[发明专利]一种语种向量获得、语种识别的方法和相关装置

说明书

本申请公开了一种语种向量获得、语种识别的方法和相关装置，该方法包括：将各个长时语音数据切分获得短时语音片段，利用全变量因子分析技术得到各个语音数据和各个语音片段的语种向量；基于各个语音数据和各个语音片段的语种向量进行时长干扰属性投影处理获得时长干扰投影矩阵；利用时长干扰投影矩阵将各个语音数据的语种向量映射为各个语音数据的新语种向量。可见，该方法充分有效挖掘长时语音数据和短时语音片段的相互关联信息。即使短时语音数据利用上述全变量空间和时长干扰投影矩阵进行时长因素补偿也能够得到更加精准、稳定的新语种向量，从而提高短时语音语种识别的准确性。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种语种向量获得、语种识别的方法和相关装置。

背景技术

随着智能识别技术的快速发展，语种识别技术越来越多受到人们的关注。在某些应用场景中对语种识别技术的准确性要求较高，而语种识别技术的准确性取决于待识别语音对应的语种向量和预先得到的作为语种识别标准的语种标准向量的准确性。

目前，语种向量获得的方法主要是利用全变量因子分析技术，具体地，利用大量的语音数据预先训练得到覆盖各种环境和信道的全变量空间；针对语音数据，提取语音数据中反映语种信息的语种特征；通过前向-后向算法(Baum-Welch算法)按时序计算每帧语音数据对应的语种特征在混合高斯模型每个高斯成分中的后验占有率；通过全变量空间进行线性投影获得语音数据对应的语种向量。

但是，采用上述语种向量获得的方法，当语音数据时长较短时，语音数据中语音内容较为稀疏，提取的特征无法精确反映语种信息；且提取的特征数量不够充分，则够进行统计计算的特征数量不足，最终获得的语种向量不够精确、稳定，进而导致语种识别的准确性下降。

发明内容

本申请所要解决的技术问题是，提供一种语种向量获得、语种识别的方法和相关装置，短时语音数据进行时长因素补偿也能够得到更加精准、稳定的新语种向量，从而提高语种识别的准确性。

第一方面，本申请实施例提供了一种语种向量获得的方法，该方法包括：

基于各个语音数据和各个所述语音数据切分获得的语音片段，利用全变量因子分析技术获得各个所述语音数据的语种向量和各个所述语音片段的语种向量；所述语音片段的时长符合预设时长范围；

基于各个所述语音数据的语种向量和各个所述语音片段的语种向量，进行时长干扰属性投影处理获得时长干扰投影矩阵；

利用所述时长干扰投影矩阵将各个所述语音数据的语种向量映射为各个所述语音数据的新语种向量。

在本申请实施例的一种实施方式中，所述预设时长范围由第一预设时长和第二预设时长组成，所述第一预设时长小于所述第二预设时长，所述语音数据的时长大于所述第二预设时长，所述语音数据切分获得所述语音片段的步骤包括：

每次切分前基于所述预设时长范围随机确定随机切分时长；

按照所述随机切分时长切分所述语音数据获得所述语音片段。

在本申请实施例的一种实施方式中，所述基于各个语音数据和各个所述语音数据切分获得的语音片段，利用全变量因子分析技术获得各个所述语音数据的语种向量和各个所述语音片段的语种向量，包括：

提取各个所述语音数据的语种特征和各个所述语音片段的语种特征，利用全变量因子分析技术获得全变量空间；

基于各个所述语音数据的语种特征、各个所述语音片段的语种特征和所述全变量空间，获得各个所述语音数据的语种向量和各个所述语音片段的语种向量。

在本申请实施例的一种实施方式中，所述基于各个所述语音数据的语种向量和各个所述语音片段的语种向量，进行时长干扰属性投影处理获得时长干扰投影矩阵，包括：