[發(fā)明專利]模型訓(xùn)練方法及系統(tǒng)、通話音頻的預(yù)測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210293895.7
• 申請(qǐng)日: 2022-03-23
• 公開（公告）號(hào): CN114565062A
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 張威;羅超;鄒宇;郝竹林;張啟祥;楊赫;陳文浩;張澤
• 申請(qǐng)（專利權(quán)）人: 攜程旅游信息技術(shù)（上海）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 林嵩;馬濤

本發(fā)明公開了一種模型訓(xùn)練方法及系統(tǒng)、通話音頻的預(yù)測(cè)方法及系統(tǒng)。模型訓(xùn)練方法包括以下步驟：獲取通話音頻，通話音頻包括第一通話音頻和第二通話音頻，第一通話音頻為通話過程中有旁邊人說話的音頻，第二通話音頻為通話過程中無旁邊人說話的音頻；對(duì)通話音頻進(jìn)行標(biāo)注后形成訓(xùn)練數(shù)據(jù)集；將訓(xùn)練數(shù)據(jù)集中的訓(xùn)練數(shù)據(jù)輸入深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練以得到旁邊人說話檢測(cè)模型，旁邊人說話檢測(cè)模型用于預(yù)測(cè)通話過程中旁邊人說話的概率。本發(fā)明極大地提高了整句通話音頻中旁邊人說話檢測(cè)準(zhǔn)確率，進(jìn)而改善智能客服的話術(shù)選擇，進(jìn)而保證智能客服對(duì)話的順利進(jìn)行，從而提升用戶對(duì)智能客服的滿意度與用戶體驗(yàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種模型訓(xùn)練方法及系統(tǒng)、通話音頻的預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)

目前，在OTA(在線旅游)行業(yè)中，當(dāng)客人或酒店和智能客服通過電話或語(yǔ)音進(jìn)行實(shí)時(shí)溝通時(shí)，不免存在旁邊人說話干擾客人和智能客服之間的對(duì)話導(dǎo)致語(yǔ)音識(shí)別系統(tǒng)的準(zhǔn)確率下降的情況，進(jìn)而誤導(dǎo)后續(xù)智能客服的話術(shù)選擇，從而降低客人或酒店對(duì)智能客服的滿意度與用戶體驗(yàn)。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中在用戶和智能客服通話過程中不能檢測(cè)出旁邊人說話的情況，降低客戶體驗(yàn)的缺陷，提供一種模型訓(xùn)練方法及系統(tǒng)、通話音頻的預(yù)測(cè)方法及系統(tǒng)。

本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題：

本發(fā)明提供一種模型訓(xùn)練方法，所述模型訓(xùn)練方法包括以下步驟：

獲取通話音頻，所述通話音頻包括第一通話音頻和第二通話音頻，所述第一通話音頻為通話過程中有旁邊人說話的音頻，所述第二通話音頻為通話過程中無旁邊人說話的音頻；

對(duì)所述通話音頻進(jìn)行標(biāo)注后形成訓(xùn)練數(shù)據(jù)集；

將所述訓(xùn)練數(shù)據(jù)集中的訓(xùn)練數(shù)據(jù)輸入深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練以得到旁邊人說話檢測(cè)模型，所述旁邊人說話檢測(cè)模型用于預(yù)測(cè)通話過程中旁邊人說話的概率。

較佳地，所述對(duì)所述通話音頻進(jìn)行標(biāo)注后形成訓(xùn)練數(shù)據(jù)集的步驟包括：

通過動(dòng)態(tài)區(qū)域切割算法將所述通話音頻劃分為音頻時(shí)長(zhǎng)都相同的音頻片段；

對(duì)所述音頻片段進(jìn)行標(biāo)注后形成所述訓(xùn)練數(shù)據(jù)集。

較佳地，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型包括卷積層、池化層和線性層；

所述卷積層和所述池化層用于提取所述通話音頻的語(yǔ)音特征；

所述線性層用于根據(jù)所述卷積層和所述池化層輸出的所述語(yǔ)音特征對(duì)所述通話音頻進(jìn)行分類，以確定所述通話音頻為所述第一通話音頻或所述通話音頻為所述第二通話音頻。

本發(fā)明還提供一種通話音頻的預(yù)測(cè)方法，所述預(yù)測(cè)方法用于預(yù)測(cè)通話過程中是否有旁邊人說話，所述預(yù)測(cè)方法包括以下步驟：

獲取待預(yù)測(cè)的通話音頻；

將所述待預(yù)測(cè)的通話音頻輸入旁邊人說話模型以預(yù)測(cè)所述待預(yù)測(cè)的通話音頻中有旁邊人說話的概率；

所述旁邊人說話模型通過如上所述的模型訓(xùn)練方法訓(xùn)練得到的。

較佳地，所述將所述待預(yù)測(cè)的通話音頻輸入旁邊人說話模型以預(yù)測(cè)所述待預(yù)測(cè)的通話音頻中有旁邊人說話的概率的步驟包括：

基于所述旁邊人說話模型通過動(dòng)態(tài)區(qū)域切割算法將所述待預(yù)測(cè)的通話音頻劃分為音頻時(shí)長(zhǎng)都相同的音頻片段；

基于所述旁邊人說話模型通過softmax函數(shù)計(jì)算得到所述音頻片段中有旁邊人說話的概率，并通過所述旁邊人說話模型輸出所述音頻片段中有旁邊人說話的概率。

較佳地，所述將所述待預(yù)測(cè)的通話音頻輸入旁邊人說話模型以預(yù)測(cè)所述待預(yù)測(cè)的通話音頻中有旁邊人說話的概率的步驟之后，所述預(yù)測(cè)方法包括：