[发明专利]音频数据处理方法、装置、存储介质及设备

说明书

本申请实施例公开了一种音频数据处理方法、装置、存储介质以及设备，属于人工智能‑语音相关的技术领域。其中，该方法包括：获取目标用户的音频数据，以及所述目标用户的用户属性信息；确定与所述目标用户的用户属性信息匹配的参考用户音频特征，所述参考用户音频特征是对参考用户的历史音频数据进行音频特征提取得到的，所述参考用户的用户属性信息与所述目标用户的用户属性信息匹配，提取所述参考用户音频特征中的参考用户声音属性特征；根据所述参考用户声音属性特征以及所述目标用户的音频数据，生成所述目标用户的音频数据对应的文本数据。通过本申请可提高识别文本数据的准确度。

技术领域

本申请涉及人工智能-语音相关的技术领域，具体涉及语音处理技术领域，尤其涉及一种音频数据处理方法、装置、存储介质及设备。

背景技术

人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习等几大方向。其中，语音识别技术(也可称之为音频识别技术)是指一种将音频数据转换为相应的文本数据或操作指令的技术，被广泛应用于机器翻译、语音搜索、语音输入、语音对话、智能问答等各个领域。目前的音频识别方法主要是通过分析音频数据的内容，将音频数据转换为文本数据，实践中发现，受地域等因素的影响，存在不同用户对同一个词或词组的发音不同的情况，导致目前的语音识别方法不能准确的识别出音频数据对应的文本数据，不能达到预期的音频识别效果。

发明内容

本申请实施例所要解决的技术问题在于，提供一种音频数据处理方法、装置、存储介质及设备，能够提高识别文本数据的准确度。

本申请实施例一方面提供一种音频数据处理方法，包括：

获取目标用户的音频数据，以及上述目标用户的用户属性信息；

确定与上述目标用户的用户属性信息匹配的参考用户音频特征，上述参考用户音频特征是对参考用户的历史音频数据进行音频特征提取得到的，上述参考用户的用户属性信息与上述目标用户的用户属性信息匹配；

提取上述参考用户音频特征中的参考用户声音属性特征；根据上述参考用户声音属性特征以及上述目标用户的音频数据，生成上述目标用户的音频数据对应的文本数据。

本申请实施例一方面提供一种音频数据处理装置，包括：

获取模块，用于获取目标用户的音频数据，以及上述目标用户的用户属性信息；

确定模块，用于确定与上述目标用户的用户属性信息匹配的参考用户音频特征，上述参考用户音频特征是对参考用户的历史音频数据进行音频特征提取得到的，上述参考用户的用户属性信息与上述目标用户的用户属性信息匹配；

识别模块，用于提取上述参考用户音频特征中的参考用户声音属性特征；根据上述参考用户声音属性特征以及上述目标用户的音频数据，生成上述目标用户的音频数据对应的文本数据。

可选的，识别模块，具体用于获取目标音频识别模型；采用上述目标音频识别模型提取上述参考用户音频特征中的参考用户声音属性特征；根据上述参考用户声音属性特征以及上述目标用户的音频数据，生成上述目标用户的音频数据对应的文本数据。

可选的，上述目标音频识别模型包括感知层、特征提取层、联通层以及识别层；可选的，识别模块，具体用于：

采用上述感知层对上述参考用户音频特征进行属性特征提取，得到上述参考用户声音属性特征；

采用上述特征提取层对上述目标用户的音频数据进行音频特征提取，得到目标用户音频特征；上述目标用户音频特征包括目标用户声音属性特征，以及关注于上述音频数据的音频内容特征；

在上述联通层中，根据上述参考用户声音属性特征，对上述目标用户声音属性特征进行增强处理，得到增强处理后的声音属性特征；