[发明专利]语音情感识别方法、装置、电子设备和可读介质

权利要求书

1.一种语音情感识别方法，其特征在于，包括：

获取待检测语音段；

将待检测语音段输入语音情感识别模型，得到所述待检测语音段的情感标签序列，所述情感标签序列包括按照时序对应的多个情感标签；

将所述情感标签序列包含的多个情感标签按照出现次数进行排序；以及

采用出现次数大于预设值的情感标签作为所述待检测语音段的情感标签；通过训练神经网络得到所述语音情感识别模型，训练步骤包括：

收集多个语音段和所述多个语音段对应的句子级情感标签；

将每个语音段对应的句子级情感标签映射为情感标签序列；

采用所述多个语音段和所述语音段对应的情感标签序列对所述神经网络进行训练，通过计算CTC损失函数不断地修正所述神经网络的权值，以得到所述语音情感识别模型。

2.根据权利要求1所述的语音情感识别方法，其特征在于，还包括：在所述采用所述多个语音段和所述语音段对应的情感标签序列对所述神经网络进行训练步骤之前，

将所述多个语音段的每个语音段进行分帧处理，从每个帧数据中获取多个语音特征，并组成每个语音段对应的帧特征序列；

则在将所述待检测语音段输入到所述语音情感识别模型之前，还包括：将所述待检测语音段进行分帧处理，从每个帧数据中获取多个语音特征，组成所述待检测语音段对应的帧特征序列。

3.根据权利要求1所述的语音情感识别方法，其特征在于，所述将所述语音段的句子级情感标签映射为情感标签序列包括以下步骤中的一种：

将所述语音段分成n个非静音段，所述句子级情感标签对应于每个非静音段重复n次，并在相邻的两个非静音段之间填充空值，组成所述情感标签序列；和

将所述语音段分成m个音素，将所述句子级情感标签对应于每个音素重复m次，并在相邻的两个音素之间填充空值，组成所述情感标签序列，m和n为正整数。

4.根据权利要求2所述的语音情感识别方法，其特征在于，所述帧特征序列包括以下语音特征中的一个或多个：频谱特征、梅尔倒普系数、共振峰、基频。

5.根据权利要求1所述的语音情感识别方法，其特征在于，在所述训练步骤中，采用期望最大化算法进行计算，以更新所述神经网络的权值。

6.根据权利要求1至5任一项所述的语音情感识别方法，其特征在于，所述神经网络为RNN网络或LSTM-RNN网络。

7.一种语音情感识别装置，其特征在于，包括：

获取模块，用于获取待检测语音段；

识别模块，用于将待检测语音段输入语音情感识别模型，得到所述待检测语音段的情感标签序列，所述情感标签序列包括按照时序对应的多个情感标签；

排序模块，用于将所述情感标签序列包含的情感标签按照出现次数进行排序；

设定模块，用于采用出现次数大于预设值的情感标签作为所述待检测语音段的情感标签；

样本采集模块，用于采集收集多个语音段和所述多个语音段对应的句子级情感标签；

样本预处理模块，用于将每个语音段对应的句子级情感标签映射为情感标签序列；

样本训练模块，用于采用所述多个语音段和所述语音段对应的情感标签序列对神经网络进行训练，通过计算CTC损失函数不断地修正所述神经网络的权值，以得到所述语音情感识别模型。

8.根据权利要求7所述的语音情感识别装置，其特征在于，所述样本预处理模块还包括：将所述多个语音段的每个语音段进行分帧处理，从每个帧数据中获取多个语音特征，并组成每个语音段对应的帧特征序列；

则所述获取模块还包括：在获取到所述待检测语音段之后，将所述待检测语音段进行分帧处理，从每个帧数据中获取多个语音特征，组成所述待检测语音段对应的帧特征序列。