[發(fā)明專利]模型訓練方法及組件，音素發(fā)音時長標注方法及組件

在審

• 申請?zhí)枺?/td>: 202111179340.1
• 申請日: 2021-10-09
• 公開（公告）號: CN113936627A
• 公開（公告）日: 2022-01-14
• 發(fā)明（設計）人: 莊曉濱
• 申請（專利權）人: 騰訊音樂娛樂科技（深圳）有限公司
• 主分類號: G10H1/00
• 分類號: G10H1/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 林志鵬

1.一種模型訓練方法，其特征在于，包括：

從歌曲音節(jié)集中獲取目標音節(jié)和所述目標音節(jié)的標簽；所述標簽包括：所述目標音節(jié)中的輔音音素的輔音發(fā)音幀數N₀、所述目標音節(jié)中的元音音素的元音發(fā)音幀數N₁；

按照所述輔音發(fā)音幀數N₀和所述元音發(fā)音幀數N₁，構建包括N₀個輔音標記和N₁個元音標記的目標序列；

將所述目標音節(jié)重復N次得到音節(jié)組；其中，N＝N₀+N₁；；

將所述音節(jié)組輸入神經網絡模型，以使所述神經網絡模型輸出預測序列；所述預測序列包括N₃個輔音標記和N₄個元音標記；其中，N₃+N₄＝N；

計算所述預測序列與所述目標序列之間的損失值；

基于所述損失值對所述神經網絡模型的參數進行調整，得到更新后的模型；

若更新后的模型收斂，則將更新后的模型作為音素發(fā)音時長識別模型。

2.根據權利要求1所述的方法，其特征在于，還包括：

若更新后的模型未收斂，則從所述歌曲音節(jié)集中重新獲取另一音節(jié)及該音節(jié)的標簽，以對更新后的模型進行迭代訓練，直至模型收斂時，將更新后的模型作為所述音素發(fā)音時長識別模型。

3.根據權利要求1所述的方法，其特征在于，所述將所述音節(jié)組輸入神經網絡模型，以使所述神經網絡模型輸出預測序列，包括：

所述神經網絡模型基于所述音節(jié)組中的所述目標音節(jié)的重復次數確定所述目標音節(jié)的發(fā)音總幀數N，并預測所述目標音節(jié)中的每幀發(fā)音的音素類型；

若任一幀發(fā)音的音素類型為輔音，則記錄一個輔音標記，若任一幀發(fā)音的音素類型為元音，則記錄一個元音標記，得到所述預測序列。

4.根據權利要求3所述的方法，其特征在于，所述預測所述目標音節(jié)中的每幀發(fā)音的音素類型，包括：

通過查詢音素詞典預測所述目標音節(jié)中的每幀發(fā)音的音素類型。

5.根據權利要求1至4任一項所述的方法，其特征在于，若所述目標音節(jié)為單音素元音音節(jié)，則所述按照所述輔音發(fā)音幀數N₀和所述元音發(fā)音幀數N₁，構建包括N₀個輔音標記和N₁個元音標記的目標序列之后，還包括：

在所述目標序列的首位填充一個輔音標記；

相應地，在所述計算所述預測序列與所述目標序列之間的損失值之前，還包括：

在所述預測序列的首位填充一個輔音標記。

6.根據權利要求1至4任一項所述的方法，其特征在于，所述計算所述預測序列與所述目標序列之間的損失值之前，還包括：

檢測并消除所述預測序列中的噪點。

7.根據權利要求1至4任一項所述的方法，其特征在于，所述計算所述預測序列與所述目標序列之間的損失值，包括：

將所述預測序列與所述目標序列對位比較，得到N個比較結果；

基于所述N個對比結果確定所述損失值。

8.一種音素發(fā)音時長標注方法，其特征在于，包括：

獲取待標注文本；

將所述待標注文本轉換為音節(jié)；

將所述音節(jié)輸入權利要求1至7任一項所述的音素發(fā)音時長識別模型，以使所述音素發(fā)音時長識別模型輸出標注序列；

基于所述標注序列確定所述音節(jié)中的元音音素的元音發(fā)音幀數和輔音音素的輔音發(fā)音幀數；

將所述元音發(fā)音幀數與單位幀長度的乘積記錄為元音發(fā)音時長，將所述輔音發(fā)音幀數與所述單位幀長度的乘積記錄為輔音發(fā)音時長；

將所述元音發(fā)音時長和所述輔音發(fā)音時長標注于所述音節(jié)。