[发明专利]远场语音识别模型的训练方法和装置

说明书

本发明公开了一种远场语音识别模型的训练方法和装置，其中，远场语音识别模型的训练方法包括：获取近场语音数据集；从近场语音数据集中抽取预定数量的近场语音数据，并采用重录近场语音数据的方式获取远场音频；将远场音频切分为多个远场语音片段，并提取远场语音片段中的远场语音特征；将远场语音特征与近场语音数据集中的近场语音数据提取的近场语音特征以预设比例进行混叠，近场语音数据集中的近场语音数据与获取远场语音数据时使用的近场语音数据不同；以及基于混叠后的语音特征数据训练远场语音识别模型。本发明实施例的远场语音识别模型的训练方法，能够有效地提升远场语音识别模型的泛化能力，提高语音识别准确率。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种远场语音识别模型的训练方法和装置。

背景技术

随着科技的不断进步，语音识别技术已成为进入智能化时代的一个标志性技术。通过语音识别技术，智能终端可以与人们进行智能的通话、问答等，大大地方便了用户。目前，近场语音识别技术已经基本成熟，远场语音识别的需求也在不断的增加。但是远场语音数据对场景以及周围录音环境都有诸多要求(混响、噪声)，且不易采集，因此很难训练出高效的识别模型，识别准确率低。

发明内容

本发明提供一种远场语音识别模型的训练方法和装置，以解决上述技术问题中的至少一个。

本发明实施例提供一种远场语音识别模型的训练方法，包括：获取近场语音数据集，所述近场语音数据集由若干已标注的近场语音数据组成；从所述近场语音数据集中抽取预定数量的近场语音数据，并采用重录所述近场语音数据的方式获取远场音频；将所述远场音频切分为多个远场语音片段，并提取所述远场语音片段中的远场语音特征；将所述远场语音特征与所述近场语音数据集中的近场语音数据提取的近场语音特征以预设比例进行混叠，所述近场语音数据集中的近场语音数据与获取所述远场语音数据时使用的近场语音数据不同；以及基于混叠后的语音特征数据训练远场语音识别模型。

本发明另一实施例提供一种远场语音识别模型的训练装置，包括：获取模块，用于获取近场语音数据集，所述近场语音数据集由若干已标注的近场语音数据组成；录音模块，用于从所述近场语音数据集中抽取预定数量的近场语音数据，并采用重录所述近场语音数据的方式获取远场音频；提取模块，用于将所述远场音频切分为多个远场语音片段，并提取所述远场语音片段中的远场语音特征；处理模块，用于将所述远场语音特征与所述近场语音数据集中的近场语音数据提取的近场语音特征以预设比例进行混叠，所述近场语音数据集中的近场语音数据与获取所述远场语音数据时使用的近场语音数据不同；以及训练模块，用于基于混叠后的语音特征数据训练远场语音识别模型。

本发明还一实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述的远场语音识别模型的训练方法。

本发明又一实施例提供一种终端设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器用于执行本发明第一方面实施例所述的远场语音识别模型的训练方法。

本发明实施例提供的技术方案可以包括以下有益效果：

通过获取近场语音数据集，再从所述近场语音数据集中抽取预定数量的近场语音数据，并采用重录所述近场语音数据的方式获取远场音频，然后将远场音频切分为多个远场语音片段，并提取远场语音片段中的远场语音特征，再将所述远场语音特征与所述近场语音数据集中的近场语音数据提取的近场语音特征以预设比例进行混叠，以及基于混叠后的语音特征数据训练远场语音识别模型，能够有效地提升远场语音识别模型的泛化能力，提高语音识别准确率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：