[發明專利]聲學模型的訓練、語音處理方法、裝置、設備及存儲介質

在審

• 申請號: 202110946708.6
• 申請日: 2021-08-18
• 公開（公告）號: CN113658581A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 王錫磊
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L13/047
• 分類號: G10L13/047;G10L13/04;G10L25/60
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 李哲;劉芳

1.一種聲學模型的訓練方法，包括：

獲取樣本文本和所述樣本文本對應的樣本語音，所述樣本語音中包括多個語音片段，所述樣本語音為目標用戶的語音；

根據所述樣本語音，確定所述樣本語音中語音片段的語音質量；

通過待處理的聲學模型對所述樣本文本進行語音合成處理得到預測語音；

根據所述樣本語音、所述預測語音、以及所述樣本語音中語音片段的語音質量，更新所述聲學模型的模型參數，所述聲學模型為所述目標用戶對應的聲學模型。

2.根據權利要求1所述的方法，其中，所述根據所述樣本語音，確定所述樣本語音中語音片段的語音質量，包括：

根據所述樣本語音，確定所述樣本語音中語音片段的第一指示信息，每個語音片段的第一指示信息用于指示所述語音片段中存在語音或者不存在語音；

根據所述樣本語音，確定所述樣本語音中語音片段的第二指示信息，每個語音片段的第二指示信息用于指示所述語音片段中的數據為有效數據或者無效數據；

針對所述樣本語音中的每個語音片段，根據所述第一指示信息和所述第二指示信息，確定所述語音片段的語音質量。

3.根據權利要求2所述的方法，其中，所述根據所述樣本語音，確定所述樣本語音中語音片段的第二指示信息，包括：

根據所述樣本語音，確定所述樣本語音中語音片段對應的基音頻率；

根據所述樣本語音中語音片段對應的基音頻率，確定基音頻率范圍；

針對所述樣本語音中每個語音片段，根據所述語音片段對應的基音頻率和所述基音頻率范圍，確定所述語音片段的第二指示信息。

4.根據權利要求3所述的方法，其中，所述根據所述樣本語音中語音片段對應的基音頻率，確定基音頻率范圍，包括：

按照基音頻率從大到小的順序，對所述樣本語音的多個語音片段進行排序；

根據排序后的前M個語音片段對應的基音頻率，確定四分位數間距，所述M為大于1的整數；

確定所述基音頻率范圍的最小值為所述四分位數間距與第一系數的乘積，以及確定所述基音頻率范圍的最大值為所述四分位數間距與第二系數的乘積，所述第二系數大于所述第一系數。

5.根據權利要求3或4所述的方法，其中，所述根據所述語音片段對應的基音頻率和所述基音頻率范圍，確定所述語音片段的第二指示信息，包括：

若所述語音片段對應的基音頻率在所述基音頻率范圍內，則確定所述第二指示信息指示所述語音片段中的數據為有效數據；或者，

若所述語音片段對應的基音頻率不在所述基音頻率范圍內，則確定所述第二指示信息指示所述語音片段中的數據為無效數據。

6.根據權利要求2至5任一項所述的方法，其中，每個語音片段的語音質量為第一質量或者第二質量，所述第一質量高于所述第二質量；所述根據所述第一指示信息和所述第二指示信息，確定所述語音片段的語音質量，包括：

若所述第一指示信息指示所述語音片段中存在語音，且所述第二指示信息指示所述語音片段中的數據為有效數據，則確定所述語音片段的語音質量為第一質量；或者，

若所述第一指示信息指示所述語音片段中存在語音，且所述第二指示信息指示所述語音片段中的數據為無效數據，則確定所述語音片段的語音質量為第二質量；或者，

若所述第一指示信息指示所述語音片段中不存在語音，則確定所述語音片段的語音質量為第一質量。

7.根據權利要求1至6任一項所述的方法，其中，所述根據所述樣本語音、所述預測語音、以及所述樣本語音中語音片段的語音質量，更新所述聲學模型的模型參數，包括：

根據所述樣本語音中語音片段的語音質量，在所述樣本語音中確定出部分語音，所述部分語音對應的語音片段的語音質量高于或者等于預設質量；

根據所述部分語音和所述預測語音，更新所述聲學模型的模型參數。