[发明专利]一种引擎响应时间的分析方法及电子设备、存储介质

权利要求书

1.一种引擎响应时间的分析方法，其特征在于，包括：

向引擎输入预设语音段，其中，所述引擎装载有神经网络；

获取所述预设语音段的真实尾端时间点、所述神经网络判定的预设语音段的预测尾端时间点以及所述引擎抛出的反馈尾端时间点；

计算所述神经网络判定的预设语音段的预测尾端时间点分别与所述预设语音段的真实尾端时间点及所述引擎抛出的反馈尾端时间点的时间差；

基于所述时间差，得出所述引擎响应时间的影响因素。

2.根据权利要求1所述的分析方法，其特征在于，所述计算所述神经网络判定的预设语音段的预测尾端时间点分别与所述预设语音段的真实尾端时间点及所述引擎抛出的反馈尾端时间点的时间差包括：

计算所述预设语音段的真实尾端时间点及所述神经网络判定的预设语音段的预测尾端时间点之间的第一时间差；

计算所述神经网络判定的预设语音段的预测尾端时间点以及所述引擎抛出的反馈尾端时间点之间的第二时间差。

3.根据权利要求2所述的分析方法，其特征在于，所述基于所述时间差，得出所述引擎响应时间的影响因素包括：

基于所述第一时间差，确定所述神经网络是否为所述引擎响应时间的影响因素；

基于所述第二时间差，确定所述引擎对所述神经网络的计算时间是否为所述引擎响应时间的影响因素。

4.根据权利要求1所述的分析方法，其特征在于，所述方法还包括：

根据所述引擎响应时间的影响因素对所述神经网络进行优化。

5.根据权利要求4所述的分析方法，其特征在于，所述根据所述引擎响应时间的影响因素对所述神经网络进行优化包括：

对所述神经网络重新训练，并在训练过程中在损失函数上加大预设语音段尾部静音帧的惩罚系数；或者

获取多条训练语音段，并标注所述训练语音段的真实尾端时间点，以及通过初始神经网络预测所述训练语音段的预测尾端时间点；

利用所述训练语音段的真实尾端时间点、所述训练语音段的预测尾端时间点以及所述训练语音段的数量得到新的损失函数；

利用所述新的损失函数对所述神经网络进行训练。

6.根据权利要求4所述的分析方法，其特征在于，所述根据所述引擎响应时间的影响因素对所述神经网络进行优化包括：

在所述引擎中运行第一神经网络及第二神经网络，获取所述第一神经网络对应的第一计算量以及所述第二神经网络对应的第二计算量；

计算所述引擎对所述第一神经网络的计算时间；及计算所述引擎对所述第二神经网络的计算时间；

根据所述第一计算量、所述第二计算量以及所述引擎对所述第一神经网络的计算时间、所述引擎对所述第二神经网络的计算时间对所述第一神经网络或者所述第二神经网络进行优化。

7.根据权利要求6所述的分析方法，其特征在于，所述根据所述第一计算量、所述第二计算量以及所述引擎对所述第一神经网络的计算时间、所述引擎对所述第二神经网络的计算时间对第一神经网络或者所述第二神经网络进行优化包括：

对比所述第一计算量与所述第二计算量，以及对比所述引擎对所述第一神经网络的计算时间与所述引擎对所述第二神经网络的计算时间；

若所述第一计算量大于所述第二计算量，且所述引擎对所述第一神经网络的计算时间大于所述引擎对所述第二神经网络的计算时间，则对所述第一计算量进行优化，以使得优化后的第一计算量与所述第二计算量的比值等于所述引擎对所述第一神经网络的计算时间与所述引擎对所述第二神经网络的计算时间的比值；

若所述第一计算量大于所述第二计算量，且所述引擎对所述第一神经网络的计算时间等于或小于所述引擎对所述第二神经网络的计算时间，则对所述第二计算量进行优化，以使得第一计算量与优化后的所述第二计算量的比值等于所述引擎对所述第一神经网络的计算时间与所述引擎对所述第二神经网络的计算时间的比值。