[发明专利]用于生成模型的方法和装置

说明书

本申请实施例公开了用于生成模型的方法和装置，以及用于检测语音的方法和装置。该用于生成模型的方法的一具体实施方式包括：获取针对处理后音频集合的训练样本集合，其中，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，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。该实施方式丰富了模型的训练方式，有助于提高语音端点识别的准确度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成模型的方法和装置。

背景技术

语音交互中很重要的一点是能够在音频中，判断语音的起点和终点在音频中的位置。现有技术中，通常采用语音活动检测(Voice Activity Detection，VAD)来进行语音的端点检测。语音活动检测，又称语音端点检测、语音边界检测，是指在噪声环境中检测语音的存在与否。通常，语音活动检测可以用于语音编码、语音增强等语音处理系统中，起到降低语音编码速率、节省通信带宽、减少移动设备能耗、提高识别率等作用。

发明内容

本申请实施例提出了用于生成模型的方法和装置，以及用于检测语音的方法和装置。

第一方面，本申请实施例提供了一种用于生成模型的方法，该方法包括：获取针对处理后音频集合的训练样本集合，其中，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，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。

在一些实施例中，音质劣化处理包括丢帧处理，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。

在一些实施例中，音质劣化处理包括置零处理，处理后音频集合包括置零音频，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，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。

在一些实施例中，处理后音频集合包括丢帧音频和置零音频，处理后音频集合包括的丢帧音频的数量与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，处理后音频集合包括的置零音频的数量与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，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，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。

在一些实施例中，处理后音频集合包括丢帧音频和置零音频，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，第一随机数和第二随机数均为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，将该处理前音频的属性的属性值设置为零，其中，第一数值用于表征音频中出现丢帧音频的概率，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第一数值，并且，第二随机数大于等于第二数值，对该处理前音频进行丢帧处理。

在一些实施例中，上述属性为幅值。

在一些实施例中，语音识别模型为具有门控循环单元的循环神经网络模型。