[发明专利]一种音频识别方法及装置

说明书

本发明公开了一种音频识别方法及装置，该方法包括：获取待处理音频信息；对待处理音频信息进行预处理，得到第一语音数据特征信息；利用音频识别模型对第一语音数据特征信息进行识别处理，得到目标音频识别信息；目标音频识别信息包括M个音频识别结果信息；M为大于等于3的正整数。可见，本发明能够通过对待处理音频信息进行预处理，再利用音频识别模型进行进一步的识别处理得到目标音频识别信息，有利于直接从音频中提取有效的实体信息并对音频进行分类，减少数据处理中间过程，避免受到音频数据转换成文本数据的误差影响，提高数据处理效率和节约维护成本。

技术领域

本发明涉及音频处理技术领域，尤其涉及一种音频识别方法及装置。

背景技术

传统的多模态知识图谱或者实体识别方法和分类，常需要把音频数据转换成对应的文本，再利用常用的实体识别模型和分类模型对文本进行处理，两个步骤需要三个模型进行处理，数据处理过程耗时且效率不高。因此，提供一种音频识别方法及装置，以直接从音频中提取有效的实体信息并对音频进行分类，减少数据处理中间过程，避免受到音频数据转换成文本数据的误差影响，提高数据处理效率和节约维护成本显得尤为重要。

发明内容

本发明所要解决的技术问题在于，提供一种音频识别方法及装置，能够通过对待处理音频信息进行预处理，再利用音频识别模型进行进一步的识别处理得到目标音频识别信息，有利于直接从音频中提取有效的实体信息并对音频进行分类，减少数据处理中间过程，避免受到音频数据转换成文本数据的误差影响，提高数据处理效率和节约维护成本。

为了解决上述技术问题，本发明实施例第一方面公开了一种音频识别方法，所述方法包括：

获取待处理音频信息；

对所述待处理音频信息进行预处理，得到第一语音数据特征信息；

利用音频识别模型对所述第一语音数据特征信息进行识别处理，得到目标音频识别信息；所述目标音频识别信息包括M个音频识别结果信息；所述M为大于等于3的正整数。

作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述待处理音频信息进行预处理，得到第一语音数据特征信息，包括：

对所述待处理音频信息进行去噪分离处理，得到第一音频处理信息；

对所述第一音频处理信息进行切分和特征提取处理，得到第一语音数据特征信息。

作为一种可选的实施方式，在本发明实施例第一方面中，在所述利用音频识别模型对所述第一语音数据特征信息进行识别处理，得到目标音频识别信息之前，所述方法还包括：

获取音频训练集；所述音频训练集包括若干个音频训练信息；

利用所述音频训练集对预设的第一训练模型进行训练，得到所述音频识别模型。

作为一种可选的实施方式，在本发明实施例第一方面中，所述利用所述音频训练集对预设的第一训练模型进行训练，得到所述音频识别模型，包括：

根据所述音频训练集，确定目标音频训练信息；

利用所述目标音频训练信息对预设的第一训练模型进行训练，得到第二训练模型；

对所述第二训练模型对应的训练参数信息进行损失函数计算处理，得到目标损失函数值信息；

判断所述损失函数值信息是否满足训练终止条件，得到第一训练判断结果；

当所述第一训练判断结果为否时，利用所述第二训练模型对所述第一训练模型进行更新，并触发执行所述根据所述音频训练集，确定目标音频训练信息；

当所述第一训练判断结果为是时，根据所述第二训练模型，确定出所述音频识别模型。