[发明专利]语音数据选择方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术，揭露了一种语音数据选择方法，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的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得到各个语音数据的最终分数，并根据所述最终分数得到标准训练集，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。此外，本发明还涉及区块链技术，所述标准训练集可存储于区块链的节点。本发明还提出一种语音数据选择装置、电子设备以及计算机可读存储介质。本发明可以解决语音数据缺乏语义多样性的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种语音数据选择方法、装置、电子设备及计算机可读存储介质。

背景技术

语音识别系统广泛应用于各种领域，通常需要使用大量训练样本数据对深度神经网络(Deep Neural Network,DNN)进行训练，得到语音识别模型。其中，训练样本的选择至关重要。现有技术下，通常使用主动学习(Active Learning,AL)的方法来选择信息量最大的训练样本，传统的AL技术大多基于语音识别模型中识别出的语音数据的不确定性，但是一方面由于采用的不确定性度量都是基于单个语音数据的预测，因此这些方法通常会导致AL选择出的样本相似或者冗余，降低了模型训练效果。另一方面，有些AL技术使用样本特征空间中的全局特征进行度量，这些特征表示没有包含语音数据中组成对象的类别信息，因此忽视了样本语义空间的多样性。

发明内容

本发明提供一种语音数据选择方法、装置及计算机可读存储介质，其主要目的在于解决语音数据缺乏语义多样性的问题。

为实现上述目的，本发明提供的一种语音数据选择方法，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。

可选地，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。

可选地，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。

可选地，所述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：