[发明专利]一种语种识别方法、装置、翻译机、介质和设备

说明书

本发明涉及语音技术领域，特别涉及一种语种识别方法、装置、翻译机、介质和设备。包括：确定采集到的语音时域信号中的每一帧对应的语音特征序列，并对每一帧语音时域信号对应的语音特征序列进行池化，确定出采集到的语音时域信号对应的语音特征序列。使得不论采集到的语音时域信号的长度是多长，都可以获得固定长度的语音特征序列，从而可以将其作为预先训练出的语种识别模型的输入，进行语种识别。因此可以通过特定的语音特征序列获取方式，以及经过训练得到的对应的语种识别模型，有效提高语种识别的准确性。

技术领域

本发明涉及语音技术领域，特别涉及一种语种识别方法、装置、翻译机、介质和设备。

背景技术

语种识别是判定一段语音信号所属语言种类(语种)的过程。主要应用于多语种语音信号处理系统的前端，对语音进行自动分类，再转送到相应语种的子系统中进行后续处理，可应用于随身携带的翻译机，多语种的语音识别系统等。为了实现更加智能的交互方式，利用语种识别技术判断出语种类别是很有必要的。

当前主流的语种识别模型主要有：高斯混合模型-全局背景模型(GMM-UBM)、高斯超向量-支持向量机模型(GSV-SVM)和深度神经网络(DNN)模型等。但采用这些模型进行语种识别，语种识别的准确性还有待提高。

发明内容

本发明实施例提供一种语种识别方法、装置、翻译机、介质和设备，用于解决语种识别的准确性较低的问题。

本发明提供一种语种识别方法，所述方法包括：

采集语音时域信号，确定采集到的语音时域信号中的每一语音帧对应的语音特征序列；

对所述语音特征序列进行池化，得到采集到的语音时域信号对应的语音特征序列；

将采集到的语音时域信号对应的语音特征序列作为输入，利用预先训练出的语种识别模型，确定采集到的语音时域信号对应的语种。

一种可能的实现方式中，对所述语音特征序列进行池化，得到采集到的语音时域信号对应的语音特征序列，包括：从所述语音特征序列中，选择部分语音特征序列，其中，每个选择出的语音特征序列中，不大于零的特征值个数不大于设定值；对选择出的语音特征序列进行池化，得到采集到的语音时域信号对应的语音特征序列。

一种可能的实现方式中，所述池化为最大池化。

进一步的，确定采集到的语音时域信号中的每一语音帧对应的语音特征序列之后，所述方法还包括：根据所述语音特征序列，对采集到的语音时域信号进行语音识别，得到采集到的语音时域信号对应的文本。

更进一步的，根据所述语音特征序列，对采集到的语音时域信号进行语音识别，包括：根据所述语音特征序列和确定出的语种，对采集到的语音时域信号进行语音识别。

一种可能的实现方式中，所述语种识别模型通过以下方式训练得到：

根据选择出的语言环境包括的语种，选择对应的训练样本；

针对每个训练样本，执行以下操作：

确定所述训练样本中的每一语音帧对应的语音特征序列；

对确定出的语音特征序列进行池化，得到所述训练样本对应的语音特征序列；

将所述训练样本对应的语音特征序列作为输入，训练对应的语种识别模型。

本发明还提供一种语种识别装置，所述装置包括：

采集模块，用于采集语音时域信号；

特征确定模块，用于确定采集到的语音时域信号中的每一语音帧对应的语音特征序列；

池化模块，用于对所述语音特征序列进行池化，得到采集到的语音时域信号对应的语音特征序列；