[發明專利]語音情緒識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110734840.0
• 申請日: 2021-06-30
• 公開（公告）號: CN113409823B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 張之勇;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/30
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 陳海云

本發明涉及人工智能技術領域，提供一種語音情緒識別方法、裝置、電子設備及存儲介質，所述方法包括：對小樣本數據集進行語音數據擴充，得到目標小樣本數據集；將大樣本數據集和目標小樣本數據集進行融合，得到目標樣本數據集；根據目標樣本數據集訓練構建好的語音情緒識別模型；獲取待識別語音數據；將待識別語音數據輸入至訓練好的語音情緒識別模型中，得到待識別語音數據的情緒識別結果。本發明通過對小樣本數據集進行語音數據擴充，擴充了小樣本數據集的數據分布，增強了模型中的神經網絡的魯棒性，提高了語音情緒識別模型的泛化能力及情緒識別的準確率。

技術領域

本發明涉及人工智能技術領域，具體涉及一種語音情緒識別方法、裝置、電子設備及存儲介質。

背景技術

在進行語音情緒識別時，傳統的語音情緒識別使用的是單一的語料庫，也就是使用相同來源的測試集和訓練集進行模型訓練。

然而，由于在實際應用中，說話人常常具有不同的文化和語言背景，若采用單一的語料庫，無法應對交叉語料庫和多語種的場景，導致訓練得到的語音情緒識別模型的泛化能力差，進而導致情緒識別的準確率低。

因此，有必要提出一種可以提高語音情緒識別模型的泛化能力，及快速準確的情緒識別的方法。

發明內容

鑒于以上內容，有必要提出一種語音情緒識別方法、裝置、電子設備及存儲介質，通過對小樣本數據集進行語音數據擴充，擴充了小樣本數據集的數據分布，增強了模型中的神經網絡的魯棒性，提高了語音情緒識別模型的泛化能力及情緒識別的準確率。

本發明的第一方面提供一種語音情緒識別方法，所述方法包括：

從預設的多個語音情緒語料庫中獲取語音樣本數據集，其中，所述語音樣本數據集中包括大樣本數據集和小樣本數據集；

對所述小樣本數據集進行語音數據擴充，得到目標小樣本數據集；

將所述大樣本數據集和所述目標小樣本數據集進行融合，得到目標樣本數據集；

根據所述目標樣本數據集訓練語音情緒識別模型；

獲取待識別語音數據；

將所述待識別語音數據輸入至訓練好的語音情緒識別模型中，得到所述待識別語音數據的情緒識別結果。

可選地，所述語音情緒識別模型包括：

密連接神經網絡、與所述密連接神經網絡連接的長短期記憶網絡、與所述長短期記憶網絡連接的高速神經網絡、及與所述高速神經網絡連接的Softmax層，其中，所述密連接神經網絡包括：第一密集塊、與所述第一密集塊連接的第一傳遞層、與所述第一傳遞層連接的第二密集塊、與所述第二密集塊連接的第二傳遞層及與所述第二傳遞層連接的第三密集塊，所述第一傳遞層包含有批標準化層、與所述批標準化層連接的卷積層及與所述卷積層連接的平均池化層，所述第二傳遞層與所述第一傳遞層網絡結構相同。

可選地，所述將所述待識別語音數據輸入至訓練好的語音情緒識別模型中，得到所述待識別語音數據的情緒識別結果包括：

將所述待識別語音數據輸入至密連接神經網絡中，得到局部語音特征；

將所述局部語音特征輸入至長短期記憶網絡中，通過所述長短期記憶網絡對所述局部語音特征進行上下文本聚合，得到全局語音特征；

將所述局部語音特征和所述全局語音特征輸入至高速神經網絡中，得到目標語音特征；

對所述目標語音特征輸入至Softmax層中進行歸一化計算，得到每個目標語音特征的情緒標簽預測值；

根據所述每個目標語音特征的情緒標簽預測值和每個目標語音特征的情緒標簽真實值，計算每個目標語音特征對應的均方差損失值，并根據每個目標語音特征對應的均方差損失值進行情緒識別，得到所述待識別語音數據的情緒識別結果。