一种提取语音特征的方法、装置、终端及存储介质
本申请适用于计算机技术领域，提供了一种提取语音特征的方法、装置、终端及存储介质，包括：获取待处理的语音数据；将该语音数据输入到已训练的语音特征提取模型中进行处理，得到该语音数据对应的目标语音特征。上述方式中的语音特征提取模型是基于自监督学习，以每个样本语音数据对中的原始语音数据对应的样本语音特征为目标，对每个样本语音数据对中的原始语音数据和增强语音数据之间的差异性进行训练得到的。基于该语音特征提取模型可以提取到有效地、信息丰富、表达准确的目标语音特征，进而使该目标语音特征应用于智能语音任务处理场景时，处理结果更准确。
发明专利
CN202011602171.3
2020-12-29
CN112767927A
2021-05-07
G10L15/16(2006.01)
平安科技(深圳)有限公司
张之勇;王健宗;程宁
518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼
深圳中一联合知识产权代理有限公司
杨志强
广东;44
1.一种提取语音特征的方法，其特征在于，包括： 获取待处理的语音数据； 将所述语音数据输入到已训练的语音特征提取模型中进行处理，得到所述语音数据对应的目标语音特征，所述语音特征提取模型是基于自监督学习，以每个样本语音数据对中的原始语音数据对应的样本语音特征为目标，对每个样本语音数据对中的原始语音数据和增强语音数据之间的差异性进行训练得到的，所述增强语音数据是对所述原始语音数据进行数据增强处理得到的。 2.如权利要求1所述的方法，其特征在于，所述语音特征提取模型包括卷积滤波器、卷积编码器以及准循环神经网络，所述将所述语音数据输入到已训练的语音特征提取模型中进行处理，得到所述语音数据对应的目标语音特征，包括： 将所述语音数据输入到所述卷积滤波器中进行处理，得到所述语音数据对应的第一语音特征，所述第一语音特征包括频率特征； 通过所述卷积编码器对所述第一语音特征进行卷积处理，得到第二语音特征，所述第二语音特征包括MFCC特征和Fbank特征； 将所述第二语音特征输入到所述准循环神经网络中进行处理，得到所述目标语音特征，所述目标语音特征包括目标波形特征、目标对数功谱率特征、目标频谱特征、目标滤波器组特性、目标伽马特征以及目标韵律特征。 3.如权利要求2所述的方法，其特征在于，所述通过所述卷积编码器对所述第一语音特征进行卷积处理，得到第二语音特征之后，所述方法还包括： 基于所述准循环神经网络提取所述第二语音特征对应的第三语音特征； 采用跳跃连接的方式将所述第二语音特征与所述第三语音特征结合，得到所述目标语音特征。 4.如权利要求1至3任一项所述的方法，其特征在于，所述获取待处理的语音数据之前，所述方法还包括： 将样本语音数据集中的多个样本语音数据对输入到初始语音特征提取模型中进行处理，得到每个原始语音数据对应的样本语音特征以及每个增强语音数据对应的真实语音特征； 针对每个样本语音数据对，根据预设的损失函数计算所述样本语音数据对中的原始语音数据对应的样本语音特征，与所述样本语音数据对中的增强语音数据对应的真实语音特征之间的损失值； 当所述损失值不满足预设条件时，调整所述初始语音特征提取模型的模型参数，并返回执行所述将样本语音数据集中的多个样本语音数据对输入到初始语音特征提取模型中进行处理，得到每个原始语音数据对应的样本语音特征以及每个增强语音数据对应的真实语音特征的步骤； 当所述损失值满足所述预设条件时，停止训练所述初始语音特征提取模型，并将训练后的所述初始语音特征提取模型作为已训练的语音特征提取模型。 5.如权利要求4所述的方法，其特征在于，所述真实语音特征包括波形特征、对数功谱率特征、频谱特征、滤波器组特性、伽马特征、韵律特征。 6.如权利要求1所述的方法，其特征在于，所述数据增强处理为混响处理、加噪处理、频率掩蔽处理、时间掩蔽处理、剪辑处理、重叠语音处理中的任意一种处理或任意多种处理。 7.如权利要求1所述的方法，其特征在于，所述将所述语音数据输入到已训练的语音特征提取模型中进行处理，得到所述语音数据对应的目标语音特征之后，所述方法还包括： 将所述语音特征提取模型上传至区块链中。 8.一种提取语音特征的装置，其特征在于，包括： 获取单元，用于获取待处理的语音数据； 处理单元，用于将所述语音数据输入到已训练的语音特征提取模型中进行处理，得到所述语音数据对应的目标语音特征，所述语音特征提取模型是基于自监督学习，以每个样本语音数据对中的原始语音数据对应的样本语音特征为目标，对每个样本语音数据对中的原始语音数据和增强语音数据之间的差异性进行训练得到的，所述增强语音数据是对所述原始语音数据进行数据增强处理得到的。 9.一种提取语音特征的终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。 10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。