[发明专利]声纹模型训练方法、装置、设备以及存储介质在审

专利信息
申请号: 202110263981.9 申请日: 2021-03-08
公开(公告)号: CN112786058A 公开(公告)日: 2021-05-11
发明(设计)人: 赵情恩;曾新贵;熊新雷;陈蓉;肖岩 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G10L17/04 分类号: G10L17/04;G10L17/12;G10L17/14;G10L17/18
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 声纹 模型 训练 方法 装置 设备 以及 存储 介质
【说明书】:

本申请公开了一种声纹模型训练方法、装置、设备以及存储介质,涉及语音识别、深度学习等人工智能领域。该方法的一具体实施方式包括:获取训练样本集,其中,训练样本集包括多个样本说话人的音频;提取多个样本说话人的音频的语音特征;将语音特征输入到声纹模型,得到语音特征所属的说话人的分数和部分噪声的分数;基于语音特征所属的说话人的分数和部分噪声的分数,训练声纹模型。该实施方式提供了一种基于噪声比例的训练方式训练声纹模型,降低了模型训练的计算量,提高了模型训练的效率。

技术领域

本申请实施例涉及计算机领域,具体涉及语音识别、深度学习等人工智能领域,尤其涉及声纹模型训练方法、装置、设备以及存储介质。

背景技术

对于存在大量不同说话人的音频的领域,通常希望对存量的音频进行声纹模型的训练与优化,然后通过建立庞大的声纹库来进行声纹的比对查找,有助于领域内的业务的推进。随着社会和互联网的飞速发展,领域内会积累海量说话人的音频。如何在这么庞大的数据量下,训练得到一个效果更优的声纹模型,成为声纹领域亟待解决的问题。

发明内容

本申请实施例提出了一种声纹模型训练方法、装置、设备以及存储介质。

第一方面,本申请实施例提出了一种声纹模型训练方法,包括:获取训练样本集,其中,训练样本集包括多个样本说话人的音频;提取多个样本说话人的音频的语音特征;将语音特征输入到声纹模型,得到语音特征所属的说话人的分数和噪声的分数;基于语音特征所属的说话人的分数和部分噪声的分数,训练声纹模型。

第二方面,本申请实施例提出了一种声纹模型训练装置,包括:获取模块,被配置成获取训练样本集,其中,训练样本集包括多个样本说话人的音频;提取模块,被配置成提取多个样本说话人的音频的语音特征;识别模型,被配置成将语音特征输入到声纹模型,得到语音特征所属的说话人的分数和部分噪声的分数;训练模块,被配置成基于语音特征所属的说话人的分数和部分噪声的分数,训练声纹模型。

第三方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面,本申请实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的声纹模型训练方法、装置、设备以及存储介质,首先提取训练样本集中的多个样本说话人的音频的语音特征;然后将语音特征输入到声纹模型,得到语音特征所属的说话人的分数和噪声的分数;最后基于语音特征所属的说话人的分数和部分噪声的分数,训练声纹模型。提供了一种基于噪声比例的训练方式训练声纹模型,降低了模型训练的计算量,提高了模型训练的效率。

应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本申请的限定。其中:

图1是本申请可以应用于其中的示例性系统架构图;

图2是根据本申请的声纹模型训练方法的一个实施例的流程图;

图3是根据本申请的声纹模型训练方法的又一个实施例的流程图;

图4是可以实现本申请实施例的声纹模型训练方法的应用场景图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110263981.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top