[发明专利]神经网络的训练和语音端点检测方法及装置

权利要求书

1.一种语音端点检测方法，包括：

提取待测音频的声学特征，将所述音频特征输入至训练后的FSMN模型中；

获取训练后的所述FSMN模型输出的对所述待测音频中各帧音频的分类结果，其中，所述分类结果包括语音音频数据和非语音音频数据；

对所述分类结果进行平滑处理，输出平滑后的各段语音音频数据的端点。

2.根据权利要求1所述的方法，其中，所述FSMN模型的训练方法包括：

将语音音频数据和非语音音频数据随机混合形成混合音频数据；

提取所述混合音频数据的声学特征；

将所述声学特征输入所述FSMN模型中，训练所述FSMN模型使得所述FSMN模型的输出的对于语音音频数据和非语音音频数据的分类基本等于所述混合音频数据中语音音频数据和非语音音频数据的分类。

3.根据权利要求2所述的方法，其中，所述训练所述FSMN模型使得所述FSMN模型的输出的对于语音音频数据和非语音音频数据的分类基本等于所述混合音频数据中语音音频数据和非语音音频数据的分类包括：

基于所述混合音频数据形成训练集和验证集；

基于所述训练集和所述验证集的交叉熵来训练所述FSMN模型，判断训练后的FSMN模型的性能是否满足预设要求；

若性能不满足预设要求，则对所述FSMN模型进行超参数调节，并重新训练所述FSMN模型直至所述FSMN模型的性能满足预设要求。

4.根据权利要求2或3所述的方法，其中，所述语音音频数据和所述非语音音频数据均为多场景类型的音频数据。

5.根据权利要求4所述的方法，其中，所述声学特征包括Fbank特征。

6.一种语音端点检测装置，包括：

输入模块，配置为提取待测音频的声学特征，将所述音频特征输入至训练后的FSMN模型中；

结果获取模块，配置为获取所述训练后的FSMN模型输出的对所述待测音频中各帧音频的分类结果，其中，所述分类结果包括语音音频数据和非语音音频数据；

端点输出模块，配置为对所述分类结果进行平滑处理，输出平滑后的各段语音音频数据的端点。

7.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述方法的步骤。

8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。