[发明专利]声学模型训练方法及装置

说明书

本发明公开一种声学模型训练方法及装置，其中，声学模型训练方法包括：获取来自至少两个信道的多个语音帧，一个信道对应一种信道类别；针对多个语音帧中的每个语音帧，确定语音帧所来自信道对应的信道类别，并对信道类别进行独热编码，获得语音帧对应的独热编码向量；获取用于表示语音帧的语音特征的特征向量；根据语音帧对应的独热编码向量和语音帧对应的特征向量，获得语音帧对应的第一向量；根据多个语音帧中每个语音帧对应的第一向量对待训练的声学模型进行模型训练。采用本申请，可以节省计算资源，并且降低维护成本。

技术领域

本发明涉及模型训练技术领域，尤其涉及一种声学模型训练方法及装置。

背景技术

随着语音识别技术的不断发展，该技术赋能的场景越来越多，如智能硬件、电话客服、会议系统、车载场景等。其中，来源于不同设备的语音信号可能存在信道的差异，例如：传统固话语音(采样率为8K)和手机麦克风语音(采样率为16K)来源于不同信道，具有不同的信道特征。通过对比不同信道下语音信号的时域、频域参数，会发现明显的信号频率、宽带噪声、共振型噪声等差异。目前在对声学模型进行训练时，由于来自不同信道的语音信号存在差异，因此通常为某一信道单独训练声学模型，但这会额外占用计算资源、提高维护成本。

发明内容

本发明实施例提供一种声学模型训练方法及装置，能够根据来自各种信道类别的信道的语音帧联合对声学模型进行训练，节省计算资源，并且降低维护成本。

第一方面，本发明实施例提供了一种声学模型训练方法，包括：

获取来自至少两个信道的多个语音帧，一个信道对应一种信道类别；

针对所述多个语音帧中的每个语音帧，确定所述语音帧所来自信道对应的信道类别，并对所述信道类别进行独热编码，获得所述语音帧对应的独热编码向量；

获取用于表示所述语音帧的语音特征的特征向量；

根据所述语音帧对应的独热编码向量和所述语音帧对应的特征向量，获得所述语音帧对应的第一向量；

根据所述多个语音帧中每个语音帧对应的第一向量对待训练的声学模型进行模型训练。

在一种可能的设计中，所述根据所述语音帧对应的独热编码向量和所述语音帧对应的特征向量，获得所述语音帧对应的第一向量，包括：

拼接所述语音帧对应的独热编码向量和所述语音帧对应的特征向量，获得所述语音帧对应的第一向量。

在一种可能的设计中，所述根据所述语音帧对应的独热编码向量和所述语音帧对应的特征向量，获得所述语音帧对应的第一向量，包括：

利用嵌入层embedding对所述语音帧对应的独热编码向量进行处理，获得所述语音帧对应的第二向量；

拼接所述语音帧对应的第二向量和所述语音帧对应的特征向量，获得所述语音帧对应的第一向量。

在一种可能的设计中，所述声学模型包括依次连接的多个隐藏层，所述方法还包括：

从所述多个隐藏层中确定至少一个选定隐藏层，所述至少一个选定隐藏层是除所述多个隐藏层的第一个隐藏层外的隐藏层；

针对所述至少一个选定隐藏层中的每个选定隐藏层，获取在所述选定隐藏层之前的隐藏层输出的所述语音帧对应的中间向量；

拼接所述语音帧对应的第二向量和所述语音帧对应的中间向量，获得所述语音帧对应的第三向量；

根据所述多个语音帧中每个语音帧对应的第一向量对待训练的声学模型进行模型训练，包括：