[发明专利]一种语音分类方法、装置、服务器及存储介质

说明书

本发明实施例公开了一种语音分类方法、装置、服务器和存储介质，其中，语音分类方法包括：利用梅尔频率倒谱系数MFCC算法获取目标短语音的MFCC特征矩阵，并将MFCC特征矩阵转换为目标图像；基于深度学习模型，提取目标图像的目标图像特征；将目标图像特征输入至预先训练好的语音分类器中，并输出目标短语音的类别。本发明实施例克服了现有语音分类方法忽视了语音内容的深层信息，仅能对内容差异化较大的语音进行粗略的评定的不足，实现了快速有效地对语音数据进行分类处理的效果。

技术领域

本发明实施例涉及互联网技术应用领域，尤其涉及一种语音分类方法、装置、服务器及存储介质。

背景技术

随着互联网行业的快速发展，语音信息膨胀式产生，如何在海量信息中快速、精准地对语音数据进行分类，并节约计算资源，是目前的一个难点。

现有的语音分类方法，通常计算语音数据中每帧的MFCC特征，然后将每帧的MFCC特征拼接为短语音的整体特征，并训练分类器并进行特征分类，然后获取分类标签。但是，基于一般的语音分类方法，忽视了语音内容的深层信息，仅能对内容差异化较大的语音进行粗略的评定。

发明内容

本发明提供一种语音分类方法、装置、服务器及存储介质，以基于语音内容的层面，快速有效的实现语音分类。

第一方面，本发明实施例提供了一种语音分类方法，该方法包括：

利用梅尔频率倒谱系数MFCC算法获取目标短语音的MFCC特征矩阵，并将所述MFCC特征矩阵转换为目标图像；

基于深度学习模型，提取所述目标图像的目标图像特征；

将所述目标图像特征输入至预先训练好的语音分类器中，并输出所述目标短语音的类别。

第二方面，本发明实施例还提供了一种语音分类装置，该装置包括：

目标图像转换模块，用于利用梅尔频率倒谱系数MFCC算法获取目标短语音的MFCC特征矩阵，并将所述MFCC特征矩阵转换为目标图像；

特征确定模块，用于基于深度学习模型，提取所述目标图像的目标图像特征；

语音类别确定模块，用于将所述目标图像特征输入至预先训练好的语音分类器中，并输出所述目标短语音的类别。

第三方面，本发明实施例还提供了一种语音分类服务器，该服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的语音分类方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的语音分类方法。

本发明实施例提供的语音分类方法、装置、服务器及存储介质，通过利用MFCC算法获取目标短语音的MFCC特征矩阵，并将MFCC特征矩阵转换为目标图像，基于深度学习模型，提取目标图像的目标图像特征，将目标图像特征输入至预先训练好的语音分类器中，并输出目标短语音的类别，克服了现有语音分类方法忽视了语音内容的深层信息，仅能对内容差异化较大的语音进行粗略的评定的不足，实现了快速有效地对语音数据进行分类处理的效果。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明的上述及其他特征和优点，附图中：

图1是本发明实施例一中的语音分类方法的流程图；

图2是本发明实施例二中的语音分类方法的流程图；