[发明专利]语音情绪识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种语音情绪识别方法、装置、设备及存储介质，用于提高语音情绪识别精度和识别效率。语音情绪识别方法包括：获取对话语音信息集；对对话语音信息集进行语音数据预处理和情绪类型划分，得到语音训练样本集；基于语音训练样本集对预设的双向长短期记忆网络模型进行迭代剪枝处理和模型训练，得到目标情绪识别模型；将目标情绪识别模型移植至移动终端，通过移动终端中目标情绪识别模型对实时采集的用户语音信息进行情绪识别处理，得到目标情绪类别，以使得移动终端显示目标情绪类别对应的文字信息和/或图案信息。此外，本发明还涉及区块链技术，语音训练样本集可存储于区块链节点中。

技术领域

本发明涉及人工智能的语音分类领域，尤其涉及一种语音情绪识别方法、装置、设备及存储介质。

背景技术

近些年来随着大规模数据和深度学习技术的应用，人机互动技术越来越成熟，同时，其应用范围也在扩大，包括像现在的教育、医疗、交通行业等。语音情绪识别又是人机互动系统中非常重要的部分，有效的识别对话者的情绪能够帮助系统更好的了解对话者的说话意图，以此提升整个人机互动过程的交流质量。

对于语音情绪识别(Speech Emotion Recognition,SER)，目前在国内外已有大量研究工作。早期的句子识别错误率SER任务主要是利用卷积神经网络(convolutionalneural networks，CNN)、循环神经网络(recurrent neural network,RNN)、长短记忆网络(long short term memory networks，LSTM)等神经网络训练识别模型，然而这些模型的发现识别率低。后来研究人员们采用两段网络结构结合的方式，例如：CNN+LSTM，其中CNN网络用以提取足够的情绪信息，LSTM网络实现情绪识别任务，在一定程度上提升了识别率。并在此基础上将注意力机制加入SER任务中，进一步提升了情绪识别率。

在对当前的SER研究任务进行分析后，发现当前SER任务的识别效果虽已达到一定效果，但是采用的网络模型复杂，不仅需要得到硬件支持，并且在服务器端进行语音情绪引擎识别，导致识别步骤繁琐和识别效率低。

发明内容

本发明提供了一种语音情绪识别方法、装置、设备及存储介质，用于提高情绪识别精度和语音情绪识别效率。

为实现上述目的，本发明第一方面提供了一种语音情绪识别方法，包括：获取对话语音信息集，所述对话语音信息集用于指示用户与目标客服之间的通话语音信息，所述目标客服包括机器人客服和人工客服；对所述对话语音信息集进行语音数据预处理，得到已处理语音信息集，并对所述已处理语音信息集进行情绪类型划分，得到语音训练样本集；基于所述语音训练样本集对预设的双向长短期记忆网络模型进行迭代剪枝处理和模型训练，得到目标情绪识别模型；将所述目标情绪识别模型移植至移动终端，并通过所述移动终端中的目标情绪识别模型对实时采集的用户语音信息进行情绪识别处理，得到目标情绪类别，以使得所述移动终端显示所述目标情绪类别对应的文字信息和/或图案信息。

可选的，在本发明第一方面的第一种实现方式中，所述对所述对话语音信息集进行语音数据预处理，得到已处理语音信息集，并对所述已处理语音信息集进行情绪类型划分，得到语音训练样本集，包括：对所述对话语音信息集依次进行降噪处理、语音增强处理和语音片段截取，得到初始语音信息集；通过所述预设的音频特征提取工具分别对所述初始语音信息集提取对应的梅尔频谱情绪特征，并将各初始语音信息对应的梅尔频谱情绪特征保存为逗号分隔值格式文件，得到已处理语音信息集；通过预设的语音情绪分类模型分别对所述已处理语音信息集进行情绪识别，得到各已处理语音信息对应的情绪类型；根据各已处理语音信息对应的情绪类型对各已处理语音信息设置对应的分类标签，并按照各已处理语音信息对应的分类标签将所述已处理语音信息集分类存储至预设的文件目录中，得到语音训练样本集。