[發(fā)明專利]語種識別方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202110593396.5
• 申請日: 2021-05-28
• 公開（公告）號: CN113327584A
• 公開（公告）日: 2021-08-31
• 發(fā)明（設計）人: 秦沖;魏韜;馬駿;王少軍
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/16;G10L15/06;G10L15/02
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

本申請涉及人工智能和語音識別領域，具體公開了一種語種識別方法、裝置、設備及存儲介質，所述方法包括：獲取樣本音頻和樣本音頻對應的音頻標簽；對樣本音頻進行數據處理，得到樣本音頻對應的特征矩陣；將特征矩陣輸入第一神經網絡，得到特征矩陣對應的幀內特征；將特征矩陣輸入第二神經網絡，得到特征矩陣對應的幀間特征；根據幀內特征和幀間特征進行邏輯回歸，以對樣本音頻進行語種識別，得到樣本音頻的預測類別；基于樣本音頻的預測類別和音頻標簽對第一神經網絡和第二神經網絡進行迭代訓練，并將訓練完成的第一神經網絡和訓練完成的第二神經網絡合并得到語種識別模型，并基于語種識別模型對待識別語音進行語種識別。提高了語種識別的準確率。

技術領域

本申請涉及語種識別領域，尤其涉及一種語種識別方法、裝置、設備及存儲介質。

背景技術

隨著人工智能的發(fā)展和國際化程度的提高，語音識別和機器翻譯等行業(yè)對于語種識別的要求也越來越高。可以根據每種語種不同的發(fā)音節(jié)奏、聲韻母、語言結構和發(fā)音習慣來對音頻進行語種識別。目前大多是利用深度學習方法的說話人識別技術為主來對音頻進行識別，但這種深度學習方法在進行語種識別時的準確率有限，尤其是在短語音方面的識別效果較差，難以滿足實際業(yè)務的需要，因此，如何提高語種的識別準確率成為亟待解決的問題。

發(fā)明內容

本申請?zhí)峁┝艘环N語種識別方法、裝置、設備及存儲介質，以提高語種識別的準確率。

第一方面，本申請?zhí)峁┝艘环N語種識方法，所述方法包括：

獲取樣本音頻和所述樣本音頻對應的音頻標簽；對所述樣本音頻進行數據處理，得到所述樣本音頻對應的特征矩陣；將所述特征矩陣輸入第一神經網絡，得到所述特征矩陣對應的幀內特征；將所述特征矩陣輸入第二神經網絡，得到所述特征矩陣對應的幀間特征；根據所述幀內特征和所述幀間特征進行邏輯回歸，以對所述樣本音頻進行語種識別，得到所述樣本音頻的預測類別；基于所述樣本音頻的預測類別和所述音頻標簽對所述第一神經網絡和所述第二神經網絡進行迭代訓練，并將訓練完成的第一神經網絡和訓練完成的第二神經網絡合并得到語種識別模型，并基于所述語種識別模型對待識別語音進行語種識別。

第二方面，本申請還提供了一種語種識別裝置，所述裝置包括：

樣本獲取模塊，用于獲取樣本音頻和所述樣本音頻對應的音頻標簽；矩陣生成模塊，用于對所述樣本音頻進行數據處理，得到所述樣本音頻對應的特征矩陣；幀內提取模塊，用于將所述特征矩陣輸入第一神經網絡，得到所述特征矩陣對應的幀內特征；幀間提取模塊，用于將所述特征矩陣輸入第二神經網絡，得到所述特征矩陣對應的幀間特征；類別預測模塊，用于根據所述幀內特征和所述幀間特征進行邏輯回歸，以對所述樣本音頻進行語種識別，得到所述樣本音頻的預測類別；迭代訓練模塊，用于基于所述樣本音頻的預測類別和所述音頻標簽對所述第一神經網絡和所述第二神經網絡進行迭代訓練，并將訓練完成的第一神經網絡和訓練完成的第二神經網絡合并得到語種識別模型，并基于所述語種識別模型對待識別語音進行語種識別。

第三方面，本申請還提供了一種計算機設備，所述計算機設備包括存儲器和處理器；所述存儲器用于存儲計算機程序；所述處理器，用于執(zhí)行所述計算機程序并在執(zhí)行所述計算機程序時實現如上述的語種識別方法。

第四方面，本申請還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時使所述處理器實現如上述的語種識別方法。