[发明专利]音频开头爆音的检测方法、装置及存储介质

权利要求书

1.一种音频开头爆音的检测方法，其特征在于，所述方法包括：

根据预设样本点范围以及预设步长确定第一参考模型包含的多个基本处理单元；

获取训练样本；

按照预设采样率对所述训练样本进行数据规整，以保留所述训练样本的双声道信号；

截取开头预设时长对应的音频片段；

按照时间顺序将所述音频片段分割为多个不同尺度的音频子片段；

按照时间尺度将所述多个不同尺度的音频子片段分别输入对应尺度的所述基本处理单元中进行不同尺度的特征提取，以提取出多个不同尺度的特征图；

将所述多个不同尺度的特征图输入第二参考模型中进行特征融合训练，以得到特征融合参数；

根据所述多个不同尺度的特征图与特征融合参数生成检测模型，其中所述检测模型包括训练后的所述第一参考模型与第二参考模型；

基于所述检测模型对待测音频进行音频开头爆音的检测。

2.如权利要求1所述的音频开头爆音的检测方法，其特征在于，所述按照预设采样率对所述训练样本进行数据规整，以保留所述训练样本的双声道信号，还包括：若所述训练样本为单声道信号，则对所述训练样本的单声道信号进行复制处理，以得到处理后的所述训练样本的双声道信号；

所述截取开头预设时长对应的音频片段，还包括：若所述训练样本的总时长小于所述预设时长，则对所述训练样本进行补零，以使得所述训练样本的总时长达到所述预设时长。

3.如权利要求1所述的音频开头爆音的检测方法，其特征在于，所述基本处理单元为二维卷积单元，所述按照时间尺度将所述多个不同尺度的音频子片段分别输入对应尺度的所述基本处理单元中进行不同尺度的特征提取，以提取出多个不同尺度的特征图，包括：

通过每一对应的所述二维卷积单元对所述多个不同尺度的音频子片段的双声道信号按照时间尺度进行卷积，以使得每一所述二维卷积单元输出一个与对应尺度的音频子片段的双声道信号的大小相同的特征图，其中，所述特征图表示所述音频片段在不同时间尺度上与所述二维卷积单元的卷积核的相关性。

4.如权利要求1所述的音频开头爆音的检测方法，其特征在于，所述基本处理单元包括滤波子单元、门控子单元和混合子单元，所述将所述多个不同尺度的音频子片段分别输入对应尺度的所述基本处理单元中进行不同尺度的特征提取，以提取出多个不同尺度的特征图，包括：

将所述多个不同尺度的音频子片段输入对应的所述滤波子单元进行滤波处理，以得到所述滤波子单元的输出特征图；

将所述多个不同尺度的音频子片段输入对应的所述门控子单元进行数据处理，以得到所述门控子单元的输出特征图；

将所述门控子单元的输出特征图经过sigmoid激活函数的映射处理后，与所述滤波子单元的输出特征图进行逐元素相乘，以得到乘积参数；

将所述乘积参数输入所述混合子单元中进行混合处理，以得到所述多个不同尺度的音频子片段中每一所述音频子片段在对应尺度下的特征图。

5.如权利要求1-4任一项所述的音频开头爆音的检测方法，其特征在于，在所述将所述多个不同尺度的特征图输入第二参考模型中进行特征融合训练之前，还包括：

将所述多个不同尺度的特征图进行排列。

6.如权利要求5所述的音频开头爆音的检测方法，其特征在于，所述检测模型还包括全连接网络以及sigmoid激活函数，所述根据所述多个不同尺度的特征图与特征融合参数生成检测模型，包括：

根据所述多个不同尺度的特征图调整所述第一参考模型，以得到训练后的所述第一参考模型；

根据所述特征融合参数调整所述第二参考模型，以得到训练后的所述第二参考模型；

将所述特征融合参数经过所述全连接网络以及sigmoid激活函数调整后得到的数据，作为所述检测模型的输出数据；

根据所述训练后的所述第一参考模型、训练后的所述第二参考模型、全连接网络以及sigmoid激活函数，生成所述检测模型。