[发明专利]一种音频检测方法、装置、设备及存储介质

说明书

本发明实施例公开了一种音频检测方法、装置、设备及存储介质，涉及计算机网络技术领域。该音频检测方法包括：获取音频文件数据；确定音频文件数据对应的属性检测数据；通过预先训练的全连接网络模型，依据属性检测数据进行语音违规行为检测，生成音频文件数据对应的语音行为检测结果。本发明实施例能够及时检测出语音违规行为对应的违规语音数据，从而解决了现有基于用户举报和人工抽查导致语音违规行为检测的时间滞后的问题。

技术领域

本发明涉及计算机网络技术领域，尤其涉及一种音频检测方法、装置、设备及存储介质。

背景技术

随着计算机网络技术的快速发展，诸如个人计算机(Personal Computer，PC)、手机、平板电脑等设备越来越普及，给人们的生活、学习及工作带来了极大的便利。

作为设备的一个具体应用，用户可以使用设备，通过网络与其他用户进行语音沟通，如可以使用设备中所安装的带有语音聊天功能的软件，通过网络与其他用户进行语音聊天，也可以通过加入特定聊天室或聊天群参与多人的语音聊天和娱乐。具体的，用户可以通过设备将其所需要发送的语音信息发送给网络，使得其他用户可以通过网络接收到该语音信息并播放，达到语音沟通的目的。在实际聊天环境中，尤其是多人聊天时，语音信息涉及的内容范围较广，其中可能包含令人不适的语音数据，诸如刺耳、高分贝、内容不恰当等，这些语音通常是由个别用户恶意发出旨在干扰其他用户的正常使用，因而软件运营方将这类语音列为违规语音数据。

为了打击违规语音数据，保障用户的正常使用体验，避免用户流失而影响商业运营，软件运营方做了很多努力和探索，但收效有限。现有技术中，经常采用两种方案，一种是在软件上配置有举报入口，供正常用户举办违规用户，软件平台根据举报的线索作相应处理和惩罚；另一种是在平台侧部署人力，通过人工抽查或监控处理违规语音。对于具有大量活跃用户的软件平台，同一时间内经常同时并存数目极大的聊天室，各种违规语音数据很可能会大量随机出现，由此可知，上述两种方案均难以有效制止同一时间内随机出现的大量违规语音数据，也整体上很难解决违规语音影响用户正常体验的问题，并且偏向事后或者事情发生到一定程度后才介入，因此存在时间滞后，并且投入代价大。

发明内容

有鉴于此，本发明实施例提供一种音频检测方法、系统、设备以及存储介质，通过自动检测语音违规行为，以解决传统基于人工检测违规语音数据的方法中所存在的检测时间滞后的技术问题。

第一方面，本发明实施例提供了一种音频检测方法，包括：获取音频文件数据；确定音频文件数据对应的属性检测数据；通过预先训练的全连接网络模型，依据属性检测数据进行语音违规行为检测，生成音频文件数据对应的语音行为检测结果。

可选的，确定音频文件数据对应的属性检测数据，包括：对音频文件数据进行切片处理，得到至少两帧音频时域信息；依据至少两帧音频时域信息进行特征提取，得到振幅谱特征数据和声纹特征数据；对振幅谱特征数据和声纹特征数据进行拼接，生成特征向量数据；通过预先训练的语音分类模型，依据特征向量数据进行语音分类处理，得到作为所述属性检测数据的分类概率数据。

可选的，依据至少两帧音频时域信息进行特征提取，得到振幅谱特征数据，包括：对至少两帧音频时域信息进行频域变换，得到音频频域信息；基于音频频域信息进行振幅谱特征提取，得到所述音振幅谱特征数据。

可选的，确定音频文件数据对应的属性检测数据，包括：对音频文件数据进行切片处理，得到至少两帧音频时域信息；对至少两帧音频时域信息进行频域变换，得到音频频域信息；对音频频域信息进行均值处理，得到第二定长数据；基于第一定长数据，通过预先训练的神经网络模型进行声纹特征提取，得到作为所述属性检测数据的声纹特征数据。