[發明專利]一種語音數據處理方法、裝置及設備

在審

• 申請號: 202110319220.0
• 申請日: 2021-03-25
• 公開（公告）號: CN113066485A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 劉杰;王維強
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L19/16
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 朱文杰

1.一種語音數據處理方法，包括：

獲取待處理的原始語音數據；

將所述原始語音數據輸入至預設語音編碼模型中，以對所述原始語音數據進行語音編碼處理，得到目標語音數據，其中，所述預設語音編碼模型是基于預先獲取的樣本語音數據，以及預先訓練的語音識別模型進行訓練而得到；

輸出所述目標語音數據，其中，所述目標語音數據與所述原始語音數據的相似度大于第一預設閾值，將所述原始語音數據和所述目標語音數據分別輸入至所述語音識別模型后輸出的第一識別結果與第二識別結果的相似度小于第二預設閾值。

2.根據權利要求1所述的方法，在所述獲取待處理的原始語音數據之前，所述方法還包括：

向服務器發送預設語音編碼模型獲取請求；

接收所述服務器發送的所述預設語音編碼模型。

3.根據權利要求1所述的方法，在所述獲取待處理的原始語音數據之前，所述方法還包括：

獲取用于訓練所述預設語音編碼模型的樣本語音數據；

將所述樣本語音數據輸入至預設語音編碼模型的初始架構中，以對所述樣本語音數據進行語音編碼處理，得到樣本編碼語音數據；

分別將所述樣本語音數據、所述樣本編碼語音數據輸入至預先訓練的語音識別模型中，以對所述樣本語音數據、所述樣本編碼語音數據進行語音識別處理，得到第一樣本識別結果和第二樣本識別結果；

計算所述樣本語音數據與所述樣本編碼語音數據之間的第一相似度，以及，計算所述第一樣本識別結果與所述第二樣本識別結果之間的第二相似度；

基于所述第一相似度和所述第二相似度，迭代調整所述初始架構的模型參數得到所述預設語音編碼模型。

4.根據權利要求3所述的方法，所述基于所述第一相似度和所述第二相似度，迭代調整所述初始架構的模型參數得到所述預設語音編碼模型，包括：

基于所述第一相似度越大，所述初始架構的損失越小，所述第二相似度越大，所述初始架構的損失越大，并以減小所述初始架構的損失為目標，不斷迭代調整所述初始架構的模型參數直到所述初始架構的損失收斂，將與所述初始架構的損失收斂時所對應的初始架構確定為所述預設語音編碼模型。

5.根據權利要求3所述的方法，所述計算所述第一樣本識別結果與所述第二樣本識別結果之間的第二相似度，包括：

計算所述第一樣本識別結果中所包含的每個元素，與該元素所對應的所述第二樣本識別結果所對應的元素之間的文本編輯距離，將所述文本編輯距離確定為所述第一樣本識別結果與所述第二樣本識別結果之間的第二相似度。

6.根據權利要求4所述的方法，所述方法還包括：

將所述樣本編碼語音數據輸入到預先訓練的重構網絡模型中，以對所述樣本編碼語音數據進行還原處理，得到編碼還原語音數據；

計算所述樣本語音數據與所述編碼還原語音數據之間的第三相似度；

基于所述第一相似度、所述第二相似度、所述第三相似度，迭代調整所述初始架構的模型參數得到所述預設語音編碼模型，其中，所述第三相似度越大，所述初始架構的損失越大。

7.根據權利要求3-6任一所述的方法，所述方法還包括：

向預設語音測試接口發送語音測試數據，其中，所述語音測試數據為經過所述預設語音編碼模型進行編碼處理后輸出的語音數據；

接收通過所述預設語音測試接口返回的與所述語音測試數據對應的測試文本信息；

將所述語音測試數據輸入至預先訓練的語音識別模型中，以對所述語音測試數據進行語音識別處理，得到目標文本信息；

計算所述測試文本信息與所述目標文本信息之間的第四相似度；

在確定所述第四相似度滿足預設條件的情況下，迭代調整所述初始架構的模型參數得到更新后的預設語音編碼模型。