[發(fā)明專利]一種語音數(shù)據(jù)處理方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110319220.0
• 申請(qǐng)日: 2021-03-25
• 公開（公告）號(hào): CN113066485A
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 劉杰;王維強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號(hào): G10L15/06
• 分類號(hào): G10L15/06;G10L19/16
• 代理公司: 北京國昊天誠知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 朱文杰

本公開實(shí)施例提供了一種語音數(shù)據(jù)處理方法、裝置及設(shè)備，包括：獲取待處理的原始語音數(shù)據(jù)；將原始語音數(shù)據(jù)輸入至預(yù)設(shè)語音編碼模型中，以對(duì)原始語音數(shù)據(jù)進(jìn)行語音編碼處理，得到目標(biāo)語音數(shù)據(jù)，其中，預(yù)設(shè)語音編碼模型是基于預(yù)先獲取的樣本語音數(shù)據(jù)，以及預(yù)先訓(xùn)練的語音識(shí)別模型進(jìn)行訓(xùn)練而得到；輸出目標(biāo)語音數(shù)據(jù)，其中，目標(biāo)語音數(shù)據(jù)與原始語音數(shù)據(jù)的相似度大于第一預(yù)設(shè)閾值，將原始語音數(shù)據(jù)和目標(biāo)語音數(shù)據(jù)分別輸入至語音識(shí)別模型后輸出的第一識(shí)別結(jié)果與第二識(shí)別結(jié)果的相似度小于第二預(yù)設(shè)閾值。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種語音數(shù)據(jù)處理方法、裝置及設(shè)備。

背景技術(shù)

語音作為人類語言和思想的記錄方式，往往蘊(yùn)涵著重要的個(gè)人信息。例如，企業(yè)內(nèi)部電話會(huì)議往往會(huì)包含公司的一些機(jī)密內(nèi)容，個(gè)人的私密通話或者語音聊天偶爾也包含重要的個(gè)人資產(chǎn)信息、賬號(hào)密碼、個(gè)人姓名、手機(jī)號(hào)碼、地址等敏感信息。

隨著人工智能技術(shù)的快速發(fā)展，語音識(shí)別技術(shù)很容易識(shí)別語音并轉(zhuǎn)成文本，然而，這也給個(gè)人隱私帶來了嚴(yán)重的威脅。語音識(shí)別技術(shù)可以輕易將個(gè)人的信息從語音文件或者通話中識(shí)別并解析出來，并且能夠準(zhǔn)確的識(shí)別個(gè)人的姓名，手機(jī)號(hào)，地址，公司等信息。因此，需要提供一種能夠有效防止利用語音識(shí)別技術(shù)識(shí)別語音內(nèi)容的技術(shù)方案。

發(fā)明內(nèi)容

本公開實(shí)施例的目的是提供一種語音數(shù)據(jù)處理方法、裝置及設(shè)備，以提供一種能夠有效防止非法利用語音識(shí)別技術(shù)識(shí)別語音內(nèi)容的技術(shù)方案。

為了解決上述技術(shù)問題，本說明書實(shí)施例是這樣實(shí)現(xiàn)的：

第一方面，本公開實(shí)施例提供了一種語音數(shù)據(jù)處理方法，包括：獲取待處理的原始語音數(shù)據(jù)。將原始語音數(shù)據(jù)輸入至預(yù)設(shè)語音編碼模型中，以對(duì)原始語音數(shù)據(jù)進(jìn)行語音編碼處理，得到目標(biāo)語音數(shù)據(jù)，其中，預(yù)設(shè)語音編碼模型是基于預(yù)先獲取的樣本語音數(shù)據(jù)，以及預(yù)先訓(xùn)練的語音識(shí)別模型進(jìn)行訓(xùn)練而得到。輸出目標(biāo)語音數(shù)據(jù)，其中，目標(biāo)語音數(shù)據(jù)與原始語音數(shù)據(jù)的相似度大于第一預(yù)設(shè)閾值，將原始語音數(shù)據(jù)和目標(biāo)語音數(shù)據(jù)分別輸入至語音識(shí)別模型后輸出的第一識(shí)別結(jié)果與第二識(shí)別結(jié)果的相似度小于第二預(yù)設(shè)閾值。

