅;李興輝;李會璟;李驍
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/03;G10L25/18;G10L25/30
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種音頻數據情緒檢測方法，其特征在于，所述方法包括：

獲取原始音頻數據，對所述原始音頻數據進行聲道分離及數據切割處理，得到標準音頻數據；

對所述標準音頻數據進行靜音檢測；

當檢測所述標準音頻數據為靜音數據時，對所述靜音數據進行標記；

當檢測所述標準音頻數據為非靜音數據時，對所述標準音頻數據進行頻域轉換，得到頻域數據；

將所述頻域數據轉換為梅爾頻域數據，并利用預訓練的音頻檢測模型對所述梅爾頻域數據進行檢測，得到情緒初始評分；

利用預設的加權計算方法計算所述情緒初始評分得到情緒最終評分。

2.如權利要求1所述的音頻數據情緒檢測方法，其特征在于，所述對所述原始音頻數據進行聲道分離及數據切割處理，得到標準音頻數據，包括：

對所述原始音頻數據進行聲道判斷，抽取所述原始音頻數據中的右聲道音頻數據；

根據預設的時間長度對所述右聲道音頻數據進行數據切割，得到所述標準音頻數據。

3.如權利要求1所述的音頻數據情緒檢測方法，其特征在于，所述對所述標準音頻數據進行靜音檢測，包括：

逐幀讀取所述標準音頻數據中的每一幀音頻數據，計算所述每一幀音頻數據的語音能量值及背景噪音能量值；

計算所述語音能量值與背景噪音能量值的差值，并將所述差值和預設的靜音閾值作比較；

當所述差值小于所述靜音閾值時，判斷所述標準音頻數據為靜音數據；

當所述差值大于等于所述靜音閾值時，則判斷所述標準音頻數據為非靜音數據。

4.如權利要求1所述的音頻數據情緒檢測方法，其特征在于，所述對所述標準音頻數據進行頻域轉換，得到頻域數據，包括：

利用下述函數將所述標準音頻數據進行頻域轉換，得到頻域數據F(ω)：

其中，f(t)為所述標準音頻數據，為傅立葉變換函數。

5.如權利要求1所述的音頻數據情緒檢測方法，其特征在于，所述將所述頻域數據轉換為梅爾頻域數據，包括：

利用預設的梅爾頻域轉換公式對所述頻域數據進行轉換；

對轉換后的頻域數據進行取對數運算，輸出為預設形狀的梅爾頻域數據。

6.如權利要求1至5中任意一項所述的音頻數據情緒檢測方法，其特征在于，所述利用預訓練的音頻檢測模型對所述梅爾頻域數據進行檢測之前，還包括：

獲取原始訓練集，并利用預設的數據增強方法對所述原始訓練集進行數據增強，得到標準訓練集；

利用所述標準訓練集訓練預構建的第一網絡模型，得到原始模型；

將所述原始模型的參數作為預構建的第二網絡模型的初始化參數，并利用所述標準訓練集訓練所述第二網絡模型，得到所述音頻檢測模型。

7.如權利要求1至5中任意一項所述的音頻數據情緒檢測方法，其特征在于，所述利用預設的加權計算方法計算所述情緒初始評分得到情緒最終評分，包括：

利用預設的加權計算方法對所述情緒初始評分進行加權，得到加權評分；

對所述加權評分進行分位數取值，得到情緒最終評分。

8.一種音頻數據情緒檢測裝置，其特征在于，所述裝置包括：

音頻數據處理模塊，用于獲取原始音頻數據，對所述原始音頻數據進行聲道分離及數據切割處理，得到標準音頻數據；

靜音檢測模塊，用于對所述標準音頻數據進行靜音檢測；當檢測所述標準音頻數據為靜音數據時，對所述靜音數據進行標記；當檢測所述標準音頻數據為非靜音數據時，對所述標準音頻數據進行頻域轉換，得到頻域數據；

頻域數據轉換模塊，用于將所述頻域數據轉換為梅爾頻域數據，并利用預訓練的音頻檢測模型對所述梅爾頻域數據進行檢測，得到情緒初始評分；

情緒評分計算模塊，用于利用預設的加權計算方法計算所述情緒初始評分得到情緒最終評分。