[发明专利]一种模型更新方法及装置

说明书

本申请提供一种模型更新方法及装置，应用于语音识别领域，其中，应用于设备端的方法包括：获取语音数据；利用部署在本地的语音检测模型对语音数据进行检测，以判断语音数据为第一类型语音或者第二类型语音；根据判断结果确定语音数据对应的标签，并存储语音数据以及标签作为样本数据，以根据样本数据对语音检测模型以及部署在服务器上的语音通用活体检测模型进行更新。在上述方案中，由于设备端采集的训练样本包含使用场景以及说话人的特性，因此，利用上述训练样本对模型训练可以得到更适应当前使用环境、识别率更强的语音检测模型。

技术领域

本申请涉及语音识别领域，具体而言，涉及一种模型更新方法及装置。

背景技术

随着语音技术的发展，越来越多的智能设备上搭载了语音功能，如：语音识别、声纹识别、声纹认证、语音转录等，而针对语音功能的攻击方式也随之层出不穷。

现有技术中，为了识别针对语音功能的攻击，设备厂商会在智能设备上部署语音检测模型，通过语音检测模型实现对针对语音功能的攻击的检测。但是，设备厂商统一训练的通用模型缺乏对不同使用环境或不同说话人的足够泛化性，在训练数据未涵盖到的场景下可能出现模型性能欠佳的情况。也就是说，现有技术中设备厂商部署在智能设备上的语音通用检测模型的识别率较低。

发明内容

本申请实施例的目的在于提供一种模型更新方法及装置，用以解决设备厂商部署在智能设备上的语音通用检测模型的识别率较低的技术问题。

为了实现上述目的，本申请实施例所提供的技术方案如下所示：

第一方面，本申请实施例提供一种模型更新方法，应用于设备端，包括：获取语音数据；利用部署在本地的语音检测模型对所述语音数据进行检测，以判断所述语音数据为第一类型语音或者第二类型语音；根据判断结果确定所述语音数据对应的标签，并存储所述语音数据以及所述标签作为样本数据，以根据所述样本数据对所述语音检测模型以及部署在服务器上的语音通用活体检测模型进行更新。在上述方案中，设备端在部署语音检测模型之后，会采集该语音检测模型检测的语音数据以及对应的检测结果作为训练样本，进一步的对本地的语音检测模型以及服务器的语音通用活体检测模型进行更新。由于设备端采集的训练样本包含使用场景以及说话人的特性，因此，利用上述训练样本对模型训练可以得到更适应当前使用环境、识别率更强的语音检测模型。

在本申请的可选实施例中，所述根据判断结果确定所述语音数据对应的标签，包括：判断所述判断结果是否表征所述语音检测模型对所述语音数据的检测不准确；若所述判断结果表征所述语音检测模型对所述语音数据的检测准确，则确定所述标签为表征第一类型语音的标签或者第二类型语音的标签。在上述方案中，设备端在得到判断结果之后，若判断上述判断结果表征本地的语音检测模型对所述语音数据的检测准确，则可以直接根据判断结果确定语音数据的标签，从而可以利用确定的标签进一步的对本地的语音检测模型以及服务器的语音通用活体检测模型进行更新，以得到更适应当前使用环境、识别率更强的语音检测模型。

在本申请的可选实施例中，所述判断所述判断结果是否表征所述语音检测模型对所述语音数据的检测不准确，包括：判断所述语音数据为所述第一类型语音或者所述第二类型语音的置信度是否大于预设阈值；若所述置信度大于所述预设阈值，则确定所述标签为表征所述第一类型语音的标签或者所述第二类型语音的标签。在上述方案中，设备端在得到判断结果之后，若判断语音数据为第一类型语音或者第二类型语音的置信度大于预设阈值，则可以直接根据判断结果确定语音数据的标签，从而可以利用确定的标签进一步的对本地的语音检测模型以及服务器的语音通用活体检测模型进行更新，以得到更适应当前使用环境、识别率更强的语音检测模型。