[发明专利]私有化数据获取方法及装置

说明书

本发明公开一种私有化数据获取方法及装置，方法包括：响应于用户私有化语音模型的更新，获取所述用户私有化语音模型更新后的模型参数；基于所述模型参数同步更新与所述用户对应的数据海绵系统，其中，所述数据海绵系统与所述用户私有化语音模型互为反向技术；至少基于更新后的数据海绵系统生成模拟用户数据。在用户优化私有化语音模型时，提取私有化语言模型中的模型参数，采用模型参数同步更新数据海绵系统，通过数据海绵系统合成模拟用户数据，并将模拟用户数据用于优化通用语音识别模型，使得在不需要拷贝任何用户私有的明文音频和明文文本的前提下，实现了对通用语音识别模型进行优化，避免了引入数据安全问题。

技术领域

本发明属于语音数据获取技术领域，尤其涉及一种私有化数据获取方法及装置。

背景技术

语音识别系统在实际应用中常因数据安全性的问题而需要私有化部署，用户也常常会利用自己所拥有的场景化数据对语音识别声学模型进行优化，而由于数据安全性等问题，该部分数据通常不会提供给语音识别系统的提供方，因此，语音识别系统的提供方无法直接使用该部分数据进行通用模型的优化，从而阻碍了通用模型在该类场景上的效果提升。

现有技术中对私有化声学数据用于语音识别建模的获取具体方式为将用户用自身数据调优后的私有化声学模型获取到，然后利用以下集中可能的方式进行模型融合：

1)在模型的权重参数层面对用户私有化声学模型和我们的通用模型进行加权融合；

2)在后续使用时同时利用用户私有化声学模型和我们的通用模型进行声学打分，然后将打分进行加权融合。

但是，上述方式分别存在以下问题：

在模型的权重参数层面融合后效果不理想：将用户优化后的声学模型和通用声学模型在权重层面进行融合通常很难保证融合后的效果，现有一些方法虽然可以减轻这种影响，但整体上看都会造成在用户场景和通用场景的识别效果下降，不具备很好的推广性。

同时使用用户私有化声学模型和我们的通用模型进行声学打分，然后将打分进行加权融合：该方法虽然在效果上优于上一种方法，但是存在两个问题：一是显著增加了模型计算的复杂度和和时间，此时需要同时计算用户声学模型和通用声学模型的打分；二是当需要将不多客户的多个声学模型和通用模型进行融合时，该方法会因计算复杂度和融合调优难度而变得不可行。

发明内容

本发明实施例提供一种私有化数据获取方法及装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种私有化数据获取方法，包括：响应于用户私有化语音模型的更新，获取所述用户私有化语音模型更新后的模型参数；基于所述模型参数同步更新与所述用户对应的数据海绵系统，其中，所述数据海绵系统与所述用户私有化语音模型互为反向技术；至少基于更新后的数据海绵系统生成模拟用户数据。

第二方面，本发明实施例提供一种私有化数据获取装置，包括：获取模块，配置为响应于用户私有化语音模型的更新，获取所述用户私有化语音模型更新后的模型参数；同步更新模块，配置为基于所述模型参数同步更新与所述用户对应的数据海绵系统，其中，所述数据海绵系统与所述用户私有化语音模型互为反向技术；生成模块，配置为至少基于更新后的数据海绵系统生成模拟用户数据。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的私有化数据获取方法的步骤。

第四方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的私有化数据获取方法的步骤。