[發明專利]語音情緒分類模型訓練方法、裝置、計算機設備及介質

有效

• 申請號: 202110836890.X
• 申請日: 2021-07-23
• 公開（公告）號: CN113571096B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張超;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: G10L25/63
• 分類號: G10L25/63;G06F18/241;G06F18/214
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 陳美君

本發明公開了一種語音情緒分類模型訓練方法、裝置、計算機設備及存儲介質，該方法通過確定每一個待識別語音數據的包括目標對象以及目標情緒標簽的目標情緒識別結果；將待識別語音數據輸入至包含初始參數的預設分類模型中，通過預設分類模型對待識別語音數據進行情緒跟蹤識別，得到與待識別語音數據對應的包括預測對象以及預測情緒標簽的預測情緒識別結果；根據目標對象、目標情緒標簽、預測對象以及預測情緒標簽確定預設分類模型的預測損失值；在預測損失值未達到預設的收斂條件時，迭代更新預設分類模型中的初始參數，直至預測損失值達到收斂條件時，將收斂之后的預設分類模型記錄為語音情感分類模型。本發明提高了語音情緒識別的準確率。

技術領域

本發明涉及分類模型技術領域，尤其涉及一種語音情緒分類模型訓練方法、裝置、計算機設備及介質。

背景技術

情緒識別在智能人機交互系統，特別是自動客戶服務系統中起到非常重要的作用。比如，在自動客戶服務系統中，系統需要即時識別用戶對話中表露出來的情緒，以便針對情緒采取相應的措施。

現有技術中，主要是通過機器識別將語音數據先轉換為文本，再對文本進行文本情緒識別。然而上述方法僅利用了語音數據中文本信息所反映的情緒信息，丟失了語音數據中的情緒信息，進而導致情緒識別準確率較低；并且在將語音數據轉換為文本時，若發生了文本轉換錯誤，則更容易導致情緒識別準確率較低。

發明內容

本發明實施例提供一種語音情緒分類模型訓練方法、裝置、計算機設備及介質，以解決情緒識別準確率較低的問題。

一種語音情緒分類模型訓練方法，包括：

獲取預設語音訓練集；所述預設語音訓練集中包含至少一個待識別語音數據；

確定每一個所述待識別語音數據的目標情緒識別結果；每一個所述目標情緒識別結果中包括至少一個目標對象以及與所述目標對象對應的目標情緒標簽；一個目標對象對應至少一個目標情緒標簽；

將所述待識別語音數據輸入至包含初始參數的預設分類模型中，通過所述預設分類模型對所述待識別語音數據進行情緒跟蹤識別，得到與所述待識別語音數據對應的預測情緒識別結果；所述情緒識別結果中包括預測對象以及與所述預測對象對應的預測情緒標簽；

根據所述目標對象、目標情緒標簽、預測對象以及預測情緒標簽，確定所述預設分類模型的預測損失值；

在所述預測損失值未達到預設的收斂條件時，迭代更新所述預設分類模型中的初始參數，直至所述預測損失值達到所述收斂條件時，將收斂之后的所述預設分類模型記錄為語音情感分類模型。

一種語音情緒分類模型訓練裝置，包括：

語音訓練集獲取模塊，用于獲取預設語音訓練集；所述預設語音訓練集中包含至少一個待識別語音數據；

目標情緒識別結果確定模塊，用于確定每一個所述待識別語音數據的目標情緒識別結果；每一個所述目標情緒識別結果中包括至少一個目標對象以及與所述目標對象對應的目標情緒標簽；一個目標對象對應至少一個目標情緒標簽；

預測情緒識別結果確定模塊，用于將所述待識別語音數據輸入至包含初始參數的預設分類模型中，通過所述預設分類模型對所述待識別語音數據進行情緒跟蹤識別，得到與所述待識別語音數據對應的預測情緒識別結果；所述情緒識別結果中包括預測對象以及與所述預測對象對應的預測情緒標簽；

預測損失值確定模塊，用于根據所述目標對象、目標情緒標簽、預測對象以及預測情緒標簽，確定所述預設分類模型的預測損失值；

模型更新訓練模塊，用于在所述預測損失值未達到預設的收斂條件時，迭代更新所述預設分類模型中的初始參數，直至所述預測損失值達到所述收斂條件時，將收斂之后的所述預設分類模型記錄為語音情感分類模型。