[发明专利]语音情绪识别方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种语音情绪识别方法、装置、电子设备及存储介质，所述方法包括：对小样本数据集进行语音数据扩充，得到目标小样本数据集；将大样本数据集和目标小样本数据集进行融合，得到目标样本数据集；根据目标样本数据集训练构建好的语音情绪识别模型；获取待识别语音数据；将待识别语音数据输入至训练好的语音情绪识别模型中，得到待识别语音数据的情绪识别结果。本发明通过对小样本数据集进行语音数据扩充，扩充了小样本数据集的数据分布，增强了模型中的神经网络的鲁棒性，提高了语音情绪识别模型的泛化能力及情绪识别的准确率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种语音情绪识别方法、装置、电子设备及存储介质。

背景技术

在进行语音情绪识别时，传统的语音情绪识别使用的是单一的语料库，也就是使用相同来源的测试集和训练集进行模型训练。

然而，由于在实际应用中，说话人常常具有不同的文化和语言背景，若采用单一的语料库，无法应对交叉语料库和多语种的场景，导致训练得到的语音情绪识别模型的泛化能力差，进而导致情绪识别的准确率低。

因此，有必要提出一种可以提高语音情绪识别模型的泛化能力，及快速准确的情绪识别的方法。

发明内容

鉴于以上内容，有必要提出一种语音情绪识别方法、装置、电子设备及存储介质，通过对小样本数据集进行语音数据扩充，扩充了小样本数据集的数据分布，增强了模型中的神经网络的鲁棒性，提高了语音情绪识别模型的泛化能力及情绪识别的准确率。

本发明的第一方面提供一种语音情绪识别方法，所述方法包括：

从预设的多个语音情绪语料库中获取语音样本数据集，其中，所述语音样本数据集中包括大样本数据集和小样本数据集；

对所述小样本数据集进行语音数据扩充，得到目标小样本数据集；

将所述大样本数据集和所述目标小样本数据集进行融合，得到目标样本数据集；

根据所述目标样本数据集训练语音情绪识别模型；

获取待识别语音数据；

将所述待识别语音数据输入至训练好的语音情绪识别模型中，得到所述待识别语音数据的情绪识别结果。

可选地，所述语音情绪识别模型包括：

密连接神经网络、与所述密连接神经网络连接的长短期记忆网络、与所述长短期记忆网络连接的高速神经网络、及与所述高速神经网络连接的Softmax层，其中，所述密连接神经网络包括：第一密集块、与所述第一密集块连接的第一传递层、与所述第一传递层连接的第二密集块、与所述第二密集块连接的第二传递层及与所述第二传递层连接的第三密集块，所述第一传递层包含有批标准化层、与所述批标准化层连接的卷积层及与所述卷积层连接的平均池化层，所述第二传递层与所述第一传递层网络结构相同。

可选地，所述将所述待识别语音数据输入至训练好的语音情绪识别模型中，得到所述待识别语音数据的情绪识别结果包括：

将所述待识别语音数据输入至密连接神经网络中，得到局部语音特征；

将所述局部语音特征输入至长短期记忆网络中，通过所述长短期记忆网络对所述局部语音特征进行上下文本聚合，得到全局语音特征；

将所述局部语音特征和所述全局语音特征输入至高速神经网络中，得到目标语音特征；

对所述目标语音特征输入至Softmax层中进行归一化计算，得到每个目标语音特征的情绪标签预测值；

根据所述每个目标语音特征的情绪标签预测值和每个目标语音特征的情绪标签真实值，计算每个目标语音特征对应的均方差损失值，并根据每个目标语音特征对应的均方差损失值进行情绪识别，得到所述待识别语音数据的情绪识别结果。