[发明专利]一种语种识别模型训练、语种识别的方法和相关装置

权利要求书

1.一种语种识别模型训练的方法，其特征在于，包括：

将语种标签和随机噪声输入生成网络获得伪语种向量；将训练语音数据的语种特征输入神经网络获得真语种向量；

利用判别网络获得所述伪语种向量的判别结果和所述真语种向量的判别结果，所述判别结果包括判别概率和预测语种标签；

基于所述判别概率和所述预测语种标签训练所述生成网络、所述神经网络和所述判别网络获得语种识别模型。

2.根据权利要求1所述的方法，其特征在于，所述将语种标签和随机噪声输入生成网络获得伪语种向量，包括：

基于所述语种标签和所述生成网络的嵌入层获得语种标签向量；

拼接所述语种标签向量和对应的所述随机噪声获得拼接向量；

基于所述拼接向量和所述生成网络的全连接层获得所述伪语种向量。

3.根据权利要求2所述的方法，其特征在于，所述基于所述语种标签和所述生成网络的嵌入层获得语种标签向量，包括：

将多个不同类别的语种标签输入所述生成网络的嵌入层获得各类别语种标签的语种标签向量；

基于每个所述语种标签的类别筛选所述各类别语种标签的语种标签向量，获得每个所述语种标签的语种标签向量。

4.根据权利要求3所述的方法，其特征在于，所述多个不同类别的语种标签中各类别语种标签的数量均衡；所述随机噪声符合正态分布；所述神经网络包括双向长短期记忆网络。

5.根据权利要求1所述的方法，其特征在于，所述基于所述判别概率和所述预测语种标签训练所述生成网络、所述神经网络和所述判别网络获得语种识别模型，包括：

基于所述判别概率和所述预测语种标签训练所述生成网络、所述神经网络和所述判别网络获得生成模型、神经网络模型和判别模型；

基于所述神经网络模型和所述判别模型获得目标语种识别模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述判别概率和所述预测语种标签训练所述生成网络，包括：

基于所述伪语种向量的判别概率、期望概率1、预测语种标签和所述语种标签，利用交叉熵损失函数获得所述生成网络的损失函数；

基于所述生成网络的损失函数更新所述生成网络的网络参数。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述判别概率和所述预测语种标签训练所述神经网络和所述判别网络，包括：

基于所述伪语种向量的判别概率、期望概率0、预测语种标签和所述语种标签，利用交叉熵损失函数获得所述判别网络的第一损失函数；

基于所述真语种向量的判别概率、期望概率1、预测语种标签和标记语种标签，利用交叉熵损失函数获得所述判别网络的第二损失函数；

基于所述判别网络的第一损失函数和第二损失函数更新所述神经网络和所述判别网络的网络参数。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述训练结束条件为所述生成网络、所述神经网络和所述判别网络收敛；或，所述训练结束条件为所述生成网络、所述神经网络和所述判别网络的迭代次数大于等于预设迭代次数。

9.根据权利要求5所述的方法，其特征在于，还包括：

获得多个待验证语音数据的语种特征；

将每个所述待验证语音数据的语种特征输入所述目标语种识别模型获得每个所述待验证语音数据的预测语种标签；

基于多个所述待验证语音数据的预测语种标签和标记语种标签，统计所述目标语种识别模型的识别准确率。

10.一种语种识别的方法，其特征在于，利用权利要求5所述的目标语种识别模型，包括：

获得待识别语音数据的语种特征；

将所述待识别语音数据的语种特征输入所述目标语种识别模型获得所述待识别语音数据的预测语种标签；

基于所述预测语种标签确定所述待识别语音数据的语种类别。