[发明专利]模型训练方法、模仿音检测方法、装置、设备及存储介质

说明书

本申请实施例公开了一种模型训练方法、模仿音检测方法、装置、设备及存储介质，通过模仿音检测模型对样本语音进行特征提取，得到样本语音的初始特征序列；对初始特征序列中的部分初始特征进行修改；利用修改后的初始特征序列，确定样本语音的模仿音检测结果；以样本语音的模仿音检测结果趋近于样本语音的标签为目标，对模仿音检测模型的参数进行更新。本申请公开的方案，在模型训练过程中对初始特征序列进行修改，相当于对样本语音增加了噪声或样本语音丢失了一部分有用信息，保证模型的准确性和鲁棒性。

技术领域

本申请涉及语音处理技术领域，更具体地说，涉及一种模型训练方法、模仿音检测方法、装置、设备及存储介质。

背景技术

语音处理在人们的工作和生活中都有广泛的应用，比如，语音控制、身份识别等。然而，声音具有易模仿，易伪造的缺点，比如，目前声音模仿的方式有如下三种：自然人主动模仿、机器合成语音、机器对自然人的语音进行参数调整，这就给语音处理的安全性带来威胁。

因此，有必要对语音数据进行模仿音检测，以避免对模仿音进行处理带来的安全威胁。

发明内容

有鉴于此，本申请提供了一种模型训练方法、模仿音检测方法、装置、设备及存储介质，以避免对模仿音进行处理带来的安全威胁。

为了实现上述目的，现提出的方案如下：

一种模仿音检测模型训练方法，包括：

对样本语音的各个语音帧分别进行特征提取，得到所述样本语音的初始特征序列；

对所述初始特征序列中的部分初始特征进行修改，得到修改后的特征序列；

利用所述修改后的特征序列，确定所述样本语音的各个语音帧的模仿音检测结果；

以所述样本语音的各个语音帧的模仿音检测结果趋近于所述样本语音的标签为目标，对所述模仿音检测模型的参数进行更新；所述标签表征所述样本语音中的各个语音帧是否为模仿音。

上述方法，优选的，所述对样本语音的各个语音帧分别进行特征提取，得到所述样本语音的初始特征序列，包括：

获取样本语音的各个语音帧的声学特征；

对各个语音帧的声学特征分别进行编码，得到各个语音帧的初始编码特征，作为所述样本语音的初始特征序列。

上述方法，优选的，所述对所述初始特征序列中的部分初始特征进行修改，包括：

将所述样本语音的预置比例的语音帧的初始编码特征作为所述部分初始特征进行修改。

上述方法，优选的，所述将所述样本语音的预置比例的语音帧的初始编码特征作为所述部分初始特征进行修改，包括：

对所述预置比例的语音帧的初始编码特征在时域的预置位置进行修改和/或在频域的预置位置进行修改。

上述方法，优选的，所述利用所述修改后的特征序列，确定所述样本语音的各个语音帧的模仿音检测结果，包括：

对所述修后的特征序列中的每一个特征分别进行编码，得到各个语音帧的目标编码特征，作为所述样本语音的目标特征序列；

利用所述目标特征序列，确定所述样本语音的各个语音帧的模仿音检测结果。

上述方法，优选的，其特征在于，所述声学特征为翻转梅尔频率倒谱系数IMFCC。

上述方法，优选的，所述对所述样本语音的各个语音帧的声学特征分别进行编码，得到各个语音帧的初始编码特征，包括：

对于每一个语音帧，获取该语音帧的声学特征的隐层特征，作为该语音帧的初始编码特征；或者，