[发明专利]口音识别模型建立方法、装置及存储介质和电子设备

说明书

本发明实施例提出口音识别模型建立方法、装置及存储介质和电子设备。方法包括：分别采用每个第一城市的用户语音训练样本集对对应的第一城市的单城口音识别模型进行训练，得到每个第一城市的单城口音识别模型；分别将每个第二城市的用户语音测试样本集输入到每个第一城市的单城口音识别模型；对于每个第二城市，在所有第一城市的单城口音识别模型中选择：识别率最高且识别率大于第一阈值的模型，将所选择的模型对应的第一城市和该第二城市划分到同一口音区域；针对每一口音区域，采用该口音区域内的所有城市的用户语音训练样本集对该口音区域的区域口音识别模型进行训练，得到该口音区域的区域口音识别模型。本发明实施例提高了口音识别的识别率。

技术领域

本发明实施例涉及口音识别模型建立方法、装置及可读存储介质和电子设备。

背景技术

目前，在房屋交易中，为了方便，在线上采用VR(Virtual Reality，虚拟现实)技术为客户带看房源已经得到应用。在该场景中，需要由经纪人随着VR镜头的变化，为客户带看房源，在带看过程中，经纪人和客户会进行交流，即经纪人和客户都会讲话。由于客户可能来自不同地域，因此可能存在经纪人不能完全听懂客户讲话的情况。

目前出现了一些将语音识别为文本的模型，将任一地域的用户语音输入该模型就可得到语音对应的文本，但由于有些地域之间的口音差别较大，因此识别率不能得到保证。

发明内容

本发明实施例提出口音识别模型建立方法、装置及可读存储介质和电子设备，以提高口音识别的识别率。

本发明实施例的技术方案是这样实现的：

一种口音识别模型建立方法，该方法包括：

获取第一城市集合中每个第一城市的用户语音训练样本集；

分别采用第一城市集合中的每个第一城市的用户语音训练样本集对对应的第一城市的单城口音识别模型进行训练，得到每个第一城市的单城口音识别模型；

分别将第二城市集合中的每个第二城市的用户语音测试样本集输入到第一城市集合中的每个第一城市的单城口音识别模型，并计算每个第一城市的模型对每个第二城市的识别率；对于每个第二城市，在所有第一城市的单城口音识别模型中选择：识别率最高且识别率大于第一阈值的模型，并将所选择的模型对应的第一城市和该第二城市划分到同一口音区域；其中，第二城市集合包含第一城市集合；

针对每一口音区域，采用该口音区域内的所有城市的用户语音训练样本集对该口音区域的区域口音识别模型进行训练，得到该口音区域的区域口音识别模型。

所述得到该口音区域的区域口音识别模型之后，进一步包括：

接收到第一用户的语音，确定第一用户所在城市对应的口音区域，将第一用户的语音输入到该口音区域的区域口音识别模型，得到第一用户的语音对应的文本。

所述将所选择的模型对应的第一城市和该第二城市划分到同一口音区域之后、所述针对每一口音区域，采用该口音区域内的所有城市的用户语音训练样本集对该口音区域的区域口音识别模型进行训练之前，进一步包括：

从所有口音区域中每次选取至少两个口音区域进行组合，直至得到所有组合，将每个组合分别作为一个口音区域集，对于每个口音区域集，采用该口音区域集内的所有城市的用户语音训练样本集对该口音区域集的区域集口音识别模型进行训练，得到该口音区域集的区域集口音识别模型，采用该口音区域集内的多个城市的用户语音测试样本集对该口音区域集的区域集口音识别模型和该多个城市各自对应的单城口音识别模型进行测试，若测试结果表明：区域集口音识别模型的识别率与每个城市的单城口音识别模型的识别率的差值都在预设范围内，则确定将该口音区域集内的所有口音区域融合为一个新的口音区域。

所述单城口音识别模型、区域口音识别模型和区域集口音识别模型采用的损失函数为：交叉熵损失函数和区分性损失函数的加权求和；