[发明专利]一种音频负样本的生成方法及装置

说明书

本发明实施例涉及音频处理技术领域，尤其涉及一种音频负样本的生成方法、装置、计算设备及计算机可读存储介质。包括：从音频正样本中截取k个第一子音频部分；所述音频正样本为具有唤醒词的音频信号；从音频负样本中截取k个第二子音频部分，所述音频负样本为不具有所述唤醒词的音频信号；将所述k个第一子音频部分替换所述音频负样本中的所述k个第二子音频部分，得到第一合成音频负样本。提高了模型对与正样本相似性较高的负样本的识别精度。同时，直接利用原有的正样本和负样本生成具有相似发音的负样本数据，无需另行采集负样本，方法便捷而高效，通用性强，生成的负样本数据覆盖面广。

技术领域

本发明实施例涉及音频处理技术领域，尤其涉及一种音频负样本的生成方法、装置、计算设备及计算机可读存储介质。

背景技术

唤醒词识别是音频识别的重要应用场景之一。为音频识别系统提供专门的唤醒词模型，一是可以降低功耗，二是这样做可以更好的兼顾唤醒词的识别率与误触发率，提高用户体验。

然而在保证唤醒词识别率的前提下降低误唤醒率一直是唤醒词音频识别技术的主要难点。常用方法是采集大量的与唤醒词发音相似，容易导致误唤醒的负样本数据加入模型训练中，加强模型对这类相似词的识别，然而这样做的困难一是在于很难保证相似发音的数据覆盖全面，例如与唤醒词有相似发音的音频数据很有可能并不是音频数据，环境噪声导致的误唤醒也是时常发生的，这类数据无法覆盖；二是采集这些相似发音词的数据本身也会加大人力和财力。

综上，目前亟需一种音频负样本的生成方法，用以解决现有的获取与正样本相似度高的负样本难度大且难以覆盖全面的问题。

发明内容

本发明实施例提供一种音频负样本的生成方法，用以解决现有的获取与正样本相似度高的负样本难度大且难以覆盖全面的问题。

本发明实施例提供一种音频负样本的生成方法，包括：

从音频正样本中截取k个第一子音频部分；所述音频正样本为具有唤醒词的音频信号；

从音频负样本中截取k个第二子音频部分，所述音频负样本为不具有所述唤醒词的音频信号；

将所述k个第一子音频部分替换所述音频负样本中的所述k个第二子音频部分，得到第一合成音频负样本。

通过将正样本中的第一子音频部分替换至负样本中，使负样本中带有一定比例的正样本中的信息，保证了生成的第一合成音频负样本与正样本的相似度较高，在后续唤醒词模型针对这样的负样本进行学习训练，提高了模型对与正样本相似性较高的负样本的识别精度。同时，直接利用原有的正样本和负样本生成具有相似发音的负样本数据，无需另行采集负样本，方法便捷而高效，通用性强，生成的负样本数据覆盖面广。

可选地，所述方法还包括：

将所述k个第二子音频部分替换所述音频正样本中的所述k个第一子音频部分，得到第二合成音频负样本。

通过上述替换可以得到另一个音频负样本，利用原有的正负样本数据即可生成，方法便捷高效，扩大了负样本的范围。

可选地，从音频正样本中截取k个第一子音频部分，包括：

确定所述音频正样本中的有效音频部分；

将所述有效音频部分划分为n份；

从所述n份中选取k份，作为k个第一子音频部分。

首先识别正样本中的有效音频部分，在有效音频部分的基础上进行划分，可以保证不会截取到正样本中的无关信息。通过先划分为n份，再从n份中选取k个第一子音频部分，简化了选取第一子音频部分的流程。

可选地，将所述有效音频部分划分为n份，包括：

随机生成n-1个随机数，每个随机数用于指示在所述有效音频部分的对应位置；