[發(fā)明專利]一種模型訓練方法、裝置和用于模型訓練的裝置在審
| 申請?zhí)枺?/td> | 202110942719.7 | 申請日： | 2021-08-17 |
| 公開（公告）號： | CN113707134A | 公開（公告）日： | 2021-11-26 |
| 發(fā)明（設計）人： | 王森茂;周盼;王智超;王佳文 | 申請（專利權(quán)）人： | 北京搜狗科技發(fā)展有限公司 |
| 主分類號： | G10L15/06 | 分類號： | G10L15/06;G10L15/02;G10L15/20;G10L15/22;G10L21/0208;G10L21/0216;G10L25/03 |
| 代理公司： | 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319 | 代理人： | 蘇培華 |
| 地址： | 100084 北京市海淀區(qū)中關(guān)*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 模型 訓練 方法 裝置 用于 | ||
1.一種模型訓練方法，其特征在于，所述方法包括：
獲取語音訓練樣本，所述語音訓練樣本包括帶噪語音樣本以及所述帶噪語音樣本對應的干凈語音樣本；
基于所述語音訓練樣本，對串聯(lián)的語音增強模型和語音識別模型進行迭代聯(lián)合訓練，在每輪訓練中根據(jù)所述語音增強模型和所述語音識別模型的聯(lián)合損失值調(diào)整所述語音增強模型，和/或，所述語音識別模型的模型參數(shù)，當所述聯(lián)合損失值滿足收斂條件得到訓練完成的語音增強模型和語音識別模型。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述語音訓練樣本，對串聯(lián)的語音增強模型和語音識別模型進行迭代聯(lián)合訓練，包括：
在每輪訓練中，在所述語音訓練樣本中選取帶噪語音樣本輸入所述語音增強模型進行語音增強處理，得到所述帶噪語音樣本對應的語音增強結(jié)果；
對所述語音增強結(jié)果進行特征提取，得到所述語音增強結(jié)果對應的目標特征數(shù)據(jù)；
將所述目標特征數(shù)據(jù)輸入所述語音識別模型進行語音識別處理，得到所述帶噪語音樣本的語音識別結(jié)果；
根據(jù)所述帶噪語音樣本的語音增強結(jié)果和所述帶噪語音樣本的語音識別結(jié)果，確定所述語音增強模型和所述語音識別模型的聯(lián)合損失值，并根據(jù)所述聯(lián)合損失值調(diào)整所述語音增強模型，和/或，所述語音識別模型的模型參數(shù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述語音訓練樣本還包括所述帶噪語音樣本對應的文本信息，所述根據(jù)所述帶噪語音樣本的語音增強結(jié)果和所述帶噪語音樣本的語音識別結(jié)果，確定所述語音增強模型和所述語音識別模型的聯(lián)合損失值，包括：
根據(jù)所述帶噪語音樣本的語音增強結(jié)果和所述干凈語音樣本確定所述語音增強模型的第一損失值；
根據(jù)所述帶噪語音樣本的語音識別結(jié)果和所述文本信息確定所述語音識別模型的第二損失值；
對所述第一損失值和所述第二損失值進行加權(quán)求和，得到所述語音增強模型和所述語音識別模型的聯(lián)合損失值。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述語音增強結(jié)果進行特征提取，包括：
對所述語音增強結(jié)果逐幀進行特征提取，得到每一幀的特征信息；
對所述語音增強結(jié)果中的當前幀，將所述當前幀的前一幀與后一幀的特征信息增加到所述當前幀的特征信息中，得到目標特征數(shù)據(jù)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
獲取待處理的目標語音數(shù)據(jù)；
將所述目標語音數(shù)據(jù)輸入訓練完成的語音增強模型進行語音增強處理，得到所述目標語音數(shù)據(jù)對應的語音增強結(jié)果。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：
將所述目標語音數(shù)據(jù)對應的語音增強結(jié)果輸入訓練完成的語音識別模型進行語音識別處理，得到所述目標語音數(shù)據(jù)的語音識別結(jié)果。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
基于預置語音識別模型，利用不同場景的語音訓練樣本，對串聯(lián)的語音增強模型和所述預置語音識別模型進行迭代聯(lián)合訓練，得到訓練完成的不同場景下的語音增強模型和語音識別模型。
8.一種模型訓練裝置，其特征在于，所述裝置包括：
訓練樣本獲取模塊，用于獲取語音訓練樣本，所述語音訓練樣本包括帶噪語音樣本以及所述帶噪語音樣本對應的干凈語音樣本；
模型訓練模塊，用于基于所述語音訓練樣本，對串聯(lián)的語音增強模型和語音識別模型進行迭代聯(lián)合訓練，在每輪訓練中根據(jù)所述語音增強模型和所述語音識別模型的聯(lián)合損失值調(diào)整所述語音增強模型，和/或，所述語音識別模型的模型參數(shù)，當所述聯(lián)合損失值滿足收斂條件得到訓練完成的語音增強模型和語音識別模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京搜狗科技發(fā)展有限公司，未經(jīng)北京搜狗科技發(fā)展有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110942719.7/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
