[发明专利]在线语音活性检测系统改进方法和装置

说明书

本发明公开在线语音活性检测系统改进方法和装置，其中，一种在线语音活性检测系统改进方法，包括：将真实世界可用的语音活性检测系统作为教师模型；利用所述教师模型输出待测语音的帧级别的语音概率，其中，所述待测语音包括真实世界的语音数据；将所述帧级别的语音概率作为训练标签训练学生模型，其中，所述学生模型的双向门控循环单元改为单向门控循环单元；用所述学生模型给出的概率预测语音和非语音。

技术领域

本发明属于模型训练技术领域，尤其涉及在线语音活性检测系统改进方法和装置。

背景技术

相关技术中，一般的语音活性检测系统旨在检测出一段音频中有语音的部分，通过将一段语音分帧，送入模型中，由模型学习出语音的特征，判断某一帧是否为语音帧。真实世界中可用的语音活性检测系统采用类似的技术，但是在真实数据中表现得更好。

发明人在实现本申请的过程中发现现有技术的方案存在以下缺陷：一般的语音活性检测系统在噪声环境下表现不够鲁棒，真实世界可用的语音活性检测系统在干净的语音环境或者合成噪声环境下的表现不够好，而且无法做到在线使用。

发明内容

本发明实施例提供一种在线语音活性检测系统改进方法和装置，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在线语音活性检测系统改进方法，包括：将真实世界可用的语音活性检测系统作为教师模型；利用所述教师模型输出待测语音的帧级别的语音概率，其中，所述待测语音包括真实世界的语音数据；将所述帧级别的语音概率作为训练标签训练学生模型，其中，所述学生模型的双向门控循环单元改为单向门控循环单元；用所述学生模型给出的概率预测语音和非语音。

第二方面，本发明实施例提供一种在线语音活性检测系统改进装置，包括：教师模型程序模块，配置为将真实世界可用的语音活性检测系统作为教师模型；输出程序模块，配置为利用所述教师模型输出待测语音的帧级别的语音概率，其中，所述待测语音包括真实世界的语音数据；训练程序模块，配置为将所述帧级别的语音概率作为训练标签训练学生模型，其中，所述学生模型的双向门控循环单元改为单向门控循环单元；以及预测程序模块，配置为用所述学生模型给出的概率预测语音和非语音。

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在线语音活性检测系统改进方法的步骤。

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在线语音活性检测系统改进方法的步骤。

本申请的方法和装置通过将真实世界可用的语音活性检测系统作为教师模型，通过其输出的帧级别的语音概率，作为训练标签训练学生模型，同时将学生模型变成更小的模型，并将其中的双向门控循环单元改为单向门控循环单元，得到性能更好的、更轻量级的线上可用的语音活性检测系统。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种在线语音活性检测系统改进方法的流程图；

图2为本发明一实施例提供的教师学生模型；

图3为本发明一实施例提供的两个段随机的逐帧语音概率从Aurora 4采样；

图4为本发明一实施例提供的一种在线语音活性检测系统改进装置的框图；