[发明专利]用于生成模型的方法和装置

权利要求书

1.一种用于生成模型的方法，包括：

获取针对处理后音频集合的训练样本集合，其中，所述处理后音频集合包括对处理前音频执行音质劣化处理得到的音频，所述音质劣化处理包括丢帧处理和置零处理中的至少一项，置零处理为将处理前音频的属性的属性值设置为零的处理，训练样本与处理后音频一一对应，训练样本包括处理后音频的特征数据和标识信息，标识信息用于指示处理后音频中是否包括语音音频；

利用机器学习算法，将所述训练样本集合中的训练样本包括的特征数据作为输入，将与输入的特征数据对应的标识信息作为期望输出，训练得到语音识别模型。

2.根据权利要求1所述的方法，其中，在所述音质劣化处理包括丢帧处理的情况下，所述处理后音频集合包括丢帧音频，丢帧音频是通过针对处理前音频集合中的处理前音频，执行如下处理得到的：

对处理前音频进行丢帧处理，得到丢帧音频作为处理后音频。

3.根据权利要求1所述的方法，其中，在所述音质劣化处理包括置零处理的情况下，所述处理后音频集合包括置零音频，置零音频是通过针对处理前音频集合中的处理前音频执行如下处理得到的：

对处理前音频进行置零处理，得到置零音频作为处理后音频。

4.根据权利要求1所述的方法，其中，在所述处理后音频集合包括丢帧音频和置零音频的情况下，所述处理后音频集合包括的丢帧音频的数量与所述处理后音频集合中的处理后音频的数量之比为预先确定的第一数值，所述处理后音频集合包括的置零音频的数量与所述处理后音频集合中的处理后音频的数量之比为预先确定的第二数值，其中，所述第一数值是音频集合中丢帧音频的数量与音频集合中音频的数量的比值，所述第二数值是音频集合中置零音频的数量与音频集合中音频的数量的比值。

5.根据权利要求1所述的方法，其中，在所述处理后音频集合包括丢帧音频和置零音频的情况下，所述处理后音频集合是通过针对处理前音频集合中的处理前音频，执行如下处理步骤得到的：

随机生成第一随机数和第二随机数，其中，所述第一随机数和所述第二随机数均为0到1之间的数；

响应于确定第一随机数大于等于预先确定的第一数值，并且，第二随机数小于预先确定的第二数值，将该处理前音频的所述属性的属性值设置为零，其中，所述第一数值用于表征音频中出现丢帧音频的概率，所述第二数值用于表征音频中出现置零音频的概率；

响应于确定第一随机数小于所述第一数值，并且，第二随机数大于等于所述第二数值，对该处理前音频进行丢帧处理。

6.根据权利要求1所述的方法，其中，所述属性为幅值。

7.根据权利要求1-6之一所述的方法，其中，所述语音识别模型为具有门控循环单元的循环神经网络模型。

8.一种用于检测语音的方法，包括：

获取目标音频，其中，所述目标音频包括语音音频；

针对所述目标音频包括的至少一个音频帧中的音频帧，将该音频帧的特征数据输入至预先训练的语音识别模型，得到标识信息，其中，所述语音识别模型是按照如权利要求1-7之一所述的方法训练得到的；

基于所得到的标识信息集合，生成所述目标音频的语音端点检测结果。

9.一种用于生成模型的装置，包括：

第一获取单元，被配置成获取针对处理后音频集合的训练样本集合，其中，所述处理后音频集合包括对处理前音频执行音质劣化处理得到的音频，所述音质劣化处理包括丢帧处理和置零处理中的至少一项，置零处理为将处理前音频的属性的属性值设置为零的处理，训练样本与处理后音频一一对应，训练样本包括处理后音频的特征数据和标识信息，标识信息用于指示处理后音频中是否包括语音音频；

训练单元，被配置成利用机器学习算法，将所述训练样本集合中的训练样本包括的特征数据作为输入，将与输入的特征数据对应的标识信息作为期望输出，训练得到语音识别模型。