[发明专利]语音数据选择方法、装置、电子设备及存储介质

权利要求书

1.一种语音数据选择方法，其特征在于，所述方法包括：

获取原始语音数据集合，对所述原始语音数据集合中的语音数据进行预处理及特征提取，得到标准语音数据集合；

计算所述标准语音数据集合中每帧语音数据的语义多样性分数，及计算所述每帧语音数据的说话人多样性分数；

利用所述语义多样性分数及所述说话人多样性分数得到所述标准语音数据集合中每帧语音数据的最终分数，并根据所述最终分数从所述原始语音数据集合中筛选得到标准训练集；

利用所述标准训练集对预构建的语音识别模型进行训练，得到标准语音识别模型。

2.如权利要求1所述的语音数据选择方法，其特征在于，所述对所述原始语音数据集合中的语音数据进行预处理及特征提取，得到标准语音数据集合，包括：

对所述原始语音数据集合中的语音数据进行预加重、分帧及加窗操作，得到预处理语音数据；

利用预设的特征提取算法对所述预处理语音数据进行特征提取，得到语音特征参数，并汇总所述语音特征参数得到所述标准语音数据集合。

3.如权利要求1所述的语音数据选择方法，其特征在于，所述计算所述标准语音数据集合中每帧语音数据的语义多样性分数，包括：

利用预构建的语音识别模型计算所述标准语音数据集合中每帧语音数据的预测概率；

根据所述预测概率确定所述每帧语音数据的混合分布；

根据所述混合分布计算所述标准语音数据集合中每帧语音数据的语义多样性差别值，并得到所述语义多样性分数。

4.如权利要求3所述的语音数据选择方法，其特征在于，根据所述混合分布计算所述标准语音数据集合中每帧语音数据的语义多样性差别值，包括：

利用下述公式计算所述语义多样性差别值：

其中，D(S_i,S_j)为任意一对语音数据(S_i,S_j)的语义多样性差别值，为所述语音数据对中识别的字c的混合分布，KL为对称K-L散度(symmetrical Kullback-LeiblerDivergence)，是一种量化两种混合分布之间差异的算法。

5.如权利要求1所述的语音数据选择方法，其特征在于，所述计算所述每帧语音数据的说话人多样性分数，包括：

提取所述语音数据中的说话人信息；

根据所述说话人信息中不同属性的数据，计算说话人的属性类别比例；

根据所述说话人的属性类别比例及预设的多样性计算方法，计算得到所述说话人多样性分数。

6.如权利要求1所述的语音数据选择方法，其特征在于，所述利用所述语义多样性分数及所述说话人多样性分数得到所述标准语音数据集合中每帧语音数据的最终分数，并根据所述最终分数从所述原始语音数据集合中筛选得到标准训练集，包括：

获取所述标准语音数据集合中各帧语音数据的语义多样性分数及说话人多样性分数；

利用所述语义多样性分数及所述说话人多样性分数计算每个语音数据的最终分数；

从所述标准语音数据集合中根据所述最终分数的排序，选择预设数量的语音数据作为所述标准训练集。

7.如权利要求1所述的语音数据选择方法，其特征在于，所述利用所述标准训练集对预构建的语音识别模型进行训练，得到标准语音识别模型，包括：

利用所述预构建的语音识别模型计算所述标准训练集中每帧语音数据的预测概率；

根据预设的解码方法对所述预测概率进行解码处理，当解码后的数据使得所述语音识别模型中的对齐函数收敛时，得到所述标准语音识别模型。