[發明專利]語音數據的處理方法、裝置、電子設備、存儲介質及產品

在審

• 申請號: 202111481429.3
• 申請日: 2021-12-06
• 公開（公告）號: CN113948084A
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 郭震;李智勇;陳孝良
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 王靜

1.一種語音數據的處理方法，其特征在于，所述方法包括：

確定語音數據，所述語音數據為待處理的語音數據；

確定所述語音數據對應的人群特征，所述人群特征用于表示所述語音數據的對象所屬的人群；

從多個語音數據集合中，確定所述人群特征對應的目標語音數據集合，所述多個語音數據集合為基于人群特征劃分得到，且每個語音數據集合對應不同的人群特征；

從所述目標語音數據集合中，確定與所述語音數據匹配的目標語音數據，所述目標語音數據的聲紋特征與所述語音數據的聲紋特征相匹配。

2.根據權利要求1所述的方法，其特征在于，所述語音數據對應的人群特征的確定過程包括：

將所述語音數據輸入聲紋識別模型，輸出所述語音數據對應的人群特征，所述聲紋識別模型用于識別所述語音數據對應的人群特征。

3.根據權利要求2所述的方法，其特征在于，所述人群特征的數量為多個，所述聲紋識別模型中包括多個分類任務模塊，每個分類任務模塊用于獲取一個人群特征；

所述將所述語音數據輸入聲紋識別模型，輸出所述語音數據對應的人群特征，包括：

將所述語音數據輸入所述聲紋識別模型，基于所述多個分類任務模塊，確定所述語音數據對應的多個人群特征，輸出所述多個人群特征。

4.根據權利要求3所述的方法，其特征在于，所述多個人群特征包括性別和年齡，所述多個分類任務模塊包括性別分類模塊和年齡分類模塊，所述將所述語音數據輸入所述聲紋識別模型，基于所述多個分類任務模塊，確定所述語音數據對應的多個人群特征，包括：

將所述語音數據輸入所述聲紋識別模型，分別基于所述性別分類模塊和年齡分類模塊，確定所述語音數據對應的性別和年齡。

5.根據權利要求3所述的方法，其特征在于，所述聲紋識別模型的訓練過程包括：

將樣本語音數據輸入初始聲紋識別模型，輸出每個分類任務模塊對所述樣本語音數據的預測結果；

對于每個分類任務模塊，對比所述預測結果與所述樣本語音數據的標記結果，得到對比結果；

確定所述對比結果對應的第一損失值；

基于所述多個分類任務模塊的第一損失值，對所述初始聲紋識別模型的模型參數進行調整，得到所述聲紋識別模型。

6.根據權利要求5所述的方法，其特征在于，所述基于所述多個任務模塊的第一損失值，對所述初始聲紋識別模型的模型參數進行調整，得到所述聲紋識別模型，包括：

基于所述多個分類任務模塊的第一損失值，分別對所述每個分類任務模塊的模型參數進行調整；

確定校正后的每個分類任務模塊的第二損失值和每個分類任務模塊在當前時刻的權重；

對所述多個分類任務模塊的第二損失值和權重加權求和，得到所述聲紋識別模型的綜合損失值；

基于所述綜合損失值，再次對所述每個分類任務模塊的模型參數進行調整，得到所述聲紋識別模型。

7.根據權利要求6所述的方法，其特征在于，所述每個分類任務模塊在當前時刻的權重的確定過程包括：

對于每個分類任務模塊，確定所述分類任務模塊的權重調整參數和所述分類任務模塊在當前時刻的衡量指標值；

基于所述衡量指標值，確定目標對數值，所述目標對數值與所述衡量指標值呈對數關系；

基于所述衡量指標值，確定目標差值，所述目標差值與所述衡量指標值呈負相關；

確定以所述目標差值為底數、所述權重調整參數為指數的指數值；

確定所述指數值與所述目標對數值的乘積的負數，得到所述分類任務模塊的權重。

8.根據權利要求2所述的方法，其特征在于，所述聲紋識別模型包括聲紋分類模塊，所述聲紋分類模塊用于確定與所述語音數據相匹配的目標語音數據，所述從所述目標語音數據集合中，確定與所述語音數據匹配的目標語音數據，包括：

將所述語音數據輸入所述聲紋識別模型，基于所述聲紋分類模塊，確定所述語音數據的聲紋特征，基于所述聲紋特征，從所述目標語音數據集合中確定所述目標語音數據。