[发明专利]音频识别方法和装置

权利要求书

1.一种音频识别方法，其特征在于，包括：

获取待识别音频信息；

将所述待识别音频信息切分成预设数量个音频片段；

提取所述音频片段的声学特征；

将提取到的声学特征输入到预先训练得到的音频识别模型中，得到所述音频识别模型输出的每个音频片段对应的音频类别，所述音频识别模型包括深度特征学习层和分类层；

其中，所述深度特征学习层的参数是通过第一训练数据训练得到的，所述第一训练数据为标注有第一音频类别标签的音频片段，所述第一音频类别是根据预设音频库存储中的音频数据确定的；

所述分类层的参数是通过第二训练数据进行训练得到的，所述第二训练数据为标注有第二音频类型标签的音频片段，所述第二音频类型是根据用户自定义音频数据确定的。

2.根据权利要求1所述的方法，其特征在于，所述音频库中包括第一预设数量类不符合网络规范的音频数据，所述方法还包括：

提取所述音频库中的音频数据；

将所述音频数据在时域上进行切分，得到多个音频片段；

对每个音频片段标注音频类别标签，得到所述第一训练数据。

3.根据权利要求2所述的方法，其特征在于，还包括：

接收用户输入的自定义音频数据；

将所述自定义音频数据进行切分，得到多个自定义音频片段；

提取每个自定义音频片段的声学特征；

对每个自定义音频片段的声学特征进行聚类处理，得到第二预设数量类音频类别；

按照第二预设数量类音频类别，对每个自定义音频片段标注音频类别标签，得到所述第二训练数据。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括根据所述第一训练数据和所述第二训练数据，训练得到所述音频识别模型的步骤：

将所述第一训练数据作为输入量输入至所述音频识别模型中的深度特征学习层进行训练；

将所述第二训练数据作为输入量输入至所述分类层进行训练，得到所述分类层输出的音频类别。

5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：

将所述音频识别模型输出的每个音频片段对应的音频类别发送至目标终端，以指示用户对所述每个音频片段对应的音频类别进行正误判断；

接收所述用户通过所述目标终端发送的正误判断结果；

根据所述正误判断结果，优化所述音频识别模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述正误判断结果，优化所述音频识别模型，包括：

若所述音频片段对应的音频类别正确，则将所述音频片段及其对应的音频类别标签作为新的训练数据输入至所述音频识别模型进行训练；

若所述音频片段对应的音频类别错误，则修改所述音频片段对应的音频类别标签，将所述音频片段和修改后的音频类别标签作为新的训练数据输入至所述音频识别模型进行训练。

7.一种音频识别装置，其特征在于，包括：

获取模块，用于获取待识别音频信息；

切分模块，用于将所述待识别音频信息切分成预设数量个音频片段；

提取模块，用于提取所述音频片段的声学特征；

识别模块，用于将提取到的声学特征输入到预先训练得到的音频识别模型中，得到所述音频识别模型输出的每个音频片段对应的音频类别，所述音频识别模型包括深度特征学习层和分类层；

其中，所述深度特征学习层的参数是通过第一训练数据训练得到的，所述第一训练数据为标注有第一音频类别标签的音频片段，所述第一音频类别是根据预设音频库存储中的音频数据确定的；

所述分类层的参数是通过第二训练数据进行训练得到的，所述第二训练数据为标注有第二音频类型标签的音频片段，所述第二音频类型是根据用户自定义音频数据确定的。

8.一种计算机设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-6任一项所述的音频识别方法。