[发明专利]语音信号处理模型训练方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种语音信号处理模型训练方法、装置、电子设备及存储介质，该方法包括：获取样本语音，确定样本语音的各语音信号处理任务的任务输入特征；根据各语音信号处理任务的训练损失函数，确定目标训练损失函数；将样本语音的各语音信号处理任务的任务输入特征，作为待训练的多任务神经网络的训练输入，以最小化目标训练损失函数为训练目标，对待训练的多任务神经网络的共享层和各任务层的参数进行更新，直至待训练的多任务神经网络收敛，得到语音信号处理模型；其中，待训练的多任务神经网络包括：共享层，和各语音信号处理任务对应的任务层。本发明实施例可降低训练语音信号处理模型的计算复杂度，提高语音信号处理模型的训练效率。

技术领域

本发明涉及语音处理技术领域，具体涉及一种语音信号处理模型训练方法、装置、电子设备及存储介质。

背景技术

随着语音识别技术的发展，为了在复杂环境下保持较好的语音识别率，语音前端的语音信号处理技术的性能尤为重要；目前一般的语音识别过程为，语音前端对输入的多通道语音进行语音信号处理，输出单通道语音，再将单通道语音送给语音后台进行语音识别。

语音前端传统的语音信号处理过程一般包括多个语音信号处理任务，通过该多个语音信号处理任务递进协同的对输入的多通道语音进行处理，完成单通道语音的输出。以智能音箱场景为例，图1示出了语音前端传统的语音信号处理过程，该过程由多个语音信号处理任务构成，这些多个语音信号处理任务可具体包括：回声消除任务、语音检测任务、语音方向检测任务、麦克风阵列增强任务、单通道降噪任务、混响消除任务等；输入的多通道语音经过上述多个语音信号处理任务的协同处理后，可输出单通道语音，完成语音前端的语音信号处理。

随着深度学习技术的发展，神经网络技术应用的领域越来越广，为提高语音前端的语音信号处理性能，目前也出现了利用神经网络优化语音前端的语音信号处理过程的技术。该技术通过使用神经网络训练语音信号处理模型，利用语音信号处理模型替代语音前端传统的语音信号处理过程，或者辅助语音前端传统的语音信号处理过程，来提高语音前端的语音信号处理性能；可见，基于神经网络进行语音信号处理模型的训练，具有提高语音信号处理性能等重要技术意义。

然而，本发明的发明人发现，由于语音信号处理过程涉及的语音信号处理任务的数量较多，目前使用神经网络训练语音信号处理模型所面临的难题是，训练所涉及的计算复杂度较高，导致语音信号处理模型的训练效率较低；因此，如何降低训练语音信号处理模型的计算复杂度，提高语音信号处理模型的训练效率，成为了本领域技术人员需要解决的问题。

发明内容

有鉴于此，本发明实施例提供一种语音信号处理模型训练方法、装置、电子设备及存储介质，以降低训练语音信号处理模型的计算复杂度，提高语音信号处理模型的训练效率。

为实现上述目的，本发明实施例提供如下技术方案：

一种语音信号处理模型训练方法，包括：

获取样本语音，确定样本语音的各语音信号处理任务的任务输入特征；

根据各语音信号处理任务的训练损失函数，确定目标训练损失函数；

将样本语音的各语音信号处理任务的任务输入特征，作为待训练的多任务神经网络的训练输入，以最小化目标训练损失函数为训练目标，对待训练的多任务神经网络的共享层和各任务层的参数进行更新，直至待训练的多任务神经网络收敛，得到语音信号处理模型；其中，所述待训练的多任务神经网络包括：共享层，和各语音信号处理任务对应的任务层。

本发明实施例还提供一种语音信号处理模型训练装置，包括：

任务输入特征确定模块，用于获取样本语音，确定样本语音的各语音信号处理任务的任务输入特征；

目标损失函数确定模块，用于根据各语音信号处理任务的训练损失函数，确定目标训练损失函数；