[发明专利]电话背景音乐检测模型方法、系统、设备及介质

说明书

本发明公开了一种电话背景音乐检测模型、方法、系统、设备及介质，其中电话背景音乐检测模型的输入层用于接收电话背景音乐的帧信息并对帧信息进行特征提取得到预设维度的特征；音频CNN层用于通过每一路一维卷积层分别对预设维度的特征进行卷积计算并得到每一路一维卷积层对应的第一特征数据；拼接层用于对第一特征数据进行连接得到第二特征数据；多层卷积层用于对第二特征数据进行逐层卷积计算得到第三特征数据；全连接层用于根据第三特征数据得到帧信息的概率；输出层用于根据概率得到是否为电话背景音乐的判断结果。电话背景音乐检测模型可快速准确的对电话背景音乐的声音内容的进行检测，提高了电话背景音乐检测模型的泛化能力。

技术领域

本发明涉及语音算法领域，尤其涉及一种电话背景音乐检测模型方法、系统、设备及介质。

背景技术

在OTA(在线旅游)行业中，当OTA智能客服或者人工客服通过电话实时的和客人、企业或酒店方进行电话语音沟通时，客人、企业或酒店方如果设置有自动回应的铃声、或者提前录制好的回答系统录音、等待的滴滴声、欢迎语、任务型按键流程录音、广告以及英文发音广告等含有广告背景音乐的声音内容时，智能客服会将广告背景音乐的声音理解为正常的发音内容或视为正常对话而直接作出回应，导致误答；而人工客服则需要一直等待直到录音结束而不能进行其他事情，导致工作效率低的问题。

对广告背景音乐的检测目前主流的方法主要是利用和设计各种传统语音特征来进行广告背景音乐检测，目前较为流行的算法有：

1)用梅尔倒谱特征、瓶颈特征和短时能量等结合的特征信息匹配方法，基于该方法，在单一场景下的效果较好，该方法要求每个新的广告背景音乐都需要提供一种新的信息匹配和匹配阈值，设计逻辑较为复杂，且每个场景下的阈值较难统一控制；

2)用短时能量、过零率、谱减法等结合的方法设计语音联合特征，再结合传统机器学习方法，基于该方法，在信噪比比较高的单一条件环境下效果比较好，但是在低采样率8kHz(千赫兹)的OTA电话场景中，广告背景音乐定义的类型较为复杂，如等待的滴滴声、酒店欢迎语、任务型按键流程录音、酒店广告以及英文发音广告等都属于广告背景音乐，且每个酒店都具有个性化，较难提供泛化功能。

对于现有的在OTA行业中面对低采样率8kHz的电话广告背景音乐检测方法，主要存在的问题在于：

1)OTA行业中的酒店场景个性化较为多样化，每个酒店的广告背景音乐都不太一致；

2)OTA环境下的语音信号是低采样率8kHz；

3)OTA智能客服通常面对的是千万级别量的语音客服请求和应答，要求广告背景音乐检测算法耗时较快，不适合采用过于复杂的算法。

基于此，现有的电话广告背景音乐检测方法，无法解决现有的OTA行业智能电话面对广告背景音乐会误答、人工客服在面对电话广告背景音乐时需等待而导致工作效率低的问题。

发明内容

本发明要解决的技术问题是为了克服现有技术中OTA行业智能电话面对电话背景音乐会产生误回答以及人工客服在面对电话广告背景音乐时需等待而导致工作效率低的问题的缺陷，提供一种电话背景音乐检测模型方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

一种电话背景音乐检测模型，所述电话背景音乐检测模型包括输入层、音频CNN层、拼接层、卷积层、全连接层和输出层；

所述输入层用于接收电话背景音乐的帧信息并对所述帧信息进行特征提取得到预设维度的特征；

所述音频CNN层包括若干路相并行的一维卷积层，所述音频CNN层用于通过所述一维卷积层分别对所述预设维度的特征进行卷积计算并得到每一路所述一维卷积层对应的第一特征数据；；

所述拼接层用于对每一路所述一维卷积层对应的所述第一特征数据进行连接得到第二特征数据；