[发明专利]一种语种识别方法及装置

权利要求书

1.一种语种识别方法，其特征在于，包括：

获取待识别音频数据；

获取与所述待识别音频数据对应的音素特征信息；

获取与所述音素特征信息对应的目标嵌入式向量表示信息，其中，所述目标嵌入式向量表示信息是对所述音素特征信息进行嵌入式向量表示后获得的信息；

根据所述目标嵌入式向量表示信息，获得目标语种，其中，所述目标语种信息用于表示所述待识别音频数据对应的语种类别。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述待识别音频数据对应的音素特征信息，包括：

获取与所述待识别音频数据对应的声学特征信息；

将所述声学特征信息输入到目标音素特征提取模型中，获取所述音素特征信息，其中，所述目标音素特征提取模型是用于获取与音频数据对应的音素特征信息的模型。

3.根据权利要求2所述的方法，其特征在于，所述目标音素特征提取模型，通过以下方法获得：

获取与至少一个语种对应的样本音频数据，以及，获取与所述样本音频数据对应的文本标注信息，其中，所述文本标注信息是与所述样本音频数据对应的文本信息；

获取与所述样本音频数据对应的样本声学特征信息；

根据所述样本声学特征信息和所述文本标注信息，获得所述目标音素特征提取模型。

4.根据权利要求1所述的方法，其特征在于，所述获取与所述音素特征信息对应的嵌入式向量信息，包括：

将所述音素特征信息输入到目标嵌入式向量表示模型中，获取所述目标嵌入式向量表示信息，其中，所述目标嵌入式向量表示模型是用于对与音频数据对应的音素特征信息进行嵌入式向量表示的模型。

5.根据权利要求4所述的方法，其特征在于，所述目标嵌入式向量表示模型，通过以下方法获得：

获取与至少一个语种对应的样本音频数据，以及，获取与所述样本音频数据对应的语种标注信息，其中，所述语种标注信息用于表示所述样本音频数据对应的语种类别；

获取与所述样本音频数据对应的样本音素特征信息；

根据所述样本音素特征信息和所述语种标注信息，获得所述目标嵌入式向量表示模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述样本音素特征信息和所述语种标注信息，获得所述目标嵌入式向量表示模型，包括：

获取与所述目标嵌入式向量表示模型对应的待训练模型，其中，所述待训练模型是用于根据所述样本音素特征信息，获得样本嵌入式向量表示信息，并根据获得的样本嵌入式向量表示信息，获得与所述样本音频数据对应的预测语种数量的模型，所述预测语种数量与所述语种标注信息对应，用于表示与样本数据对应的语种类别的数量；

根据所述样本音素特征信息和所述语种标注信息，调整所述待训练模型的参数，获得满足预设收敛条件的优化模型；

将所述优化模型中用于根据所述样本嵌入式向量表示信息、预测所述预测语种数量的网络结构层删除，获得所述目标嵌入式向量表示模型。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标嵌入式向量表示信息，获得目标语种，包括：

将所述目标嵌入式向量表示信息输入到目标预测模型中，获取待确定语种信息和与所述待确定语种信息对应的预测分值，所述预测分值用于表示所述待确定语种信息的正确程度，所述目标预测模型是用于根据与音频数据对应的嵌入式向量表示信息，预测与所述音频数据对应的待确定语种信息和预测分值的模型；

根据所述待确定语种信息和所述预测分值，获得所述目标语种信息。

8.根据权利要求7所述的方法，其特征在于，所述根据所述待确定语种信息和所述预测分值，获得所述目标语种信息，包括：

获取所述预测分值中的最大值；

根据与所述最大值的预测分值对应的所述待确定语种信息，获得所述目标语种信息。