[发明专利]语音数据情感检测方法、装置、电子设备和存储介质

权利要求书

1.一种语音数据情感检测方法，其特征在于，包括：

确定待检测的语音数据，所述语音数据包括至少一个完整语句；

将所述语音数据输入至情感检测模型，得到所述情感检测模型输出的情感检测结果；

其中，所述情感检测模型是基于包含至少一个完整语句的样本语音数据及其对应的样本情感检测结果训练得到的；所述情感检测模型用于在提取所述语音数据的语音特征后，将所述语音特征划分为多个候选感情区域特征，并基于非极大抑制从多个候选感情区域特征中确定目标感情区域特征，以及对各目标感情区域特征进行情感分类，得到所述情感检测结果；各候选感情区域特征对应的语音数据为一个或多个完整语句；

所述将所述语音数据输入至情感检测模型，得到所述情感检测模型输出的情感检测结果，包括：

将所述语音数据输入至所述情感检测模型的特征提取层，得到所述特征提取层输出的所述语音数据的语音特征；

将所述语音特征输入至所述情感检测模型的候选区域检测层，得到所述候选区域检测层输出的所述多个候选感情区域特征；

将所述多个候选感情区域特征输入至所述情感检测模型的目标区域检测层，由所述目标区域检测层对所述多个候选感情区域特征进行非极大抑制处理，得到所述目标区域检测层输出的所述目标感情区域特征；

将所述目标感情区域特征输入至所述情感检测模型的情感分类层，得到所述情感分类层输出的所述情感检测结果；

所述将所述语音数据输入至所述情感检测模型的特征提取层，得到所述特征提取层输出的所述语音数据的语音特征，包括：

将所述语音数据输入至所述特征提取层的声谱图转换层，得到所述声谱图转换层输出的所述语音数据对应的声谱图；

将所述声谱图输入至所述特征提取层的上采样层，由所述上采样层对所述声谱图进行上采样，得到所述上采样层输出的高维特征；

将所述高维特征输入至所述特征提取层的上下文融合层，由所述上下文融合层对所述高维特征进行上下文信息融合，得到所述上下文融合层输出的所述语音数据的语音特征。

2.根据权利要求1所述的语音数据情感检测方法，其特征在于，所述将所述语音数据输入至所述特征提取层的声谱图转换层，得到所述声谱图转换层输出的所述语音数据对应的声谱图，包括：

将所述语音数据输入至所述特征提取层的声谱图转换层，由所述声谱图转换层依次对所述语音数据进行分帧处理、加窗处理以及傅里叶变换，得到所述声谱图转换层输出的所述语音数据对应的声谱图。

3.根据权利要求1至2任一项所述的语音数据情感检测方法，其特征在于，所述将所述语音特征输入至所述情感检测模型的候选区域检测层，得到所述候选区域检测层输出的所述多个候选感情区域特征，包括：

将所述语音特征输入至所述候选区域检测层的感情区域预测层，得到所述感情区域预测层输出的多个初始候选感情区域特征；

将各初始候选感情区域特征输出至所述候选区域检测层的端点检测层，由所述端点检测层对各初始候选感情区域特征的起始端点和/或终止端点进行调整，得到所述端点检测层输出的所述多个候选感情区域特征。

4.根据权利要求1至2任一项所述的语音数据情感检测方法，其特征在于，所述得到所述目标区域检测层输出的所述目标感情区域特征，之后还包括：

将所述目标感情区域特征以及所述语音特征输入至危险程度预测模型，得到所述危险程度预测模型输出的危险程度预测结果；

其中，所述危险程度预测模型是基于样本感情区域特征以及所述样本感情区域特征对应的危险程度训练得到的。

5.根据权利要求4所述的语音数据情感检测方法，其特征在于，所述将所述目标感情区域特征输入至危险程度预测模型，得到所述危险程度预测模型输出的危险程度预测结果，包括：

将所述目标感情区域特征以及所述语音特征输入至所述危险程度预测模型的特征融合层，得到所述特征融合层输出的融合特征；

将所述融合特征输入至所述危险程度预测模型的结果预测层，得到所述结果预测层输出的所述危险程度预测结果。