[發(fā)明專利]一種數(shù)據(jù)處理方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202110189853.4
• 申請日: 2021-02-18
• 公開（公告）號: CN113012706B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計(jì)）人: 師圣;杜楊洲;楊琳
• 申請（專利權(quán)）人: 聯(lián)想（北京）有限公司
• 主分類號: G10L21/013
• 分類號: G10L21/013;G10L21/007;G10L15/26;G10L21/10;G10L21/14;G10L25/30;G06F16/583;G06F16/683;G06F40/30;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 林哲生

本申請公開了一種數(shù)據(jù)處理方法、裝置及電子設(shè)備，包括獲取第一音頻數(shù)據(jù)，將第一音頻數(shù)據(jù)進(jìn)行轉(zhuǎn)換，獲得第一音頻圖像；基于第一音頻圖像，生成第二音頻圖像；對第二音頻圖像對應(yīng)的音頻特征信息進(jìn)行處理，獲得第二音頻數(shù)據(jù)。通過音頻圖像的轉(zhuǎn)換方式，實(shí)現(xiàn)了通過已有音頻數(shù)據(jù)生成與之具有相同的語義，且不同音頻屬性特征的音頻數(shù)據(jù)的目的，降低了數(shù)據(jù)收集的時(shí)間成本及難度。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，更具體的說是涉及一種數(shù)據(jù)處理方法、裝置及電子設(shè)備。

背景技術(shù)

隨著人工智能的迅速發(fā)展，深度學(xué)習(xí)被廣泛應(yīng)用于人們工作和生活中。深度學(xué)習(xí)性能隨著訓(xùn)練數(shù)據(jù)的數(shù)量級線性增加，但是，用于深度學(xué)習(xí)的數(shù)據(jù)通常會(huì)存在收集困難的問題，尤其是小樣本數(shù)據(jù)收集難度較大。例如，對音頻數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的過程中，若需要對方言音頻數(shù)據(jù)進(jìn)行學(xué)習(xí)，由于方言音頻數(shù)據(jù)存在地域特殊性，會(huì)存在收集周期長、時(shí)間成本較高的問題，會(huì)造成由于樣本數(shù)量較少利用深度學(xué)習(xí)對方言語音視頻的不準(zhǔn)確的問題。

發(fā)明內(nèi)容

有鑒于此，本申請?zhí)峁┤缦录夹g(shù)方案：

一種數(shù)據(jù)處理方法，包括：

獲取第一音頻數(shù)據(jù)；

將所述第一音頻數(shù)據(jù)進(jìn)行轉(zhuǎn)換，獲得第一音頻圖像；

基于所述第一音頻圖像，生成第二音頻圖像；

對所述第二音頻圖像對應(yīng)的音頻特征信息進(jìn)行處理，獲得第二音頻數(shù)據(jù)，所述第一音頻數(shù)據(jù)和所述第二音頻數(shù)據(jù)具有相同的語義，且所述第一音頻數(shù)據(jù)和所述第二音頻數(shù)據(jù)的音頻屬性特征不同。

可選地，所述基于所述第一音頻圖像，生成第二音頻圖像，包括：

基于圖像轉(zhuǎn)換模型對所述第一音頻圖像進(jìn)行處理，獲得第二音頻圖像；

所述圖像轉(zhuǎn)換模型用于提取所述第一音頻圖像中所述待轉(zhuǎn)換的音頻特征，并基于所述音頻特征生成所述第二音頻圖像，所述第二音頻圖像與所述第一音頻圖像具有不同的圖像特征。

可選地，所述方法還包括：

獲取第一樣本集，所述第一樣本集包括若干具有第一音頻圖像的圖像特征的第一圖像以及若干具有第二音頻圖像的圖像特征的第二圖像；

利用所述第一樣本集對初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行無監(jiān)督訓(xùn)練，獲得圖像轉(zhuǎn)換模型。

可選地，所述圖像轉(zhuǎn)換模型包括循環(huán)生成對抗網(wǎng)絡(luò)，所述循環(huán)生成對抗網(wǎng)絡(luò)包括第一生成對抗網(wǎng)絡(luò)和第二生成對抗網(wǎng)絡(luò)，其中，

所述第一生成對抗網(wǎng)絡(luò)，用于提取所述第一音頻圖像中待轉(zhuǎn)換的音頻特征，并基于所述音頻特征生成第二音頻圖像；

所述第二生成對抗網(wǎng)絡(luò)，用于檢測針對所述第二音頻圖像進(jìn)行還原后的圖像是否與所述第一音頻圖像一致。

可選地，所述方法還包括：

獲取第二樣本集，所述第二樣本集包括若干組圖像樣本，每一組圖像樣本包括具有第一音頻圖像的圖像特征的第三圖像，以及與所述第三圖像對應(yīng)的具有第二音頻圖像的圖像特征的第四圖像；

基于所述第二樣本集對初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行有監(jiān)督訓(xùn)練，獲得圖像轉(zhuǎn)換模型。

可選地，所述方法還包括：

基于所述第一音頻數(shù)據(jù)以及所述第二音頻數(shù)據(jù)，生成音頻數(shù)據(jù)訓(xùn)練樣本；

基于所述音頻數(shù)據(jù)訓(xùn)練樣本進(jìn)行模型訓(xùn)練，獲得音頻識別模型，所述音頻識別模型用于識別具有不同音頻屬性特征的音頻數(shù)據(jù)。

可選地，所述方法還包括：

獲取待識別的音頻數(shù)據(jù)；