[发明专利]语音内容的处理方法、装置、设备及可读存储介质

说明书

本申请公开了一种语音内容的处理方法、装置、设备及可读存储介质，涉及机器学习领域。该方法包括：获取语音内容；对语音内容进行特征提取，得到第一数据格式的音频特征；对音频特征进行动态量化得到第二数据格式的量化特征，第一数据格式的数据位数大于第二数据格式的数据位数；将量化特征输入至语音处理模型，输出得到内容处理结果。通过将语音处理模型中的模型参数从第一数据格式量化至第二数据格式，且在进行音频特征处理之前首先将音频特征量化至第二数据格式，由于第一数据格式的数据位数大于第二数据格式的数据位数，从而减小了语音处理模型整体的数据占用量，减小了语音处理模型在移动设备中的外存(如flash)和内存占用情况。

技术领域

本申请实施例涉及机器学习领域，特别涉及一种语音内容的处理方法、装置、设备及可读存储介质。

背景技术

随着机器学习领域的快速发展，对于在移动设备端使用离线神经网络的需求增大，如：在离线场景下，使用移动设备端的神经网络模型进行语音检测，从而对移动设备进行唤醒，而神经网络算法的发展导致神经网络对计算和内存的要求越来越大，以至于移动设备的计算能力和内存空间无法承受。

相关技术中，以语音识别场景为例，通常利用神经网络TensorFlow和Pytorch框架训练声学模型，嵌入到语音框架Kaldi中，从而实现对声学模型的量化。

然而，上述方式的实现成本较大，TensorFlow和Pytorch框架缺少语音解码器相关的技术，即使融合到语音框架Kaldi中，由于融合了两种框架，势必内存占用会增加，改造、维护成本也较大。

发明内容

本申请实施例提供了一种语音内容的处理方法、装置、设备及可读存储介质，能够加速神经网络对语音内容处理的推理速度，降低中央处理器(Central Processing Unit，CPU)占用，并减小移动设备端语音处理模型的内存占用。所述技术方案如下：

一方面，提供了一种语音内容的处理方法，所述方法包括：

获取语音内容，所述语音内容为待处理的内容；

对所述语音内容进行特征提取，得到音频特征，所述音频特征对应第一数据格式；

对所述音频特征进行动态量化处理后得到量化特征，所述量化特征对应第二数据格式，所述第一数据格式对应的数据位数大于所述第二数据格式对应的数据位数；

将所述量化特征输入至语音处理模型，输出得到内容处理结果，所述语音处理模型中包括第一模型参数，所述第一模型参数对应所述第二数据格式，所述第一模型参数是由第二模型参数经过量化得到的参数，所述第二模型参数对应所述第一数据格式。

另一方面，提供了一种语音内容的处理装置，所述装置包括：

获取模块，用于获取语音内容，所述语音内容为待处理的内容；

提取模块，用于对所述语音内容进行特征提取，得到音频特征，所述音频特征对应第一数据格式；

处理模块，用于对所述音频特征进行动态量化处理后得到量化特征，所述量化特征对应第二数据格式，所述第一数据格式对应的数据位数大于所述第二数据格式对应的数据位数；

所述处理模块，还用于将所述量化特征输入至语音处理模型，输出得到内容处理结果，所述语音处理模型中包括第一模型参数，所述第一模型参数对应所述第二数据格式，所述第一模型参数是由第二模型参数经过量化得到的参数，所述第二模型参数对应所述第一数据格式。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现如上述本申请实施例中任一所述的语音内容的处理方法。