[发明专利]音频识别方法、装置、电子设备及计算机可读介质

权利要求书

1.一种音频识别方法，其特征在于，包括：

获取待识别音频；

对所述待识别音频进行特征提取，获得所述待识别音频的特征向量；

通过长短期记忆网络对所述特征向量进行处理，获得所述长短期记忆网络的输出数据；

通过卷积神经网络对所述长短期记忆网络的所述输出数据进行处理，获得所述待识别音频的识别结果。

2.如权利要求1所述的方法，其特征在于，在对所述待识别音频进行提取之前，所述方法还包括：

对所述待识别音频进行切分，获得多个待识别音频段；

所述对所述待识别音频进行特征提取，获得所述待识别音频的特征向量包括：

分别对所述多个待识别音频段进行特征提取，获得所述多个待识别音频段的特征向量；

所述通过长短期记忆网络对所述特征向量进行处理，获得第一数据包括：

通过所述长短期记忆网络对每个待识别音频段的所述特征向量进行处理，获得每个待识别音频段的第一数据；

所述通过卷积神经网络模型对所述第一数据进行处理，获得所述待识别音频的识别结果包括：

通过所述卷积神经网络模型对所述每个待识别音频段的第一数据进行处理，获得所述每个待识别音频段的识别结果。

3.如权利要求2所述的方法，其特征在于，还包括：

对所述每个待识别音频段的识别结果进行加权求和，获得所述待识别音频的识别结果。

4.如权利要求2所述的方法，其特征在于，对所述待识别音频进行切分，获得多个待识别音频段包括：

在对所述待识别音频进行电信号转化过程中，获得所述待识别音频的关键帧；

计算每两个相邻的所述关键帧之间的帧距；

将帧距小于预设帧距阈值的多个连续的所述关键帧确定为关键帧组；

根据各所述关键帧组的第一个关键帧和最后一个所述关键帧对所述待识别音频进行切分，获得各所述关键帧组对应的所述待识别音频段。

5.如权利要求4所述的方法，其特征在于，对所述待识别音频进行切分，获得多个待识别音频段还包括：

若所述待识别音频段的存储空间大于存储空间阈值，或所述待识别音频段的音频时长大于音频时长阈值，则根据预设音频长度对所述待识别音频段进行切分。

6.如权利要求1所述的方法，其特征在于，所述长短期记忆网络包括n个依次连接的细胞单元，所述特征向量包括n个特征数据，n为大于0的整数；其中，通过长短期记忆网络对所述特征向量进行处理，获得所述长短期记忆网络的输出数据包括：

通过第i个所述细胞单元对所述特征向量中的第i个特征数据进行处理，将第n个所述细胞单元的输出数据确定为所述长短期记忆网络的输出数据，其中，i为大于0且小于或等于n的整数。

7.如权利要求1所述的方法，其特征在于，还包括：

获取音频样本集，所述音频样本集包括样本音频数据和所述样本音频数据的标注；

对所述样本音频数据进行特征提取，获得所述样本音频数据的样本特征向量；

通过所述长短期记忆网络和所述卷积神经网络对所述样本音频数据的所述样本特征向量进行处理，获得训练识别结果；

通过所述训练识别结果和所述样本音频数据的标注对所述长短期记忆网络和所述卷积神经网络进行训练，获得训练后的所述长短期记忆网络和所述卷积神经网络。

8.一种音频识别装置，其特征在于，包括：

音频获取模块，配置为获取待识别音频；

特征提取模块，配置为对所述待识别音频进行特征提取，获得所述待识别音频的特征向量；

第一数据模块，配置为通过长短期记忆网络对所述特征向量进行处理，获得所述长短期记忆网络的输出数据；

结果生成模块，配置为通过卷积神经网络对所述长短期记忆网络的所述输出数据进行处理，获得所述待识别音频的识别结果。