[發明專利]語速檢測模型的訓練方法及裝置、語速檢測方法及裝置

在審

• 申請號: 202011568346.3
• 申請日: 2020-12-25
• 公開（公告）號: CN112786017A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 王卓然;高強;劉魯鵬;夏龍;元海明;王宏偉;郭常圳
• 申請（專利權）人: 北京猿力未來科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/14;G10L25/24
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 劉曉楠

本說明書提供語速檢測模型的訓練方法及裝置、語速檢測方法及裝置，其中所述語速檢測模型的訓練方法包括：獲取樣本音頻片段的訓練數據組集合；將所述訓練數據組集合輸入語速檢測模型的時間卷積模塊中，確定每個樣本子音頻片段i的第一向量；將每個樣本子音頻片段i的第一向量輸入注意力層，確定每個樣本子音頻片段i的第二向量；將每個樣本子音頻片段i的第二向量輸入全連接層，確定每個樣本子音頻片段i的預測標簽；基于每個樣本子音頻片段i的預測標簽和每個樣本子音頻片段i的樣本標簽對所述語速檢測模型進行訓練，直至達到訓練停止條件。本說明書實施例中，在語速檢測模型中加入注意力層，提高了語速檢測模型的預測準確率。

技術領域

本說明書涉及語音識別技術領域，特別涉及語速檢測模型的訓練方法及裝置、語速檢測方法及裝置。

背景技術

隨著語音識別技術的發展，越來越多的領域開始應用語音識別技術輔助工作，以提高工作效率。語速作為一種重要的表達情感的手段，在語音識別技術中發揮著重要的作用。因此，如何快速準確地確定一段語音的語速成為一個亟需解決的問題。

現有技術通常是基于語音特征進行檢測。具體地，通過識別音頻片段的能量包絡、頻域特征、時域波譜、過零率等與語速相關性較高的語音特征，并結合門限判決來檢測語速。但真實環境下語速較為多變，會使得頻域、時域波譜發生畸變，影響語速檢測的結果，導致語速檢測的準確率降低。

發明內容

有鑒于此，本說明書實施例提供了一種語速檢測模型的訓練方法，一種語速檢測方法。本說明書同時涉及一種語速檢測模型的訓練裝置，一種語速檢測裝置，一種計算設備，以及一種計算機可讀存儲介質，以解決現有技術中存在的技術缺陷。

根據本說明書實施例的第一方面，提供了一種語速檢測模型的訓練方法，包括：

獲取樣本音頻片段的訓練數據組集合，其中，所述樣本音頻片段包括多個樣本子音頻片段，每個訓練數據組包括所述樣本子音頻片段的頻譜圖和樣本標簽，每個樣本標簽為所述樣本音頻片段的開始時間點到每個樣本子音頻片段的結束時間點之間包括的詞單元的長度信息；

將所述訓練數據組集合輸入語速檢測模型的時間卷積模塊中，確定每個樣本子音頻片段i的第一向量，其中，每個樣本子音頻片段i的第一向量根據樣本子音頻片段i及前i-1個樣本子音頻片段共同確定，i為大于或等于1的正整數；

將每個樣本子音頻片段i的第一向量輸入注意力層，確定每個樣本子音頻片段i的第二向量，其中，每個樣本子音頻片段i的第二向量根據樣本子音頻片段i及前至少前1個樣本子音頻片段共同確定；

將每個樣本子音頻片段i的第二向量輸入全連接層，確定每個樣本子音頻片段i的預測標簽；

基于每個樣本子音頻片段i的預測標簽和每個樣本子音頻片段i的樣本標簽對所述語速檢測模型進行訓練，直至達到訓練停止條件。

根據本說明書實施例的第二方面，提供了一種語速檢測方法，包括：

獲取待檢測音頻片段的頻譜圖組，其中，所述待檢測音頻片段包括多個待檢測子音頻片段，所述頻譜圖組包括所述多個待檢測子音頻片段的頻譜圖；

將所述待檢測音頻片段的頻譜圖組輸入語速檢測模型的時間卷積模塊中，確定每個待檢測子音頻片段i的第一向量，其中，所述語速檢測模型是通過上述所述的語速檢測模型的訓練方法訓練得到的，每個待檢測子音頻片段i的第一向量根據待檢測子音頻片段i及前i-1個待檢測子音頻片段共同確定，i為大于或等于1的正整數；

將每個待檢測子音頻片段i的第一向量輸入注意力層，確定每個待檢測子音頻片段i的第二向量，其中，每個待檢測子音頻片段i的第二向量根據待檢測子音頻片段i及至少前1個待檢測子音頻片段共同確定；

將每個待檢測子音頻片段i的第二向量輸入全連接層，得到每個待檢測子音頻片段i的標簽；