[发明专利]音频分类模型的训练方法、音频分类方法、装置及设备在审

专利信息
申请号: 202010173624.9 申请日: 2020-03-13
公开(公告)号: CN111369982A 公开(公告)日: 2020-07-03
发明(设计)人: 邓菁;王秋明 申请(专利权)人: 北京远鉴信息技术有限公司
主分类号: G10L15/06 分类号: G10L15/06;G10L15/08;G10L21/0272;G10L25/51;G10L25/81
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 安卫静
地址: 100000 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 音频 分类 模型 训练 方法 装置 设备
【权利要求书】:

1.一种音频分类模型的训练方法,其特征在于,包括:

获取音频样本,所述音频样本包括:语音音频样本、音乐音频样本;

对各所述音频样本进行分帧,并提取帧特征;

采用预设窗函数,提取各所述音频样本中每帧的窗特征,并根据所述帧特征获取组合特征,其中,所述组合特征标记语音标签或音乐标签;

采用所述组合特征和预设神经网络,训练获取音频分类模型。

2.如权利要求1所述的方法,其特征在于,所述采用所述组合特征和预设神经网络,训练获取音频分类模型,包括:

将所述组合特征代入所述预设神经网络进行前向运算,并根据损失函数获取每次迭代的梯度值;

根据所述梯度值调整所述预设神经网络中的参数后,继续训练,直到满足收敛条件,获取所述音频分类模型。

3.如权利要求1所述的方法,其特征在于,所述采用预设窗函数,提取各所述音频样本中每帧的窗特征,并根据所述帧特征获取组合特征之后,还包括:

将所述组合特征划分为训练样本集和测试样本集。

4.如权利要求3所述的方法,其特征在于,所述采用所述组合特征和预设神经网络,训练获取音频分类模型,包括:

采用所述训练样本集和预设神经网络,训练获取音频分类模型。

5.如权利要求3所述的方法,其特征在于,所述采用所述组合特征和预设神经网络,训练获取音频分类模型之后,还包括:

将所述测试样本集代入所述音频分类模型,获取测试分类结果;

根据所述测试分类结果以及所述测试样本集中组合特征的标签,判断所述音频分类模型是否合格。

6.一种音频分类方法,其特征在于,包括:

对待识别音频信号进行分帧,并提取各帧的帧特征;

采用预设窗函数,提取各所述帧的窗特征,并根据所述帧特征获取组合特征;

将所述组合特征代入音频分类模型,将所述待识别音频信号的音乐信号和语音信号分离,其中,所述音频分类模型采用音频样本的组合特征训练获取,所述音频样本包括:语音音频样本、音乐音频样本,所述音频样本的组合特征标记语音标签或音乐标签。

7.如权利要求6所述的方法,其特征在于,所述对待识别音频信号进行分帧,并提取各帧的帧特征之前还包括:

获取音频信号;

对所述音频信号进行去噪,获取去噪后的音频信号;

采用预加重算法对所述去噪后的音频信号进行预加重处理,得到所述待识别音频信号。

8.一种音频分类模型的训练装置,其特征在于,所述装置包括:获取模块、第一提取模块、第二提取模块以及训练模块;

所述获取模块,用于获取音频样本,所述音频样本包括:语音音频样本、音乐音频样本;

所述第一提取模块,用于对各所述音频样本进行分帧,并提取帧特征;

所述第二提取模块,用于采用预设窗函数,提取各所述音频样本中每帧的窗特征,并根据所述帧特征获取组合特征,其中,所述组合特征标记语音标签或音乐标签;

所述训练模块,用于采用所述组合特征和预设神经网络,训练获取音频分类模型。

9.一种音频分类装置,其特征在于,所述装置包括:帧提取模块、窗提取模块以及分离模块;

所述帧提取模块,用于对待识别音频信号进行分帧,并提取各帧的帧特征;

所述窗提取模块,用于采用预设窗函数,提取各所述帧的窗特征,并根据所述帧特征获取组合特征;

所述分离模块,用于将所述组合特征代入音频分类模型,将所述待识别音频信号的音乐信号和语音信号分离,其中,所述音频分类模型采用音频样本的组合特征训练获取,所述音频样本包括:语音音频样本、音乐音频样本,所述音频样本的组合特征标记语音标签或音乐标签。

10.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述权利要求1至7任一项所述的方法的步骤。

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北京远鉴信息技术有限公司,未经北京远鉴信息技术有限公司许可,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/202010173624.9/1.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