[发明专利]一种目标域音频训练数据的获取方法及装置

说明书

本申请公开了一种目标域音频训练数据的获取方法及装置，所述方法包括：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，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，将目标域音频数据编辑至源域数据长度，将编辑后的音频数据输入源域语音识别模型，得到模型输出的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目标域音频数据的数据长度，得到目标域音频训练数据。可见，对目标域音频数据进行长度编辑，通过源域模型对编辑后的目标域音频数据标注标签，最后复原至目标域音频数据的长度，得到的带有标签的目标域音频训练数据，获得更多目标域音频训练数据的同时也更加准确。

技术领域

本申请涉及语音识别技术领域，更具体的说，是涉及一种目标域音频训练数据的获取方法及装置。

背景技术

随着语音识别技术的不断发展，语音识别模型已应用在多个场景中，可以根据语音的内容识别出语音的类型。比如对于直播审核场景，语音识别模型可以识别出恶意辱骂声，提醒网管对其封禁；对于智能家居场景，语音识别模型可以识别出婴儿哭声，远程提醒父母；对于动物园场景，语音识别模型可以识别猛兽声音，提醒游客小心猛兽攻击。

通常的，不同场景下的语音识别模型会对识别的音频数据有不同的数据长度要求，那么已有的场景(源域)的音频数据很可能不符合目标场景(目标域)的语音识别模型的训练数据要求，作为目标域的语音识别模型的训练数据则不准确，与此同时，目标域的无标签音频数据需要耗费大量人力、时间标注标签，因此缺少目标域语音识别模型的训练数据。

如何得到更多更准确的目标域语音识别模型的训练数据，是需要解决的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种目标域音频训练数据的获取方法及装置，以获得更多更准确的目标域语音识别模型的训练数据。

为了实现上述目的，现提出具体方案如下：

一种目标域音频训练数据的获取方法，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。

可选的，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。

可选的，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。

可选的，该方法还包括：