[發(fā)明專利]在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110592214.2
• 申請(qǐng)日: 2021-05-28
• 公開（公告）號(hào): CN113160855B
• 公開（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 俞凱;徐薛楠;丁翰林;吳夢(mèng)玥
• 申請(qǐng)（專利權(quán)）人: 思必馳科技股份有限公司
• 主分類號(hào): G10L25/87
• 分類號(hào): G10L25/87
• 代理公司: 北京商專永信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 黃謙;鄧婷婷

本發(fā)明公開在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法和裝置，其中，一種在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法，包括：將真實(shí)世界可用的語音活性檢測(cè)系統(tǒng)作為教師模型；利用所述教師模型輸出待測(cè)語音的幀級(jí)別的語音概率，其中，所述待測(cè)語音包括真實(shí)世界的語音數(shù)據(jù)；將所述幀級(jí)別的語音概率作為訓(xùn)練標(biāo)簽訓(xùn)練學(xué)生模型，其中，所述學(xué)生模型的雙向門控循環(huán)單元改為單向門控循環(huán)單元；用所述學(xué)生模型給出的概率預(yù)測(cè)語音和非語音。

技術(shù)領(lǐng)域

本發(fā)明屬于模型訓(xùn)練技術(shù)領(lǐng)域，尤其涉及在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法和裝置。

背景技術(shù)

相關(guān)技術(shù)中，一般的語音活性檢測(cè)系統(tǒng)旨在檢測(cè)出一段音頻中有語音的部分，通過將一段語音分幀，送入模型中，由模型學(xué)習(xí)出語音的特征，判斷某一幀是否為語音幀。真實(shí)世界中可用的語音活性檢測(cè)系統(tǒng)采用類似的技術(shù)，但是在真實(shí)數(shù)據(jù)中表現(xiàn)得更好。

發(fā)明人在實(shí)現(xiàn)本申請(qǐng)的過程中發(fā)現(xiàn)現(xiàn)有技術(shù)的方案存在以下缺陷：一般的語音活性檢測(cè)系統(tǒng)在噪聲環(huán)境下表現(xiàn)不夠魯棒，真實(shí)世界可用的語音活性檢測(cè)系統(tǒng)在干凈的語音環(huán)境或者合成噪聲環(huán)境下的表現(xiàn)不夠好，而且無法做到在線使用。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法和裝置，用于至少解決上述技術(shù)問題之一。

第一方面，本發(fā)明實(shí)施例提供一種在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法，包括：將真實(shí)世界可用的語音活性檢測(cè)系統(tǒng)作為教師模型；利用所述教師模型輸出待測(cè)語音的幀級(jí)別的語音概率，其中，所述待測(cè)語音包括真實(shí)世界的語音數(shù)據(jù)；將所述幀級(jí)別的語音概率作為訓(xùn)練標(biāo)簽訓(xùn)練學(xué)生模型，其中，所述學(xué)生模型的雙向門控循環(huán)單元改為單向門控循環(huán)單元；用所述學(xué)生模型給出的概率預(yù)測(cè)語音和非語音。

第二方面，本發(fā)明實(shí)施例提供一種在線語音活性檢測(cè)系統(tǒng)改進(jìn)裝置，包括：教師模型程序模塊，配置為將真實(shí)世界可用的語音活性檢測(cè)系統(tǒng)作為教師模型；輸出程序模塊，配置為利用所述教師模型輸出待測(cè)語音的幀級(jí)別的語音概率，其中，所述待測(cè)語音包括真實(shí)世界的語音數(shù)據(jù)；訓(xùn)練程序模塊，配置為將所述幀級(jí)別的語音概率作為訓(xùn)練標(biāo)簽訓(xùn)練學(xué)生模型，其中，所述學(xué)生模型的雙向門控循環(huán)單元改為單向門控循環(huán)單元；以及預(yù)測(cè)程序模塊，配置為用所述學(xué)生模型給出的概率預(yù)測(cè)語音和非語音。

第三方面，提供一種電子設(shè)備，其包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明任一實(shí)施例的在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法的步驟。

第四方面，本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)在非易失性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括程序指令，當(dāng)所述程序指令被計(jì)算機(jī)執(zhí)行時(shí)，使所述計(jì)算機(jī)執(zhí)行本發(fā)明任一實(shí)施例的在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法的步驟。

本申請(qǐng)的方法和裝置通過將真實(shí)世界可用的語音活性檢測(cè)系統(tǒng)作為教師模型，通過其輸出的幀級(jí)別的語音概率，作為訓(xùn)練標(biāo)簽訓(xùn)練學(xué)生模型，同時(shí)將學(xué)生模型變成更小的模型，并將其中的雙向門控循環(huán)單元改為單向門控循環(huán)單元，得到性能更好的、更輕量級(jí)的線上可用的語音活性檢測(cè)系統(tǒng)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明一實(shí)施例提供的一種在線語音活性檢測(cè)系統(tǒng)改進(jìn)方法的流程圖；

圖2為本發(fā)明一實(shí)施例提供的教師學(xué)生模型；

圖3為本發(fā)明一實(shí)施例提供的兩個(gè)段隨機(jī)的逐幀語音概率從Aurora 4采樣；

圖4為本發(fā)明一實(shí)施例提供的一種在線語音活性檢測(cè)系統(tǒng)改進(jìn)裝置的框圖；