[发明专利]音频识别模型的训练方法和乐器对象识别方法

说明书

本发明公开一种音频识别模型的训练方法，包括：获取多个样本音频数据，每个样本音频数据携带有对应的样本乐器对象；对多个样本音频数据进行梅尔预处理，以得到对应的多个样本梅尔频谱特征；将多个样本梅尔频谱特征输入至预先构造的卷积神经网络识别模型中，以得到每个样本梅尔频谱特征对应的预测结果，预测结果包括多个预测概率值；基于每个样本音频数据的预测结果对应的预测乐器对象与每个样本音频数据对应的样本乐器对象的差异确定训练目标；按照优化训练目标的方向，调整卷积神经网络识别模型的模型参数并继续训练，直至满足训练停止条件时结束训练，得到音频识别模型。本发明通过音频识别模型可以更加准确地进行音频识别。

技术领域

本发明实施例涉及音频识别领域，尤其涉及一种音频识别模型的训练方法与乐器对象识别方法。

背景技术

互联网技术和音乐产业飞速发展的大前提下，越来越多的乐器得以在互联网平台中出现在大众的视野当中，特别是对于一些小众的传统民族、民间乐器，用以推广中国传统音乐与地域文化。现有的乐器识别模型不够多元化，只针对一种乐器进行识别，无法识别出多种乐器。

发明内容

有鉴于此，本发明实施例的目的是提供一种音频识别模型的训练方法与乐器对象识别方法，用以解决现有技术中乐器识别效率低、不够准确的问题。

为实现上述目的，本发明实施例提供了一种音频识别模型的训练方法，包括：

获取多个样本音频数据，每个样本音频数据携带有对应的样本乐器对象；

对所述多个样本音频数据进行梅尔预处理，以得到对应的多个样本梅尔频谱特征；

将所述多个样本梅尔频谱特征输入至预先构造的卷积神经网络识别模型中，以得到每个样本梅尔频谱特征对应的预测结果，所述预测结果包括多个预测概率值；

基于所述每个样本音频数据的所述预测结果对应的预测乐器对象与所述每个样本音频数据对应的样本乐器对象的差异确定训练目标；

按照优化所述训练目标的方向，调整所述卷积神经网络识别模型的模型参数并继续训练，直至满足训练停止条件时结束训练，得到所述音频识别模型。

进一步地，所述对所述多个样本音频数据进行梅尔预处理，以得到对应的多个样本梅尔频谱特征包括：

构建提取参数，所述提取参数用于从所述多个样本音频数据中提取样本频谱特征；

基于所述提取参数从每个所述样本音频数据中，提取每个所述样本音频数据对应的频谱特征；

对每个样本频谱特征进行梅尔尺度变换，得到对应的变换梅尔频谱特征；

将每个变换梅尔频谱特征进行缩放处理，得到所述样本梅尔频谱特征。

进一步地，所述预先构造卷积神经网络识别模型的步骤包括：

根据所述样本梅尔频谱特征以及与所述样本梅尔频谱特征对应的乐器，构造映射函数；

基于所述映射函数对卷积神经网络模型进行修改，以得到卷积神经网络识别模型。

进一步地，基于所述每个样本音频数据的所述预测结果对应的预测乐器对象与所述每个样本音频数据对应的样本乐器对象的差异确定训练目标包括：

选取所述每个样本音频数据的所述预测结果中最大的预测概率值对应的预测乐器对象作为测试乐器对象；

判断所述每个样本音频数据的测试乐器对象是否为所述每个样本音频数据的样本乐器对象；

若不一致，则将所述训练目标确定为：所述每个样本音频数据的测试对象为所述每个样本音频数据的样本乐器对象。