[发明专利]音频识别方法和装置

说明书

本发明实施例提供一种音频识别方法和装置，该方法包括：将待识别音频信息切分成预设数量个音频片段；提取音频片段的声学特征；将声学特征输入到预先训练的音频识别模型，得到每个音频片段对应的音频类别，音频识别模型包括深度特征学习层和分类层；深度特征学习层的参数通过第一训练数据训练的，第一训练数据为标注有第一音频类别标签的音频片段，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，分类层的参数是通过第二训练数据进行训练的，第二训练数据为标注有第二音频类型标签的音频片段，第二音频类型是根据用户自定义音频数据确定的，当用户想要增加新类别的音频识别功能时，只需重新训练分类层的参数即可，提高了音频识别效率。

技术领域

本发明实施例涉及音频处理技术领域，尤其涉及一种音频识别方法和装置。

背景技术

互联网技术的发展给人们带来了很大的便利，用户可以通过互联网查询需要的信息，也可以通过互联网分享信息，比如文字资源、图片资源、视频资源以及音频资源等。但是随着互联网用户数量的激增，网络中也出现了大量来源不明的视频信息、音频信息和直播音频等不符合网络健康规范的信息。为了净化网络环境，技术人员需要对互联网中的众多音频信息进行审核、分类，以将不符合网络健康规范的音频信息识别出来。

相关技术中，识别音频信息是否符合规范的方法是提取音频的声学特征，采用神经网络分类的方法神经网络可以通过非线性建模进行分类，通过大量的训练数据(包括不合规的音频数据和相应的不合规类型标签)对神经网络模型训练，将待检测未知音频经过训练好的神经网络模型得到映射分类结果，判断未知音频是否合规。

但是，现有采用非线性建模得到的神经网络模型虽然能对音频进行分类判断其是否合规，但是这一类的模型对分类的训练数据量要求很大，每增加一个新的音频类别，都需要增加大量的经过标注新类别的训练数据，且需要重新训练模型。比如，当用户想要增加少量的且未知类别的音频数据的识别功能时，还需要收集大量的相关音频数据作为训练数据来重新训练整个模型，需要消耗大量的人力和时间成本，降低了音频识别效率。

发明内容

本发明实施例提供一种音频识别方法和装置，以解决现有技术中要增加少量的且未知类别的音频数据的识别功能时，还需要收集大量的相关音频数据作为训练数据来重新训练整个模型，消耗大量的人力和时间成本，降低音频识别效率的问题。

本发明实施例的第一方面提供一种音频识别方法，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。

可选的，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。

可选的，所述方法还包括：

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；