[发明专利]语音数据集训练方法和装置

权利要求书

1.一种语音数据集训练方法，包括：

读取从第一语音数据集中选取数据所生成的第一测试集，以及对所述第一语音数据集进行训练得到的第一语音模型参数，所述第一语音模型参数为隐马尔科夫模型和混合高斯模型参数；

获取第二语音数据集，从所述第二语音数据集中随机选取数据生成第二测试集；

检测到所述第二测试集与所述第一测试集满足相似条件，则采用所述训练得到的第一语音模型参数对所述第二语音数据集进行第二语音模型训练，所述第二语音模型为隐马尔科夫模型和深度神经网络模型；所述相似条件为相似度超过相似度阈值，或者字识别错误率之差小于或等于容错阈值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从所述第一语音数据集中分别选取数据生成训练集和第一测试集；

对所述训练集进行第一语音模型训练得到预设数量的第一语音模型；

采用所述预设数量的第一语音模型分别对所述第一测试集进行测试，得到字识别错误率在预设范围内的第一语音模型；

将所述字识别错误率在预设范围内的第一语音模型的参数作为所述第一语音模型参数。

3.根据权利要求2所述的方法，其特征在于，对所述训练集进行第一语音模型训练得到预设数量的第一语音模型，包括：

每次从所述训练集中随机选取第一预设比例的数据或第一固定数量的数据进行第一语音模型训练，重复预设数量的次数，得到预设数量的第一语音模型。

4.根据权利要求2或3所述的方法，其特征在于，所述采用所述预设数量的第一语音模型对所述第一测试集进行测试，得到字识别错误率在预设范围内的第一语音模型，包括：

采用预设数量的第一语音模型分别对所述第一测试集进行测试，得到各个第一语音模型的字识别错误率；

根据各个第一语音模型的字识别错误率筛选得到字识别错误率在预设范围内的第一语音模型。

5.根据权利要求4所述的方法，其特征在于，所述检测到所述第二测试集与所述第一测试集满足相似条件，包括：

采用所述字识别错误率在预设范围内中最小的字识别错误率对应的第一语音模型对所述第二测试集进行测试，得到所述第二测试集所对应的字识别错误率；

检测到所述第二测试集所对应的字识别错误率与所述字识别错误率在预设范围内中最小的字识别错误率之差小于或等于容错阈值，则表示所述第二测试集与所述第一测试集满足相似条件。

6.根据权利要求1至3中任一项所述的方法，其特征在于，从所述第二语音数据集中随机选取数据生成第二测试集，包括：

获取所述第一测试集中数据数量与所述第一语音数据集中数据数量的比值，从所述第二语音数据集中随机选取占所述比值的数据，生成所述第二测试集。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从所述第一语音数据集中分别选取数据生成训练集和第一测试集；

对所述训练集进行第一语音模型训练得到预设数量的第一语音模型；

采用所述预设数量的第一语音模型分别对所述第一测试集进行测试，得到所述预设数量中的最小的字识别错误率的第一语音模型；

将所述最小的字识别错误率的第一语音模型的参数作为所述第一语音模型参数。

8.根据权利要求7所述的方法，其特征在于，所述检测到所述第二测试集与所述第一测试集满足相似条件，包括：

采用所述预设数量中的最小的字识别错误率对应的第一语音模型对所述第二测试集进行测试，得到所述第二测试集所对应的字识别错误率；

检测到所述第二测试集所对应的字识别错误率与所述预设数量中的最小的字识别错误率之差小于或等于容错阈值，则表示所述第二测试集与所述第一测试集满足相似条件。