[发明专利]一种目标域音频训练数据的获取方法及装置

权利要求书

1.一种目标域音频训练数据的获取方法，其特征在于，包括：

获取已训练的源域语音识别模型，以及不带声音事件标签的目标域音频数据，所述源域语音识别模型处理的音频数据的长度为源域数据长度；

将所述目标域音频数据编辑至所述源域数据长度，得到编辑后的音频数据；

将所述编辑后的音频数据输入至所述源域语音识别模型，得到模型输出的所述编辑后的音频数据的声音事件标签；

将确定有声音事件标签的音频数据编辑至所述目标域音频数据的数据长度，得到目标域音频训练数据。

2.根据权利要求1所述的方法，其特征在于，将所述目标域音频数据编辑至所述源域数据长度，得到编辑后的音频数据，包括：

若所述目标域音频数据的数据长度不大于所述源域数据长度，对所述目标域音频数据填充空白音频至所述源域数据长度，得到数据长度为源域数据长度的目标域音频数据；

若所述目标域音频数据的数据长度大于所述源域数据长度，将所述目标域音频数据切分为数据长度为所述源域数据长度的若干条子音频数据，得到数据长度为源域数据长度的目标域音频数据。

3.根据权利要求2所述的方法，其特征在于，所述将确定有声音事件标签的音频数据编辑至所述目标域音频数据的数据长度，得到目标域音频训练数据，包括：

若所述目标域音频数据的数据长度不大于所述源域数据长度，对确定有声音事件标签的音频数据删除空白音频，得到数据长度为所述目标域音频数据的数据长度的音频数据，作为目标域音频训练数据；

若所述目标域音频数据的数据长度大于所述源域数据长度，将确定有声音事件标签的音频数据，填充空白音频至所述目标域音频数据的数据长度，得到数据长度为所述目标域音频数据的数据长度的音频数据，作为目标域音频训练数据。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取带有声音事件标签的源域音频数据，所述源域音频数据的数据长度为所述源域数据长度；

若所述源域音频数据的数据长度不大于所述目标域音频数据的数据长度，对所述源域音频数据填充空白音频至所述目标域音频数据的数据长度，得到数据长度为目标域音频数据的数据长度的音频数据，作为目标域音频训练数据。

5.根据权利要求4所述的方法，其特征在于，还包括：

若所述源域音频数据的数据长度大于所述目标域音频数据的数据长度，将所述源域数据切分为数据长度为所述目标域音频数据的数据长度的若干条子音频数据；

对所述若干条子音频数据填充空白音频至所述源域数据长度，并将填充后的音频数据输入至所述源域语音识别模型，得到模型输出的填充空白音频后的音频数据的声音事件标签；

对确定有声音事件标签的音频数据删除空白音频，得到数据长度为所述目标域音频数据的数据长度的音频数据，并作为目标域音频训练数据。

6.根据权利要求1-5任一项所述的方法，其特征在于，在所述获取不带声音事件标签的目标域音频数据之后，还包括：

利用所述目标域音频数据训练得到目标域语音识别主干网络；

利用所述目标域音频训练数据训练包含所述目标域语音识别主干网络的目标域语音识别模型。

7.根据权利要求6所述的方法，其特征在于，利用所述目标域音频数据训练得到目标域语音识别主干网络，包括：

将所述目标域音频数据转换为目标域语音频谱图，将所述目标域语音频谱图输入至已有的语音频谱编码器，得到语音频谱编码器输出的编码数据；

将所述编码数据解码，得到重构语音频谱图，所述重构语音频谱图的行、列数与所述目标域语音频谱图的行、列数相同；

计算所述目标域语音频谱图与所述重构语音频谱图之间的均方误差；

将所述均方误差反馈至所述语音频谱编码器，以供所述语音频谱编码器调整编码方式，直至均方误差满足设定收敛条件为止，将最终调整后的语音频谱编码器作为目标域语音识别主干网络。