[发明专利]模型训练方法及系统、通话音频的预测方法及系统

说明书

本发明公开了一种模型训练方法及系统、通话音频的预测方法及系统。模型训练方法包括以下步骤：获取通话音频，通话音频包括第一通话音频和第二通话音频，第一通话音频为通话过程中有旁边人说话的音频，第二通话音频为通话过程中无旁边人说话的音频；对通话音频进行标注后形成训练数据集；将训练数据集中的训练数据输入深度卷积神经网络模型进行训练以得到旁边人说话检测模型，旁边人说话检测模型用于预测通话过程中旁边人说话的概率。本发明极大地提高了整句通话音频中旁边人说话检测准确率，进而改善智能客服的话术选择，进而保证智能客服对话的顺利进行，从而提升用户对智能客服的满意度与用户体验。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种模型训练方法及系统、通话音频的预测方法及系统。

背景技术

目前，在OTA(在线旅游)行业中，当客人或酒店和智能客服通过电话或语音进行实时沟通时，不免存在旁边人说话干扰客人和智能客服之间的对话导致语音识别系统的准确率下降的情况，进而误导后续智能客服的话术选择，从而降低客人或酒店对智能客服的满意度与用户体验。

发明内容

本发明要解决的技术问题是为了克服现有技术中在用户和智能客服通话过程中不能检测出旁边人说话的情况，降低客户体验的缺陷，提供一种模型训练方法及系统、通话音频的预测方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种模型训练方法，所述模型训练方法包括以下步骤：

获取通话音频，所述通话音频包括第一通话音频和第二通话音频，所述第一通话音频为通话过程中有旁边人说话的音频，所述第二通话音频为通话过程中无旁边人说话的音频；

对所述通话音频进行标注后形成训练数据集；

将所述训练数据集中的训练数据输入深度卷积神经网络模型进行训练以得到旁边人说话检测模型，所述旁边人说话检测模型用于预测通话过程中旁边人说话的概率。

较佳地，所述对所述通话音频进行标注后形成训练数据集的步骤包括：

通过动态区域切割算法将所述通话音频划分为音频时长都相同的音频片段；

对所述音频片段进行标注后形成所述训练数据集。

较佳地，所述深度卷积神经网络模型包括卷积层、池化层和线性层；

所述卷积层和所述池化层用于提取所述通话音频的语音特征；

所述线性层用于根据所述卷积层和所述池化层输出的所述语音特征对所述通话音频进行分类，以确定所述通话音频为所述第一通话音频或所述通话音频为所述第二通话音频。

本发明还提供一种通话音频的预测方法，所述预测方法用于预测通话过程中是否有旁边人说话，所述预测方法包括以下步骤：

获取待预测的通话音频；

将所述待预测的通话音频输入旁边人说话模型以预测所述待预测的通话音频中有旁边人说话的概率；

所述旁边人说话模型通过如上所述的模型训练方法训练得到的。

较佳地，所述将所述待预测的通话音频输入旁边人说话模型以预测所述待预测的通话音频中有旁边人说话的概率的步骤包括：

基于所述旁边人说话模型通过动态区域切割算法将所述待预测的通话音频划分为音频时长都相同的音频片段；

基于所述旁边人说话模型通过softmax函数计算得到所述音频片段中有旁边人说话的概率，并通过所述旁边人说话模型输出所述音频片段中有旁边人说话的概率。

较佳地，所述将所述待预测的通话音频输入旁边人说话模型以预测所述待预测的通话音频中有旁边人说话的概率的步骤之后，所述预测方法包括：