[发明专利]训练数据获取方法、装置、设备及存储介质

权利要求书

1.一种训练数据获取方法，其特征在于，所述方法包括：

对在目标场景下采集的音频数据进行剪切，得到训练音频集；其中，所述训练音频集中的每条音频均包括唤醒命令词；

根据所述目标场景的环境类型，确定多种过滤方式的执行顺序；其中，不同的过滤方式用于基于不同的过滤条件对所述训练音频集中的音频进行过滤；

在按照所述执行顺序对所述每条音频进行过滤判定时，响应于任意一条音频满足当前过滤方式对应的过滤条件，从所述训练音频集中删除所述音频；

将过滤后的训练音频集作为用于训练声学模型的训练数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标场景的环境类型，确定多种过滤方式的执行顺序，包括：

获取所述目标场景对应的场所类型和周边基建信息；

获取所述音频数据的采集时段；

根据所述目标场景对应的场所类型和周边基建信息、所述音频数据的采集时段，确定所述多种过滤方式的执行顺序。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标场景对应的场所类型和周边基建信息、所述音频数据的采集时段，确定所述多种过滤方式的执行顺序，包括：

根据所述场所类型，确定所述多种过滤方式的初始执行顺序；

根据所述周边基建信息和所述音频数据的采集时段，对所述初始执行顺序进行修正处理，得到所述多种过滤方式的最终执行顺序。

4.根据权利要求1所述的方法，其特征在于，所述响应于任意一条音频满足当前过滤方式对应的过滤条件，从所述训练音频集中删除所述音频，包括：

对于任意一条音频，获取所述音频的音频波形图；

对所述音频波形图进行波形识别，得到波形识别结果；

响应于基于所述波形识别结果确定所述音频存在截断现象，从所述训练音频集中删除所述音频；

其中，所述截断现象是指所述音频中缺少所述唤醒命令词对应的部分音频帧。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括以下至少一种：

响应于所述波形识别结果指示的波形特征与第一波形特征匹配，确定所述音频存在截断现象；其中，所述第一波形特征与第一音频对应，所述第一音频的音频起始位置存在截断现象；

响应于所述波形识别结果指示的波形特征与第二波形特征匹配，确定所述音频存在截断现象；其中，所述第二波形特征与第二音频对应，所述第二音频的音频结尾位置存在截断现象；

响应于所述波形识别结果指示的波形特征与第三波形特征匹配，确定所述音频存在截断现象；其中，所述第三波形特征与第三音频对应，所述第三音频的音频中间位置存在截断现象。

6.根据权利要求1所述的方法，其特征在于，所述响应于任意一条音频满足当前过滤方式对应的过滤条件，从所述训练音频集中删除所述音频，包括：

对于任意一条音频，对所述音频进行声纹识别，得到声纹识别结果；

响应于基于所述声纹识别结果确定所述音频对应多个说话人，且至少两个说话人对应的音频帧数大于帧数阈值，对所述音频进行语音识别；

响应于基于语音识别结果确定所述音频存在聊天语音，从所述训练音频集中删除所述音频。

7.根据权利要求1所述的方法，其特征在于，所述响应于任意一条音频满足当前过滤方式对应的过滤条件，从所述训练音频集中删除所述音频，包括：

对于任意一条音频，获取所述音频的信噪比；

响应于所述音频的信噪比小于信噪比阈值，从所述训练音频集中删除所述音频。

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述对在目标场景下采集的音频数据进行剪切，得到训练音频集，包括：

对在目标场景下采集的音频数据进行音频截断，得到初始音频集；其中，所述初始音频集中的每条音频均包括唤醒命令词；

对所述初始音频集中的每条音频进行语音端点检测；

基于语音端点检测结果，消除所述初始音频集中每条音频的静音片段，得到所述训练音频集；其中，所述静音片段的持续时长大于目标时长。