[发明专利]一种模型训练的方法、语种识别的方法、装置及设备有效

专利信息
申请号: 201911136295.4 申请日: 2019-11-19
公开(公告)号: CN110853617B 公开(公告)日: 2022-03-01
发明(设计)人: 高骥;张姗姗;黄申;巫海维;蔡炜城;李明 申请(专利权)人: 腾讯科技(深圳)有限公司;昆山杜克大学
主分类号: G10L15/00 分类号: G10L15/00;G10L15/02;G10L15/06;G10L15/26
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 吴磊
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 模型 训练 方法 语种 识别 装置 设备
【说明书】:

本申请公开了一种模型训练的方法,包括:获取音频样本集合以及随机音频样本集合;通过待训练网络模型中的待训练音频生成模型获取第一音频声学特征集合;通过待训练网络模型中的待训练音频生成模型获取第二音频声学特征集合;基于第一音频声学特征集合以及第二音频声学特征集合,通过待训练网络模型中的待训练音频生成模型获取判别结果;基于第二音频声学特征集合,通过待训练网络模型中的待训练语种识别模型获取预测语种标签;采用目标损失函数对待训练网络模型进行训练,得到目标网络模型。本申请还公开了一种语种识别的方法及装置。本申请可以实现低资源条件下的模型训练,提升模型训练效果,增强了语种识别的准确度和可靠性。

技术领域

本申请涉及人工智能领域,尤其涉及一种模型训练的方法、语种识别的方法、装置及设备。

背景技术

随着现代社会信息的全球化,语种识别成为语音识别技术研究热点之一。语种识别技术能够制造一种模仿人的思维对语音进行语种辨识的机器,从语音信号中提取出各语种的差异信息,并以此为依据判断所属语种。

对歌曲语种的识别属于语音信息处理中的语种识别范畴。目前,对歌曲语种进行识别的方法为,将歌曲直接输入至语音识别的通用引擎中,该通用引擎从歌曲的语音学特征中对歌曲的语种进行分类识别。

然而,对于一些比较小众的语种而言,这类语种的歌曲数据往往较难获取,因此,在训练语音识别模型的过程中,由于缺乏歌曲数据的资源,而导致模型训练的效果较差,从而降低了语种识别的准确度和可靠性。

发明内容

本申请实施例提供了一种模型训练的方法、语种识别的方法、装置及设备,可以实现低资源条件下的模型训练,提升模型训练效果,增强了语种识别的准确度和可靠性。

有鉴于此,本申请第一方面提供一种模型训练的方法,包括:

获取音频样本集合以及随机音频样本集合,其中,音频样本集合包括至少一个音频样本,随机音频样本集合包括至少一个随机音频样本,音频样本集合对应于真实语种标签;

基于音频样本集合,通过待训练网络模型中的待训练音频生成模型获取第一音频声学特征集合,其中,第一音频声学特征集合包括至少一个第一音频声学特征,第一音频声学特征与音频样本具有对应关系;

基于随机音频样本集合,通过待训练网络模型中的待训练音频生成模型获取第二音频声学特征集合,其中,第二音频声学特征集合包括至少一个第二音频声学特征,第二音频声学特征与随机音频样本具有对应关系;

基于第一音频声学特征集合以及第二音频声学特征集合,通过待训练网络模型中的待训练音频生成模型获取判别结果;

基于第二音频声学特征集合,通过待训练网络模型中的待训练语种识别模型获取预测语种标签;

基于预测语种标签、真实语种标签、第一音频声学特征集合、第二音频声学特征集合以及判别结果,采用目标损失函数对待训练网络模型进行训练,得到目标网络模型,其中,目标网络模型包括音频生成模型以及语种识别模型,音频生成模型包括生成器。

本申请第二方面提供一种模型训练的方法,包括:

获取音频样本集合以及随机音频样本集合,其中,音频样本集合包括至少一个音频样本,随机音频样本集合包括至少一个随机音频样本,音频样本集合对应于真实语种标签;

基于音频样本集合,通过待训练音频生成模型获取第一音频声学特征集合,其中,第一音频声学特征集合包括至少一个第一音频声学特征,第一音频声学特征与音频样本具有对应关系;

基于随机音频样本集合,通过待训练音频生成模型获取第二音频声学特征集合,其中,第二音频声学特征集合包括至少一个第二音频声学特征,第二音频声学特征与随机音频样本具有对应关系;

基于第一音频声学特征集合以及第二音频声学特征集合,通过待训练音频生成模型获取判别结果;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司;昆山杜克大学,未经腾讯科技(深圳)有限公司;昆山杜克大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911136295.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top