[发明专利]关键词数据集获取、模型训练方法、装置、设备及介质

权利要求书

1.一种关键词数据集获取方法，其特征在于，所述方法包括：

获取初始音频集，以及与所述初始音频集对应的初始音频字典；

根据所述初始音频字典以及预设的音频子类划分规则，对所述初始音频集进行音频子类划分，得到第一音频子类；

采用预设的逐类增广方式对第二音频子类的音频进行数据增广，得到训练音频集，所述第二音频子类包含于所述第一音频子类中。

2.如权利要求1所述的方法，其特征在于，所述初始音频字典中包括每个关键词音频的第一音频标注信息，所述第一音频标注信息包括音频采集场景以及发音人的语速。

3.如权利要求2所述的方法，其特征在于，所述初始音频集中包括正样本和负样本，所述正样本为关键词音频，所述负样本包括关键词的近似发音词音频、不完整的关键词音频以及所述关键词在对应应用场景下的背景音频；

采用预设的逐类增广方式对第二音频子类的音频进行数据增广的步骤之前，包括：

获取数据增广目标和/或数据增广因子，所述数据增广目标和/或数据增广因子根据获取到的所述第一音频子类中每个子类下的音频数量确定；

采用预设的逐类增广方式对第二音频子类的音频进行数据增广的步骤，包括：

根据所述增广目标和/或数据增广因子，采用所述逐类增广方式对所述第二音频子类的音频进行数据增广。

4.如权利要求1所述的方法，其特征在于，所述训练音频集中包括所述初始音频集，所述第二音频子类包括安静类音频、中速类音频和调整语速类音频，采用预设的逐类增广方式对第二音频子类的音频进行数据增广的步骤，包括：

从所述初始音频集中获取所述安静类音频，对所述安静类音频进行加噪处理，得到第一音频增广集；

从所述第一音频增广集中获取所述中速类音频，对所述中速类音频进行语速调整，得到第二音频增广集；

从所述第二音频增广集中获取所述调整语速类音频，对所述调整语速类音频进行音高调整，得到第三音频增广集；

若满足数据增广的停止条件，则按照预设的选取规则从所述第三音频增广集中选取音频，对选取的音频进行音量归一化处理，得到所述训练音频集；

若不满足所述停止条件，则跳转至从所述初始音频集中获取所述安静类音频的步骤。

5.如权利要求4所述的方法，其特征在于，所述安静类音频根据所述初始音频字典确定，对所述安静类音频进行加噪处理的步骤之后，还包括：

对所述初始音频字典进行增广标注，或更新第三音频增广字典，得到与所述第一音频增广集对应的第一音频增广字典；

所述中速类音频根据所述第一音频增广字典确定，对所述中速类音频进行语速调整的步骤之后，还包括：

更新所述第一音频增广字典，得到与所述第二音频增广集对应的第二音频增广字典；

所述调整语速类音频根据所述第二音频增广字典确定，对所述调整语速类音频进行音高调整的步骤之后，还包括：

更新所述第二音频增广字典，得到与所述第三音频增广集对应的第三音频增广字典；

其中，所述第一音频增广字典包括所述第一音频增广集中每个关键词音频的第一音频标注信息和第二标注信息，所述第二标注信息包括音频的加噪状态、语速调整状态以及音高调整状态。

6.一种关键词检测模型的训练方法，其特征在于，所述方法包括：

获取训练音频集，所述训练音频集采用如权利要求1-5任意一项所述的方法得到；

基于所述训练音频集对预设的关键词检测模型进行训练，得到训练好的关键词检测模型。

7.一种关键词数据集获取装置，其特征在于，所述装置包括：

音频集获取单元，用于获取初始音频集，以及与所述初始音频集对应的初始音频字典；

音频子类划分单元，用于根据所述初始音频字典以及预设的音频子类划分规则，对所述初始音频集进行音频子类划分，得到第一音频子类；以及

音频数据增广单元，用于采用预设的逐类增广方式对第二音频子类的音频进行数据增广，得到训练音频集，所述第二音频子类包含于所述第一音频子类中。