第二方面，本公開實(shí)施例提供了一種語音數(shù)據(jù)處理方法，包括：接收終端設(shè)備發(fā)送的預(yù)設(shè)語音編碼模型獲取請(qǐng)求。將預(yù)設(shè)語音編碼模型發(fā)送至終端設(shè)備，以使終端設(shè)備基于獲取的預(yù)設(shè)語音編碼模型，獲取待處理的原始語音數(shù)據(jù)，將原始語音數(shù)據(jù)輸入至預(yù)設(shè)語音編碼模型中，以對(duì)原始語音數(shù)據(jù)進(jìn)行語音編碼處理，得到目標(biāo)語音數(shù)據(jù)，輸出目標(biāo)語音數(shù)據(jù)，其中，目標(biāo)語音數(shù)據(jù)與原始語音數(shù)據(jù)的相似度大于第一預(yù)設(shè)閾值，將原始語音數(shù)據(jù)和目標(biāo)語音數(shù)據(jù)分別輸入至語音識(shí)別模型后輸出的第一識(shí)別結(jié)果與第二識(shí)別結(jié)果的相似度小于第二預(yù)設(shè)閾值，預(yù)設(shè)語音編碼模型是基于預(yù)先獲取的樣本語音數(shù)據(jù)，以及預(yù)先訓(xùn)練的語音識(shí)別模型進(jìn)行訓(xùn)練而得到。

第三方面，本公開實(shí)施例提供了一種語音數(shù)據(jù)處理裝置，包括：第一獲取模塊，獲取待處理的原始語音數(shù)據(jù)。第一輸入模塊，將原始語音數(shù)據(jù)輸入至預(yù)設(shè)語音編碼模型中，以對(duì)原始語音數(shù)據(jù)進(jìn)行語音編碼處理，得到目標(biāo)語音數(shù)據(jù)。數(shù)據(jù)輸出模塊，輸出目標(biāo)語音數(shù)據(jù)，其中，目標(biāo)語音數(shù)據(jù)與原始語音數(shù)據(jù)的相似度大于第一預(yù)設(shè)閾值，將原始語音數(shù)據(jù)和目標(biāo)語音數(shù)據(jù)分別輸入至語音識(shí)別模型后輸出的第一識(shí)別結(jié)果與第二識(shí)別結(jié)果的相似度小于第二預(yù)設(shè)閾值，預(yù)設(shè)語音編碼模型是基于預(yù)先獲取的樣本語音數(shù)據(jù)，以及預(yù)先訓(xùn)練的語音識(shí)別模型進(jìn)行訓(xùn)練而得到。

第四方面，本公開實(shí)施例提供了一種語音數(shù)據(jù)處理裝置，包括：第二接收模塊，接收終端設(shè)備發(fā)送的預(yù)設(shè)語音編碼模型獲取請(qǐng)求。第二發(fā)送模塊，將預(yù)設(shè)語音編碼模型發(fā)送至終端設(shè)備，以使終端設(shè)備基于獲取的預(yù)設(shè)語音編碼模型，獲取待處理的原始語音數(shù)據(jù)，將原始語音數(shù)據(jù)輸入至預(yù)設(shè)語音編碼模型中，以對(duì)原始語音數(shù)據(jù)進(jìn)行語音編碼處理，得到目標(biāo)語音數(shù)據(jù)，輸出目標(biāo)語音數(shù)據(jù)，其中，目標(biāo)語音數(shù)據(jù)與原始語音數(shù)據(jù)的相似度大于第一預(yù)設(shè)閾值，將原始語音數(shù)據(jù)和目標(biāo)語音數(shù)據(jù)分別輸入至語音識(shí)別模型后輸出的第一識(shí)別結(jié)果與第二識(shí)別結(jié)果的相似度小于第二預(yù)設(shè)閾值，預(yù)設(shè)語音編碼模型是基于預(yù)先獲取的樣本語音數(shù)據(jù)，以及預(yù)先訓(xùn)練的語音識(shí)別模型進(jìn)行訓(xùn)練而得到。