[发明专利]音频识别方法及计算机设备

说明书

本申请公开了一种音频识别方法及计算机设备，可应用于云技术、人工智能、智慧城市等各种领域或场景，该方法包括：将待识别音频片段对应的待识别频谱图输入目标音频识别模型，得到目标音频模型输出的待识别特征向量；从曲库中确定与待识别特征向量满足预设条件的目标特征向量；将目标特征向量指向的目标音频确定为待识别音频片段的识别结果，识别结果指示待识别音频片段与目标音频为同一音频的不同版本。采用本方案可有效提升音频识别的准确性与效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种音频识别方法及计算机设备。

背景技术

近年来，随着短视频的兴起和大量网络用户生成内容(user generated content，UGC)作品的出现，人们在观看短视频等多媒体内容时，听到感兴趣的音乐，想要知晓音乐名、演唱者等信息时，音乐识别就显得尤为重要。此外，互联网上大量的音视频作品也给歌曲的版权管理带来了巨大挑战，而使用音乐信息检索(music information retrieval，MIR)技术，如翻唱识别，识别出同一作品的不同版本，对曲库歌曲的管理和版权管理具有重要意义。因此，翻唱歌曲识别(cover song identification，CSI)已成为一个新的研究热点。

发明内容

本申请提供了一种音频识别方法及计算机设备，可有效提升音频识别的准确性与效率。

第一方面，本申请提供了一种音频识别方法，包括：

将待识别音频片段对应的待识别频谱图输入目标音频识别模型，得到目标音频模型输出的待识别特征向量；其中，目标音频识别模型是利用调整参数对初始音频识别模型的模型参数进行调整得到的，初始音频识别模型包括第一任务模块及第二任务模块，调整参数是根据第一任务模块生成的第一损失参数以及第二任务模块生成的第二损失参数确定的；

从曲库中确定与待识别特征向量满足预设条件的目标特征向量；

将目标特征向量指向的目标音频确定为待识别音频片段的识别结果，识别结果指示待识别音频片段与目标音频为同一音频的不同版本。

可见，采用目标音频识别模型，能够得到表征更准确的待识别特征向量，从而提高从曲库中查询匹配的目标特征向量的效率，同时提升音频识别的准确性。

在一种实现方式中，上述方法还包括：将训练频谱图输入初始音频识别模型，得到第一任务模块输出的第一训练特征向量和第二任务模块输出的第二训练特征向量；根据第一训练特征向量确定第一损失参数；根据第二训练特征向量确定第二损失参数；根据第一损失参数和第二损失参数，确定调整参数。其中，第一训练特征向量与第二训练特征向量不同。

在一种实现方式中，上述方法还包括：根据第一训练特征向量，确定训练频谱图的预测音频类别标签；确定预测音频类别标签对应的预测概率；根据预测概率，确定第一损失参数。

在一种实现方式中，训练频谱图包括第一样本图、第二样本图和第三样本图，第一样本图与第二样本图的音频类别标签相同，第一样本图与第三样本图的音频类别标签不同；上述方法具体还可包括：确定第一样本图对应的第二训练特征向量与第二样本图对应的第二训练特征向量之间的第一向量距离；确定第一样本图对应的第二训练特征向量与第三样本图对应的第二训练特征向量之间的第二向量距离；根据第一向量距离与第二向量距离，确定第二损失参数。

可见，使用第一任务模块与第二任务模块的联合学习得到的调整参数对初始音频识别模型的模型参数进行调整，可使得到的目标音频识别模型生成表征更准确、鲁棒性更高的待识别特征向量，有利于提升音频识别的准确性与效率。

在一种实现方式中，识别结果还包括待识别音频片段的音频类别标签；上述方法还包括：将待识别音频片段的音频类别标签与待识别特征向量之间的对应关系添加至曲库。