[發明專利]語音分類模型的訓練方法、語音分類方法及相關裝置

在審

• 申請號: 202110762453.8
• 申請日: 2021-07-06
• 公開（公告）號: CN113539243A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 張軍偉;李誠
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/08;G10L15/16;G10L25/18;G10L25/24
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種語音分類模型的訓練方法，其特征在于，所述訓練方法包括：

獲取至少一個類別的語音數據，同一類別的語音數據構成一個語音數據集；

提取所述語音數據集中每個語音數據的語音特征；

利用所述語音數據集中的語音特征對所述語音分類模型中的子分類模型進行訓練；所述語音分類模型包括至少一個子分類模型，所述子分類模型與所述語音數據集一一對應。

2.根據權利要求1所述的訓練方法，其特征在于，所述訓練方法還包括：

基于所述語音數據集中的至少部分語音數據，確定所述語音數據集的類別特征；

利用所述語音數據集的類別特征，對所述語音數據集中每個語音數據的語音特征進行處理；

所述利用所述語音數據集中的語音特征對所述語音分類模型中的子分類模型進行訓練，包括：

利用所述語音數據集中處理后的語音特征對所述語音分類模型中的子分類模型進行訓練。

3.根據權利要求2所述的訓練方法，其特征在于，所述語音數據集的類別特征包括所述語音數據集的音頻響度特征和音調變化特征。

4.根據權利要求3所述的訓練方法，其特征在于，所述基于所述語音數據集中的至少部分語音數據，確定所述語音數據集的類別特征，包括：

計算所述語音數據集中至少部分語音數據的語音能量的均方根，以獲得所述音頻響度特征；

計算所述語音數據集中至少部分語音數據的過零特征，以獲得所述音調變化特征。

5.根據權利要求4所述的訓練方法，其特征在于，所述利用所述語音數據集的類別特征，對所述語音數據集中每個語音數據的語音特征進行處理，包括：

將語音特征除以所述音頻響度特征，并加上所述音調變化特征。

6.根據權利要求1-5任一項所述的訓練方法，其特征在于，所述提取所述語音數據集中每個語音數據的語音特征，包括：

提取所述語音數據集中每個語音數據的語音特征，并對所述語音特征進行降維處理。

7.根據權利要求1-5任一項所述的訓練方法，其特征在于，所述訓練方法包括：

呈現錄入指示，所述錄入指示對應一個類別的語音數據的錄入；

所述獲取至少一個類別的語音數據，包括：獲取依據所述錄入指示的語音數據。

8.一種語音分類方法，其特征在于，所述語音分類方法包括：

獲取待分類語音；

提取所述待分類語音的待分類語音特征；

將所述待分類語音特征輸入語音分類模型，確定所述待分類語音的類別，所述語音分類模型由權利要求1-7中任一項所述的訓練方法訓練獲得。

9.根據權利要求8所述的語音分類方法，其特征在于，所述語音分類方法還包括：

確定所述待分類語音的待分類語音響度特征和待分類音調特征；

利用所述待分類響度特征和待分類音調特征，對所述待分類語音特征進行處理；

所述將所述待分類語音特征輸入語音分類模型，包括：

將處理后的待分類語音特征輸入所述語音分類模型。

10.根據權利要求8或9所述的語音分類方法，其特征在于，所述提取所述待分類語音的待分類語音特征，包括：

提取所述待分類語音的待分類語音特征，并對所述待分類語音特征進行降維處理。

11.根據權利要求8或9所述的語音分類方法，其特征在于，所述獲取待分類語音，包括：

獲取針對風扇的控制語音，作為所述待分類語音；

所述確定所述待分類語音的類別，包括：

確定所述待分類語音的類別為開啟、停止、加速、減速、左轉、右轉中的一種。

12.一種終端設備，其特征在于，所述終端設備包括相互耦接的存儲器和處理器，所述處理器用于執行所述存儲器中存儲的程序指令，以實現權利要求1至11中任一項所述的方法。

13.一種計算機可讀存儲介質，其上存儲有程序數據，其特征在于，所述程序數據被處理器執行時實現權利要求1至11中任一項所述的方法。