[发明专利]音频数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种音频数据处理方法，其特征在于，包括：

调用已训练的语音识别模型对待处理音频数据进行识别，得到第一音素预测矩阵；

确定所述待处理音频数据的第二音素预测矩阵；

根据所述第一音素预测矩阵和所述第二音素预测矩阵，确定目标音素预测矩阵；

根据所述目标音素预测矩阵，确定所述待处理音频数据与预设的关键词的匹配结果。

2.如权利要求1所述的方法，其特征在于，所述调用已训练的语音识别模型对待处理音频数据进行识别，得到第一音素预测矩阵之前，还包括：

对获取的多个音频数据进行转换处理，得到与各所述音频数据对应的多个音素字符串；

以所述多个音频数据作为待训练的语音识别模型的输入数据，以所述多个音素字符串作为所述待训练的语音识别模型的标签数据构建训练样本集合；所述待训练的语音识别模型依次由卷积层、池化层、翻译层以及全连接层相连接而构成；

根据所述训练样本集合中的训练样本，对所述待训练的语音识别模型进行训练，并基于设定的目标损失函数进行模型参数优化以生成所述已训练的语音识别模型。

3.如权利要求2所述的方法，其特征在于，所述对获取的多个音频数据进行转换处理，得到与各所述音频数据对应的多个音素字符串，包括：

将获取的多个音频数据的中文标签转换为对应的多个拼音序列，得到与所述多个音频数据对应的多个音素字符串。

4.如权利要求1-3任一项所述的方法，其特征在于，所述确定所述待处理音频数据的第二音素预测矩阵，包括：

将预设的关键词转换为关键音素字符串；

根据所述关键音素字符串，构建所述待处理音频数据的第二音素预测矩阵；其中，所述第二音素预测矩阵中的所述关键音素字符串的概率值为第一预设阈值，除所述关键音素字符串外的其他音素字符串的概率值为第二预设阈值，所述第一预设阈值大于所述第二预设阈值。

5.如权利要求4所述的方法，其特征在于，所述根据所述第一音素预测矩阵和所述第二音素预测矩阵，确定目标音素预测矩阵，包括：

将所述第一音素预测矩阵中音素字符串的概率值，对应加上所述第二音素预测矩阵中音素字符串的概率值，得到目标音素预测矩阵。

6.如权利要求5所述的方法，其特征在于，所述根据所述目标音素预测矩阵，确定所述待处理音频数据与预设的关键词的匹配结果，包括：

对所述目标音素预测矩阵进行字符串提取处理，得到目标音素字符串；

检测所述目标音素字符串与所述关键音素字符串之间的编辑距离；

当所述编辑距离小于或等于预设的距离阈值时，确定所述待处理音频数据与所述预设的关键词匹配成功；或者，

当所述编辑距离大于预设的距离阈值时，确定所述待处理音频数据与所述预设的关键词匹配失败。

7.如权利要求6所述的方法，其特征在于，所述检测所述目标音素字符串与所述关键音素字符串之间的编辑距离，包括：

根据预设的音素列表，确定所述目标音素字符串对应的目标识别码序列，和所述预设的关键词对应的关键识别码序列；所述预设的音素列表包括预设数量的且各不相同的音素以及与各音素对应的识别码，满足预设条件的不同音素对应相同的识别码；

检测所述目标识别码序列与所述关键识别码序列之间的编辑距离。

8.一种音频数据处理装置，其特征在于，包括：

调用模块，用于调用已训练的语音识别模型对待处理音频数据进行识别，得到第一音素预测矩阵；

第一确定模块，用于确定所述待处理音频数据的第二音素预测矩阵；

第二确定模块，用于根据所述第一音素预测矩阵和所述第二音素预测矩阵，确定目标音素预测矩阵；

匹配模块，用于根据所述目标音素预测矩阵，确定所述待处理音频数据与预设的关键词的匹配结果。