[發明專利]一種音頻的處理方法、裝置以及存儲介質

在審

• 申請號: 202210189514.0
• 申請日: 2022-02-28
• 公開（公告）號: CN114582332A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 羅藝;李凱
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/16
• 分類號: G10L15/16;G06N3/04;G06N3/08
• 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: 聶秀娜

本申請公開了一種音頻的處理方法、裝置以及存儲介質，可應用于地圖領域。通過獲取待識別音頻；然后響應于針對待識別音頻的識別模式對待識別音頻進行識別；若識別模型為流式識別，則提取循環神經網絡中的前向分支；進而將待識別音頻輸入前向分支，以確定流式識別結果，該前向分支包括前向模型、第一全連接層。從而實現基于非流式模型的流式識別過程，由于流式識別過程采用循環神經網絡的一部分，即通過對循環神經網絡的改造，實現了流式識別過程，避免了非流式模型在流式識別過程中的誤判，提高了音頻識別的準確性。

技術領域

本申請涉及計算機技術領域，尤其涉及一種音頻的處理方法、裝置以及存儲介質。

背景技術

隨著互聯網技術的迅速發展，人們對音頻內容的要求越來越高。如何對音頻內容進行內容識別、音頻增強或音頻分離成為了研究重點。

一般，可以對音頻內容進行非流式識別，即采用深度神經網絡對音頻的整體特征進行提取，從而進行內容識別。

但是，非流式識別過程中采用的深度神經網絡無法進行實時的音頻幀識別，在流式識別過程中會出現誤判，影響音頻識別的準確性。

發明內容

有鑒于此，本申請提供一種音頻的處理方法，可以有效提高音頻識別的準確性。

本申請第一方面提供一種音頻的處理方法，可以應用于終端設備中包含音頻的處理功能的系統或程序中，具體包括：

獲取待識別音頻；

響應于針對所述待識別音頻的識別模式對所述待識別音頻進行識別；

若所述識別模型為流式識別，則提取循環神經網絡中的前向分支，所述前向分支包括前向模型和第一全連接層；

將所述待識別音頻輸入所述循環神經網絡，以基于所述前向模型提取所述待識別音頻對應的實時音頻幀中的前向特征信息，并通過所述第一全連接層對所述前向特征信息進行全連接得到全連接信息，以基于所述全連接信息解析得到流式識別結果。

可選的，在本申請一些可能的實現方式中，所述循環神經網絡包括所述前向分支和后向分支，所述后向分支包括后向模型和第二全連接層，所述方法還包括：

若所述識別模型為非流式識別，則將所述待識別音頻輸入所述前向分支中的所述前向模型，以得到對應的前向特征信息；

將所述待識別音頻輸入所述循環神經網絡中的所述后向分支中的所述后向模型，以得到對應的后向特征信息；

將所述前向特征信息與所述后向特征信息進行拼接，以得到第一拼接信息；

將所述第一拼接信息輸入所述第二全連接層，以基于所述目標特征信息確定非流式識別結果。

可選的，在本申請一些可能的實現方式中，所述后向分支用于進行與所述前向分支相同方向的特征提取，所述方法還包括：

若所述識別模型為流式識別，則將所述待識別音頻分別輸入所述前向分支和所述后向分支；

將所述前向分支和所述后向分支輸出的特征信息進行拼接，以得到第二拼接信息；

基于所述第二拼接信息進行流式識別。

可選的，在本申請一些可能的實現方式中，所述后向分支還包括時序反向模塊，所述方法還包括：

若所述識別模型為非流式識別，則將所述待識別音頻輸入輸入所述循環神經網絡中的所述前向分支，以得到前向特征信息；

將所述待識別音頻輸入所述時序反向模塊，以得到反向音頻；

將所述反向音頻輸入所述后向分支中的后向模型，以得到后向特征信息；