方言类型的确定方法、装置、设备及存储介质
本发明公开了一种方言类型的确定方法、装置、设备及存储介质，该方言类型的确定方法包括：获取语音信号；提取所述语音信号的语音特征，其中，所述语音特征包括梅尔频率倒谱系数特征和移位差分倒谱特征；基于预设方言分类神经网络，根据所述语音特征确定所述语音信号的方言。本发明实施例提供的技术方案通过语音信号的二维特征以及神经网络进行方言类型的确定，提高了方言确定的准确性，进而提高了语音识别的精度。
发明专利
CN202011077556.2
2020-10-10
CN112233651A
2021-01-15
G10L15/00(2013.01)
深圳前海微众银行股份有限公司
黄小玲;宋元峰;姜迪;徐倩
518027 广东省深圳市前海深港合作区前湾一路1号A栋201室
北京同立钧成知识产权代理有限公司
张娜%刘芳
广东;44
1.一种方言类型的确定方法，其特征在于，包括： 获取语音信号； 提取所述语音信号的语音特征，其中，所述语音特征包括梅尔频率倒谱系数特征和移位差分倒谱特征； 基于预设方言分类神经网络，根据所述语音特征确定所述语音信号的方言类型。 2.根据权利要求1所述的方法，其特征在于，提取所述语音信号的语音特征，包括： 提取所述语音信号的梅尔频率倒谱系数特征； 根据所述梅尔频率倒谱系数特征，提取所述语音信号的移位差分倒谱特征； 将所述梅尔频率倒谱系数特征和移位差分倒谱特征进行组合，生成所述语音信号的二维语音特征； 相应的，基于预设方言分类神经网络，根据所述语音特征确定所述语音信号的方言类型，包括： 基于预设方言分类神经网络，根据所述二维语音特征确定所述语音信号的方言类型。 3.根据权利要求1所述的方法，其特征在于，所述预设方言分类神经网络包括深度残差网络和基于自注意力机制的Transformer模型； 相应的，基于预设方言分类神经网络，根据所述语音特征确定所述语音信号的方言类型，包括： 基于所述深度残差网络，对所述语音特征进行卷积、池化和归一化操作，以提取所述语音特征的高层级特征； 基于所述Transformer模型的自注意力机制对所述高层级特征进行时域相关，以生成模型特征； 基于所述Transformer模型的输出层，根据所述模型特征确定所述语音信号的方言类型。 4.根据权利要求1-3任一项所述的方法，其特征在于，基于预设方言分类神经网络，根据所述语音特征确定所述语音信号的方言类型，包括： 基于预设方言分类神经网络，根据所述语音特征确定所述语音信号的各个预设类型的类型概率； 根据各个所述类型概率确定所述语音信号的方言类型。 5.根据权利要求4所述的方法，其特征在于，在根据各个所述类型概率确定所述语音信号的方言类型之后，还包括： 根据所述语音信号的方言类型，确定所述语音信号的语音识别算法； 基于所述语音识别算法确定所述语音信号的语音文本； 将所述语音文本输入各个预设类型对应的预设语言模型，以得到所述语音文本的各个预设类型对应的文本分数； 根据各个预设类型对应的类型概率和文本分数，判断所述方言类型是否准确； 若准确，则根据所述方言类型对所述语音信号进行语音识别。 6.根据权利要求5所述的方法，其特征在于，所述预设语言模型为N元语法模型，将所述语音文本输入各个预设类型对应的预设语言模型，以得到所述语音文本的各个预设类型对应的文本分数，包括： 将所述语音文本输入各个预设类型对应的N元语法模型，以得到所述语音文本的各个预设类型对应的文本困惑度； 针对每个预设类型，根据所述预设类型的文本困惑度确定所述语音文本的文本分数。 7.根据权利要求5所述的方法，其特征在于，根据各个预设类型对应的类型概率和文本分数，判断所述方言类型是否准确，包括： 基于逻辑回归模型，根据各个预设类型对应的类型概率和文本分数，判断所述方言类型是否准确。 8.一种方言类型的确定装置，其特征在于，包括： 语音信号获取模块，用于获取语音信号； 特征提取模块，用于提取所述语音信号的语音特征，其中，所述语音特征包括梅尔频率倒谱系数特征和移位差分倒谱特征； 方言类型确定模块，用于基于预设训练好的预设方言分类神经网络，根据所述语音特征确定所述语音信号的方言类型。 9.一种方言类型的确定设备，其特征在于，所述方言类型的确定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的方言类型的确定程序，所述方言类型的确定程序被所述处理器执行时实现如权利要求1至7中任一项所述的方言类型的确定方法的步骤。 10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有方言类型的确定程序，所述方言类型的确定程序被处理器执行时实现如权利要求1至7中任一项所述的方言类型的确定方法的步骤。