[发明专利]音频训练数据处理方法、装置、设备以及存储介质

权利要求书

1.一种音频训练数据处理方法，包括：

获取多个待处理音频文件，并计算每个待处理音频文件的声纹特征向量；

将所述每个待处理音频文件的声纹特征向量和标准特征向量进行匹配，根据匹配结果从所述多个待处理音频文件中获取多个候选音频文件；

获取所述多个候选音频文件对应的多个候选文本信息，计算所述多个候选音频文件和所述多个候选文本信息的对齐似然值；

根据每个候选音频文件的对齐似然值从所述多个候选音频文件中获取多个目标音频文件。

2.如权利要求1所述的方法，其中，所述计算每个待处理音频文件的声纹特征向量，包括：

将所述每个待处理音频文件输入声学模型进行处理，获取所述每个待处理音频文件的声纹特征向量；其中，所述声纹特征向量包括声学特征、词法特征、韵律信息、方言和口音信息、通道信息中的一种或者多种组合。

3.如权利要求1或2所述的方法，在将所述每个待处理音频文件的声纹特征向量和标准特征向量进行匹配之前，还包括：

获取预设数量的声纹特征向量；

计算所述预设数量的声纹特征向量的平均值作为所述标准特征向量。

4.如权利要求1所述的方法，其中，所述将所述每个待处理音频文件的声纹特征向量和标准特征向量进行匹配，根据匹配结果从所述多个待处理音频文件中获取多个候选音频文件，包括：

计算所述每个待处理音频文件的声纹特征向量与所述标准特征向量的余弦相似度；其中，所述余弦相似度与所述声纹特征相似度成正比；

按照所述余弦相似度对所述每个待处理音频文件进行排序，根据排序结果从所述多个待处理音频文件中获取目标数量的候选音频文件。

5.如权利要求1所述的方法，其中，所述计算所述多个候选音频文件和所述多个候选文本信息的对齐似然值，包括：

将所述多个候选音频文件和所述多个候选文本信息一一对应关系输入识别对齐模型，获取所述每个候选音频文件的对齐似然值。

6.如权利要求5所述的方法，所述根据每个候选音频文件的对齐似然值从所述多个候选音频文件中获取多个目标音频文件，包括：

按照所述对齐似然值对所述每个候选音频文件进行排序，根据排序结果从所述多个候选音频文件中获取目标数量的目标音频文件。

7.一种音频训练数据处理装置，包括：

第一获取模块，用于获取多个待处理音频文件；

第一计算模块，用于计算每个待处理音频文件的声纹特征向量；

匹配模块，用于将所述每个待处理音频文件的声纹特征向量和标准特征向量进行匹配，根据匹配结果从所述多个待处理音频文件中获取多个候选音频文件；

第二获取模块，用于获取所述多个候选音频文件对应的多个候选文本信息；

第二计算模块，用于计算所述多个候选音频文件和所述多个候选文本信息的对齐似然值；

第三获取模块，用于根据每个候选音频文件的对齐似然值从所述多个候选音频文件中获取多个目标音频文件。

8.如权利要求7所述的装置，其中，所述第一计算模块，具体用于：

将所述每个待处理音频文件输入声学模型进行处理，获取所述每个待处理音频文件的声纹特征向量；其中，所述声纹特征向量包括声学特征、词法特征、韵律信息、方言和口音信息、通道信息中的一种或者多种组合。

9.如权利要求7或8所述的装置，还包括：

第四获取模块，用于获取预设数量的声纹特征向量；

第三计算模块，用于计算所述预设数量的声纹特征向量的平均值作为所述标准特征向量。

10.如权利要求7所述的装置，其中，所述匹配模块，具体用于：

计算所述每个待处理音频文件的声纹特征向量与所述标准特征向量的余弦相似度；其中，所述余弦相似度与所述声纹特征相似度成正比；

按照所述余弦相似度对所述每个待处理音频文件进行排序，根据排序结果从所述多个待处理音频文件中获取目标数量的候选音频文件。