[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

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；