[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
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 | ||
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。
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。