[發(fā)明專利]訓(xùn)練集生成方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110077731.6
• 申請(qǐng)日: 2021-01-20
• 公開(kāi)（公告）號(hào): CN113781994A
• 公開(kāi)（公告）日: 2021-12-10
• 發(fā)明（設(shè)計(jì)）人: 宋偉;張政臣
• 申請(qǐng)（專利權(quán)）人: 北京沃東天駿信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號(hào): G10L13/02
• 分類號(hào): G10L13/02;G10L13/04;G10L13/08
• 代理公司: 北京唯智勤實(shí)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11557
• 代理人: 陳佳

1.一種訓(xùn)練集生成方法，包括：

獲取數(shù)據(jù)集，其中，所述數(shù)據(jù)集包括文本集和與所述文本集相關(guān)聯(lián)的語(yǔ)音集；

確定所述文本集中是否存在與所述語(yǔ)音集中對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本；

響應(yīng)于所述文本集中存在與對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，從所述數(shù)據(jù)集去除文本和對(duì)應(yīng)語(yǔ)音未對(duì)齊的至少一個(gè)數(shù)據(jù)，得到去除后的數(shù)據(jù)集作為目標(biāo)數(shù)據(jù)集；

根據(jù)所述目標(biāo)數(shù)據(jù)集，確定文本與語(yǔ)音模型的訓(xùn)練集。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述確定所述文本集中是否存在與所述語(yǔ)音集中對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，包括：

提取所述文本集中每個(gè)文本對(duì)應(yīng)的音素序列，得到音素序列組；

將所述文本集中每個(gè)文本對(duì)應(yīng)的音素序列和對(duì)應(yīng)語(yǔ)音輸入至預(yù)先訓(xùn)練的隱馬爾可夫模型以輸出表征所述每個(gè)文本與對(duì)應(yīng)語(yǔ)音是否對(duì)齊的信息作為第一信息，得到第一信息集；

根據(jù)所述每個(gè)文本的音素序列和對(duì)應(yīng)語(yǔ)音，利用動(dòng)態(tài)時(shí)間規(guī)整算法，生成表征所述文本集中每個(gè)文本與對(duì)應(yīng)語(yǔ)音是否對(duì)齊的信息作為第二信息，得到第二信息集；

根據(jù)所述第一信息集和所述第二信息集，確定所述文本集中是否存在與所述語(yǔ)音集中對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述響應(yīng)于所述文本集中存在與對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，從所述數(shù)據(jù)集去除文本和對(duì)應(yīng)語(yǔ)音未對(duì)齊的至少一個(gè)數(shù)據(jù)，得到去除后的數(shù)據(jù)集作為目標(biāo)數(shù)據(jù)集，包括：

響應(yīng)于所述文本集中存在與對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，根據(jù)所述第一信息集和所述第二信息集，確定所述文本集中與對(duì)應(yīng)語(yǔ)音未對(duì)齊的至少要一個(gè)文本作為目標(biāo)文本集；

從所述數(shù)據(jù)集去除與所述目標(biāo)文本集相關(guān)聯(lián)的至少一個(gè)數(shù)據(jù)，得到所述目標(biāo)數(shù)據(jù)集。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述響應(yīng)于所述文本集中存在與對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，根據(jù)所述第一信息集和所述第二信息集，確定所述文本集中與對(duì)應(yīng)語(yǔ)音未對(duì)齊的至少要一個(gè)文本作為目標(biāo)文本集，包括：

響應(yīng)于所述文本集中存在與對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，從所述第一信息集中選擇表征文本與對(duì)應(yīng)語(yǔ)音未對(duì)齊的第一信息作為第一目標(biāo)信息，得到第一目標(biāo)信息集；

從所述第二信息集中選擇表征文本與對(duì)應(yīng)語(yǔ)音未對(duì)齊的第二信息作為第二目標(biāo)信息，得到第二目標(biāo)信息集；

確定所述第一目標(biāo)信息集對(duì)應(yīng)的文本集與所述第二目標(biāo)信息集對(duì)應(yīng)的文本集中相同的至少一個(gè)文本作為所述目標(biāo)文本集。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述目標(biāo)數(shù)據(jù)集，確定文本與語(yǔ)音模型的訓(xùn)練集，包括：

根據(jù)所述目標(biāo)數(shù)據(jù)集，接收相關(guān)終端傳入的、修正后的數(shù)據(jù)集，其中，所述修正后的數(shù)據(jù)集是對(duì)所述目標(biāo)數(shù)據(jù)集進(jìn)行修正而得到的數(shù)據(jù)集；

將所述數(shù)據(jù)集中目標(biāo)數(shù)據(jù)集替換為所述修正后的數(shù)據(jù)集，得到替換后的數(shù)據(jù)集作為所述文本與語(yǔ)音模型的訓(xùn)練集。

6.根據(jù)權(quán)利要求2所述的方法，其中，所述隱馬爾可夫模型是根據(jù)強(qiáng)制對(duì)齊方法來(lái)訓(xùn)練的。

7.一種訓(xùn)練集生成裝置，包括：

獲取單元，被配置成獲取數(shù)據(jù)集，其中，所述數(shù)據(jù)集包括文本集和與所述文本集相關(guān)聯(lián)的語(yǔ)音集；

第一確定單元，被配置成確定所述文本集中是否存在與所述語(yǔ)音集中對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本；

去除單元，被配置成響應(yīng)于所述文本集中存在與對(duì)應(yīng)語(yǔ)音未對(duì)齊的文本，從所述數(shù)據(jù)集去除文本和對(duì)應(yīng)語(yǔ)音未對(duì)齊的至少一個(gè)數(shù)據(jù)，得到去除后的數(shù)據(jù)集作為目標(biāo)數(shù)據(jù)集；

第二確定單元，被配置成根據(jù)所述目標(biāo)數(shù)據(jù)集，確定文本與語(yǔ)音模型的訓(xùn)練集。