[发明专利]一种语种识别的方法、模型训练的方法、装置及设备

说明书

本申请公开了一种语种识别的方法，包括：获取待识别音频数据；从所述待识别音频数据提取音频频域特征；基于所述音频频域特征，对所述待识别音频数据进行声伴数据分离，得到待识别语音数据，其中，所述声伴数据分离为从音频数据中分离出语音数据和伴奏数据；对所述待识别语音数据进行语种识别，得到所述待识别音频数据的语种识别结果。本申请还公开了一种模型训练的方法、装置及设备。本申请在语种识别模型中仅输入待识别语音数据，去除伴奏音乐的部分，从而减少了伴奏音乐对语种识别的干扰，从而提升了歌曲语种识别的准确度。

技术领域

本申请涉及人工智能领域，尤其涉及一种语种识别的方法、模型训练的方法、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。

由于通常歌曲包括人声歌唱与伴奏音乐两部分，因此，直接提取的语音学特征同时包含人声歌唱和伴奏音乐两个部分。然而，在歌曲语种的识别任务中，人声歌唱的特征起到主要作用，而伴奏音乐的特征则会对识别造成一定程度上的干扰，从而降低了歌曲语种识别的准确度。

发明内容

本申请实施例提供了一种语种识别的方法、模型训练的方法、装置及设备，在语种识别模型中仅输入待识别语音数据，而去除伴奏音乐的部分，从而减少了伴奏音乐对语种识别的干扰，从而提升了歌曲语种识别的准确度。

有鉴于此，本申请第一方面提供一种语种识别的方法，包括：

获取待识别音频数据；

从所述待识别音频数据提取音频频域特征；

基于所述音频频域特征，对所述待识别音频数据进行声伴数据分离，得到待识别语音数据，其中，所述声伴数据分离为从音频数据中分离出语音数据和伴奏数据；

对所述待识别语音数据进行语种识别，得到所述待识别音频数据的语种识别结果。

本申请第二方面提供一种模型训练的方法，包括：

获取待训练音频数据集合，其中，所述待训练音频数据集合包括至少一个待训练样本对，所述待训练样本对包括音频数据样本、语音数据样本以及伴奏数据样本，所述语音数据样本具有已标注的真实语音标签，所述伴奏数据样本具有已标注的真实伴奏标签；

基于所述待训练音频数据集合，通过待训练声伴分离模型获取所述音频数据样本对所对应的第一预测音频以及第二预测音频，其中，所述第一预测音频对应于预测语音标签，所述第二预测音频对应于预测伴奏标签；

根据所述真实语音标签、所述预测语音标签、所述真实伴奏标签以及所述预测伴奏标签，确定损失函数；

基于所述损失函数训练所述待训练声伴分离模型，得到声伴分离模型。

本申请第三方面提供一种模型训练的方法，包括：

获取第一待训练语音样本集合，其中，所述第一待训练语音样本集合包括至少一个第一待训练语音样本，所述第一待训练语音样本具有已标注的真实语种标签；

根据所述第一待训练语音样本集合生成第二待训练语音样本集合，其中，所述第二待训练语音样本集合包括至少一个第二待训练语音样本，所述第二待训练语音样本为所述第一待训练语音样本经过基频随机变换后得到的；