[发明专利]语音区分模型训练方法、装置、计算机设备及存储介质

权利要求书

1.一种语音区分模型训练方法，其特征在于，包括：

对双向循环神经网络模型的权值和偏置进行初始化处理，获取原始双向循环神经网络模型；所述双向循环神经网络由向前循环神经网络和向后循环神经网络组成；

获取待训练语音数据，所述待训练语音数据包括等比例配置的标准训练语音数据和干扰训练语音数据；

将所述标准训练语音数据和所述干扰训练语音数据输入到原始双向循环神经网络模型中进行训练，获取模型输出值和真实输出值构建损失函数；基于所述损失函数，采用误差反向传播调整所述原始双向循环神经网络模型中向前循环神经网络和向后循环神经网络的权值和偏置，获取原始语音区分模型；

获取待测试语音数据，所述待测试语音数据包括等比例配置的标准测试语音数据和干扰测试语音数据；

将所述标准测试语音数据和干扰测试语音数据输入到原始语音区分模型的隐藏层进行计算处理，通过所述原始语音区分模型的输出层，获取所述标准测试语音数据或者干扰测试语音数据对应的识别准确率，若所述识别准确率大于预设阈值，则所述原始语音区分模型确定为目标语音区分模型。

2.如权利要求1所述的语音区分模型训练方法，其特征在于，所述将所述标准训练语音数据和所述干扰训练语音数据输入到原始双向循环神经网络模型中进行训练，获取模型输出值和真实输出值构建损失函数；基于所述损失函数，采用误差反向传播调整所述原始双向循环神经网络模型中向前循环神经网络和向后循环神经网络的权值和偏置，获取原始语音区分模型，包括：

采用ASR语音特征提取方法对所述标准训练语音数据和所述干扰训练语音数据进行特征提取，获取标准ASR语音特征和干扰ASR语音特征；

将所述标准ASR语音特征和所述干扰ASR语音特征输入到原始双向循环神经网络模型中进行训练，调整所述原始双向循环神经网络模型中向前循环神经网络和向后循环神经网络的权值和偏置，获取原始语音区分模型。

3.如权利要求2所述的语音区分模型训练方法，其特征在于，所述采用ASR语音特征提取方法对所述标准训练语音数据和所述干扰训练语音数据进行特征提取，获取标准ASR语音特征和干扰ASR语音特征，包括：

对所述标准训练语音数据和所述干扰训练语音数据分别进行快速傅里叶变换，获取对应的标准功率谱和干扰功率谱；

采用梅尔滤波器组对所述标准功率谱和所述干扰功率谱分别进行降维处理，获取标准梅尔频谱和干扰梅尔频谱；

对所述标准梅尔频谱和所述干扰梅尔频谱分别进行倒谱分析，获取标准ASR语音特征和干扰ASR语音特征。