[发明专利]音频敏感内容的识别方法、设备和计算机程序产品

权利要求书

1.一种音频敏感内容的识别方法，其特征在于，所述方法包括：

获得待识别音频的时频谱图，并将所述时频谱图切分为多个时频谱图块；

通过经训练的块嵌入层获取所述多个时频谱图块各自对应的块嵌入特征，得到多个块嵌入特征；

将所述多个块嵌入特征及所述多个时频谱图块的切分顺序信息输入至经训练的位置嵌入层，得到所述位置嵌入层输出的位置嵌入特征序列；所述位置嵌入特征序列中的位置嵌入特征包含块嵌入特征，及该块嵌入特征对应的时频谱图块在所述时频谱图中的位置特征；

将所述位置嵌入特征序列输入经训练的自注意力模型的编码器，得到所述编码器输出的所述时频谱图的特征表示；

基于所述时频谱图的特征表示，识别所述待识别音频是否包含敏感内容。

2.根据权利要求1所述的方法，其特征在于，所述将所述时频谱图切分为多个时频谱图块，包括：

按照预设切分顺序及预设重叠维度数切分所述时频谱图得到所述多个时频谱图块；所述预设重叠维度数包括时间维度和/或频率维度上的重叠维度数。

3.根据权利要求1所述的方法，其特征在于，所述将所述多个块嵌入特征及所述多个时频谱图块的切分顺序信息输入至经训练的位置嵌入层，包括：

根据所述多个时频谱图块的切分顺序生成多个切分顺序标识，并将所述多个切分顺序标识对应携带在所述多个块嵌入特征中；

将携带所述多个切分顺序标识的多个块嵌入特征输入至所述位置嵌入层。

4.根据权利要求3所述的方法，其特征在于，所述位置嵌入层，用于根据所述多个块嵌入特征中携带的多个切分顺序标识，得到所述多个块嵌入特征分别对应的多个位置特征，将相对应的块嵌入特征及位置特征进行组合得到位置嵌入特征，根据组合得到的多个位置嵌入特征形成所述位置嵌入特征序列。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述基于所述时频谱图的特征表示，识别所述待识别音频是否包含敏感内容，包括：

将所述时频谱图的特征表示输入经训练的音频敏感内容分类器，得到所述音频敏感内容分类器输出的敏感内容分类标签；

根据所述敏感内容分类标签，确定所述待识别音频是否包含敏感内容。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取预先经过训练的音频分类模型，所述音频分类模型包括块嵌入层、位置嵌入层及自注意力模型的编码器；

获取音频样本的时频谱图样本以及获取所述音频样本对应的敏感内容分类标签；

利用所述时频谱图样本及所述敏感内容分类标签对所述音频分类模型的嵌入层、位置嵌入层、自注意力模型的编码器以及所述音频敏感内容分类器进行训练。

7.根据权利要求6所述的方法，其特征在于，所述获取所述音频样本对应的敏感内容分类标签，包括：

根据所述音频样本是否包含敏感内容，得到所述音频样本的第一标签；

根据所述音频样本中敏感内容占比，得到所述音频样本的第二标签；

将所述第一标签和第二标签作为所述音频样本对应的敏感内容分类标签。

8.根据权利要求6所述的方法，其特征在于，所述利用所述时频谱图样本及所述敏感内容分类标签对所述音频分类模型的嵌入层、位置嵌入层、自注意力模型的编码器以及所述音频敏感内容分类器进行训练，包括：

对所述时频谱图样本进行时间维度和/或频率维度的掩膜处理，得到所述时频谱图样本的第一干扰样本；

对所述时频谱图样本进行时间维度和/或频率维度的混合处理，得到所述时频谱图样本的第二干扰样本；

利用所述时频谱图样本、第一干扰样本、第二干扰样本及所述敏感内容分类标签对所述音频分类模型的嵌入层、位置嵌入层、自注意力模型的编码器以及所述音频敏感内容分类器进行训练。