[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：获取第一语音数据样本集合，第一语音数据样本具有已标注的真实语种标签；根据第一语音数据样本集合生成第二语音数据样本集合，第二语音数据样本为第一语音数据样本经过基频随机变换后得到的；根据第二语音数据样本集合以及伴奏数据样本集合，生成音频数据样本集合；基于音频数据样本集合，通过待训练语种识别模型获取预测语种标签；基于真实语种标签以及预测语种标签，采用损失函数对待训练语种识别模型进行训练，得到语种识别模型。本申请还公开了一种语种识别的方法及装置。本申请可以实现零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，可以实现零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：

获取第一语音数据样本集合，其中，所述第一语音数据样本集合包括至少一个第一语音数据样本，所述第一语音数据样本具有已标注的真实语种标签；

根据所述第一语音数据样本集合生成第二语音数据样本集合，其中，所述第二语音数据样本集合包括至少一个第二语音数据样本，所述第二语音数据样本为所述第一语音数据样本经过基频随机变换后得到的；

根据所述第二语音数据样本集合以及伴奏数据样本集合，生成音频数据样本集合，其中，所述音频数据样本集合包括至少一个音频数据样本；

基于所述音频数据样本集合，通过待训练语种识别模型获取预测语种标签；

基于所述真实语种标签以及所述预测语种标签，采用损失函数对所述待训练语种识别模型进行训练，得到语种识别模型。

本申请第二方面提供一种语种识别的方法，包括：

获取待识别音频数据；

根据所述待识别音频数据生成音频频域特征；

基于所述音频频域特征，通过语种识别模型获取语种分布概率，其中，所述语种识别模型为采用上述第一方面中任一项方法训练得到的；

根据所述语种分布概率生成所述待识别音频数据所对应的语种识别结果。

本申请第三方面提供一种模型训练装置，包括：

获取模块，用于获取第一语音数据样本集合，其中，所述第一语音数据样本集合包括至少一个第一语音数据样本，所述第一语音数据样本具有已标注的真实语种标签；

生成模块，用于根据所述获取模块获取的所述第一语音数据样本集合生成第二语音数据样本集合，其中，所述第二语音数据样本集合包括至少一个第二语音数据样本，所述第二语音数据样本为所述第一语音数据样本经过基频随机变换后得到的；