[發明專利]一種音頻識別模型訓練方法、音頻識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211067740.8
• 申請日: 2022-09-01
• 公開（公告）號: CN115547308A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 王俊;鄧峰;王曉瑞
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L25/24;G10L15/02
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 賈允

本公開關于一種音頻識別模型訓練方法、音頻識別方法、裝置、電子設備及存儲介質，該方法包括：確定目標音頻特征信息，對目標音頻特征信息分別進行第一數據增強處理和第二數據增強處理，得到第一音頻特征信息和第二音頻特征信息，基于第一音頻特征信息和第二音頻特征信息對第一原始網絡和第二原始網絡進行音頻識別訓練，得到第一目標網絡和第二目標網絡，基于第一目標網絡中的第一編碼層或者第二目標網絡中的第二編碼層確定音頻識別模型。本申請通過數據增強處理后的第一音頻特征信息和第二音頻特征信息對第一原始網絡和第二原始網絡進行訓練，無需標簽數據，從而減少了訓練成本。

技術領域

本公開涉及互聯網技術領域，尤其涉及一種音頻識別模型訓練方法、音頻識別方法、裝置、電子設備及存儲介質。

背景技術

聲音攜帶的大量信息可以在我們的日常生活中發揮重要作用。在平常生活中，我們會收到各種聲音，并用它們來判斷我們在哪里(地鐵，街道等)，以及正在發生什么(警報器，狗叫等)。

隨著人工智能的飛速發展，計算機也可以做出這樣的判斷，其準確性甚至超過了人類。計算機聽覺和機器聽覺成為流行且有前途的研究領域。音頻分類與音頻事件檢測在物聯網、移動導航設備等領域以及視覺信息不明確的情況下可以用于感知計算并為用戶提供更好的響應。但是大部分工作都關注在有監督學習或者半監督學習中，這種學習模式需要數據的標簽信息，而標簽數據尤其是音頻領域的數據標注成本較高，這就導致了標簽數據獲取難度大，從而加大了工作成本。

發明內容

本公開提供一種音頻識別模型訓練方法、音頻識別方法、裝置、電子設備及存儲介質，本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種音頻識別模型訓練方法，包括：

確定目標音頻特征信息；

對目標音頻特征信息分別進行第一數據增強處理和第二數據增強處理，得到第一音頻特征信息和第二音頻特征信息；

基于第一音頻特征信息和第二音頻特征信息分別對第一原始網絡和第二原始網絡進行音頻識別訓練，得到第一目標網絡和第二目標網絡；第一目標網絡的第一音頻輸出數據和第二目標網絡的第二音頻輸出數據之間的差距小于等于預設差距；

基于第一目標網絡中的第一編碼層或者第二目標網絡中的第二編碼層確定音頻識別模型。

在一些可能的實施例中，基于第一音頻特征信息和第二音頻特征信息分別對第一原始網絡和第二原始網絡進行音頻識別訓練，得到第一目標網絡和第二目標網絡，包括：

通過第一原始網絡對第一音頻特征信息進行音頻識別處理，得到第一音頻輸出數據；

通過第二原始網絡對第二音頻特征信息進行音頻識別處理，得到第二音頻輸出數據；其中，第一音頻輸出數據和第二音頻輸出數據的數據維度相同；

基于第一音頻輸出數據和第二音頻輸出數據確定音頻相似度數據；

基于音頻相似度數據訓練第一原始網絡和第二原始網絡；

在滿足迭代終止條件的情況下，得到第一目標網絡和第二目標網絡。

在一些可能的實施例中，基于音頻相似度數據訓練第一原始網絡和第二原始網絡；在滿足迭代終止條件的情況下，得到第一目標網絡和第二目標網絡，包括：

基于音頻相似度數據對第一原始網絡的第一網絡參數進行更新，得到更新后的第一網絡參數和更新后的第一原始網絡；

基于更新后的第一網絡參數對第二原始網絡的第二網絡參數進行更新，得到更新后的第二網絡參數和更新后的第二原始網絡；

循環訓練第一原始網絡和第二原始網絡，直至滿足迭代終止條件；

將訓練后的第一原始網絡確定為第一目標網絡，將訓練后的第二原始網絡確定為第二目標網絡。