[發明專利]一種目標域音頻訓練數據的獲取方法及裝置

在審

• 申請號: 202210121323.0
• 申請日: 2022-02-09
• 公開（公告）號: CN114387957A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 黎子駿;馬金龍;王偉喆;吳文亮;曾銳鴻;熊佳;盤子圣;羅簫;焦南凱;徐志堅;謝睿;陳光堯
• 申請（專利權）人: 廣州歡城文化傳媒有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/26;G10L19/02
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉思言

本申請公開了一種目標域音頻訓練數據的獲取方法及裝置，所述方法包括：獲取已訓練的源域語音識別模型，以及不帶聲音事件標簽的目標域音頻數據，源域語音識別模型處理的音頻數據的長度為源域數據長度，將目標域音頻數據編輯至源域數據長度，將編輯后的音頻數據輸入源域語音識別模型，得到模型輸出的編輯后的音頻數據的聲音事件標簽，將確定有聲音事件標簽的音頻數據編輯至目標域音頻數據的數據長度，得到目標域音頻訓練數據。可見，對目標域音頻數據進行長度編輯，通過源域模型對編輯后的目標域音頻數據標注標簽，最后復原至目標域音頻數據的長度，得到的帶有標簽的目標域音頻訓練數據，獲得更多目標域音頻訓練數據的同時也更加準確。

技術領域

本申請涉及語音識別技術領域，更具體的說，是涉及一種目標域音頻訓練數據的獲取方法及裝置。

背景技術

隨著語音識別技術的不斷發展，語音識別模型已應用在多個場景中，可以根據語音的內容識別出語音的類型。比如對于直播審核場景，語音識別模型可以識別出惡意辱罵聲，提醒網管對其封禁；對于智能家居場景，語音識別模型可以識別出嬰兒哭聲，遠程提醒父母；對于動物園場景，語音識別模型可以識別猛獸聲音，提醒游客小心猛獸攻擊。

通常的，不同場景下的語音識別模型會對識別的音頻數據有不同的數據長度要求，那么已有的場景(源域)的音頻數據很可能不符合目標場景(目標域)的語音識別模型的訓練數據要求，作為目標域的語音識別模型的訓練數據則不準確，與此同時，目標域的無標簽音頻數據需要耗費大量人力、時間標注標簽，因此缺少目標域語音識別模型的訓練數據。

如何得到更多更準確的目標域語音識別模型的訓練數據，是需要解決的問題。

發明內容

鑒于上述問題，提出了本申請以便提供一種目標域音頻訓練數據的獲取方法及裝置，以獲得更多更準確的目標域語音識別模型的訓練數據。

為了實現上述目的，現提出具體方案如下：

一種目標域音頻訓練數據的獲取方法，包括：

獲取已訓練的源域語音識別模型，以及不帶聲音事件標簽的目標域音頻數據，所述源域語音識別模型處理的音頻數據的長度為源域數據長度；

將所述目標域音頻數據編輯至所述源域數據長度，得到編輯后的音頻數據；

將所述編輯后的音頻數據輸入至所述源域語音識別模型，得到模型輸出的所述編輯后的音頻數據的聲音事件標簽；

將確定有聲音事件標簽的音頻數據編輯至所述目標域音頻數據的數據長度，得到目標域音頻訓練數據。

可選的，將所述目標域音頻數據編輯至所述源域數據長度，得到編輯后的音頻數據，包括：

若所述目標域音頻數據的數據長度不大于所述源域數據長度，對所述目標域音頻數據填充空白音頻至所述源域數據長度，得到數據長度為源域數據長度的目標域音頻數據；

若所述目標域音頻數據的數據長度大于所述源域數據長度，將所述目標域音頻數據切分為數據長度為所述源域數據長度的若干條子音頻數據，得到數據長度為源域數據長度的目標域音頻數據。

可選的，所述將確定有聲音事件標簽的音頻數據編輯至所述目標域音頻數據的數據長度，得到目標域音頻訓練數據，包括：

若所述目標域音頻數據的數據長度不大于所述源域數據長度，對確定有聲音事件標簽的音頻數據刪除空白音頻，得到數據長度為所述目標域音頻數據的數據長度的音頻數據，作為目標域音頻訓練數據；

若所述目標域音頻數據的數據長度大于所述源域數據長度，將確定有聲音事件標簽的音頻數據，填充空白音頻至所述目標域音頻數據的數據長度，得到數據長度為所述目標域音頻數據的數據長度的音頻數據，作為目標域音頻訓練數據。

可選的，該方法還包括：