[发明专利]一种音频识别方法、装置、设备及存储介质

说明书

本发明公开了一种音频识别方法、装置、设备及存储介质。该方法包括：获取待识别音频；对所述待识别音频进行梅尔倒谱变换，得到梅尔倒谱矩阵；将梅尔倒谱矩阵输入识别模型，得到声事件结果，所述识别模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：梅尔倒谱矩阵样本和梅尔倒谱矩阵样本对应的声事件标签，通过本发明的技术方案，能够在保证识别精度的情况下有效缩减模型规模，提升识别效率。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种音频识别方法、装置、设备及存储介质。

背景技术

万物的声音携带了大量有关日常环境和其中发生的物理事件的信息，而声音事件检测能感知所处的声音场景，识别出各个声源类别，发展信号处理方法来自动进行声事件检测在多个领域具有巨大的价值。因而近年来声事件识别检测技术成为研究热点，引起了众多学者的关注。

早期声事件识别主要基于传统的信号处理方法及机器学习方法，比如PCA、SVM等方法。但由于识别模型相对简单，识别率通常较低。近年来，随着人工神经网络技术的快速发展，越来越多的学者采用神经网络模型对音频数据集进行训练来提升识别精度，如CNN、LSTM、GRU等模型。通过大量音频数据集的训练，神经网络模型大幅提升了识别精度，但是神经网格模型的规模和所需的计算量大幅增长。目前的研究中较少考虑识别效率和识别精度的均衡，大量的研究仅关注识别精度的提升，对于模型规模和识别时间考虑较少。

发明内容

本发明实施例提供一种音频识别方法、装置、设备及存储介质，能够在保证识别精度的情况下有效缩减模型规模，提升识别效率。

第一方面，本发明实施例提供了一种音频识别方法，包括：

获取待识别音频；

对所述待识别音频进行梅尔倒谱变换，得到梅尔倒谱矩阵；

将梅尔倒谱矩阵输入识别模型，得到声事件结果，所述识别模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：梅尔倒谱矩阵样本和梅尔倒谱矩阵样本对应的声事件标签。

第二方面，本发明实施例还提供了一种音频识别装置，该装置包括：

获取模块，用于获取待识别音频；

变换模块，用于对所述待识别音频进行梅尔倒谱变换，得到梅尔倒谱矩阵；

识别模块，用于将梅尔倒谱矩阵输入识别模型，得到声事件结果，所述识别模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：梅尔倒谱矩阵样本和梅尔倒谱矩阵样本对应的声事件标签。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的方法。

本发明实施例通过获取待识别音频；对所述待识别音频进行梅尔倒谱变换，得到梅尔倒谱矩阵；将梅尔倒谱矩阵输入识别模型，得到声事件结果，所述识别模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：梅尔倒谱矩阵样本和梅尔倒谱矩阵样本对应的声事件标签，能够在保证识别精度的情况下有效缩减模型规模，提升识别效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是本发明实施例中的一种音频识别方法的流程图；