[发明专利]数据增强方法、装置、设备和存储介质

说明书

本公开提供一种数据增强方法、装置、设备和存储介质，所述方法包括：对待处理音频数据分别在时域上进行速率扰动和音量扰动，得到第一中间音频数据；对采样频率大于等于设定的第一采样频率且为第一音频格式的所述第一中间音频数据进行音频编码，随机得到中间音频格式组中的任一种音频格式的第二中间音频数据；将所述第二中间音频数据进行音频解码，得到增强后的第一音频格式的目标音频数据。本公开的技术方案可以实现数据增强进而提高语音识别模型训练的鲁棒性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种数据增强方法、装置、电子设备和非暂态计算机可读存储介质。

背景技术

随着语音识别技术的不断发展，衍生出了各种各样的应用场景，不同的场景通常会使用不同的格式及编码来存储音频，现有的语音识别模型训练方法会刻意通过不同的数据增强方式来提升模型的鲁棒性，但对于不同编码音频的鲁棒性很弱。

现有语音识别模型训练过程中的数据增强通常不会对某些特殊音频编码场景起到很好的鲁棒作用，尤其是智能客服领域，很多种不同的呼叫中心，产生的音频格式及编码也不同，传统的数据增强方法并不能让模型学习到多种音频编码信息。

发明内容

本公开提供一种数据增强方法、装置、电子设备和非暂态计算机可读存储介质，用以解决现有技术中数据增强方法对于不同编码音频的鲁棒性较弱的问题，提高语音识别模型训练的鲁棒性。

本公开提供一种数据增强方法，包括：对待处理音频数据分别在时域上进行速率扰动和音量扰动，得到第一中间音频数据；对采样频率大于等于设定的第一采样频率且为第一音频格式的所述第一中间音频数据进行音频编码，随机得到中间音频格式组中的任一种音频格式的第二中间音频数据；将所述第二中间音频数据进行音频解码，得到增强后的第一音频格式的目标音频数据。

根据本公开提供的数据增强方法，所述得到增强后的第一音频格式的目标音频数据之后，所述方法还包括：对所述目标音频数据以第二采样频率进行重采样。

根据本公开提供的数据增强方法，所述对所述目标音频数据以第二采样频率进行重采样之后，所述方法还包括：对重采样之后的所述目标音频数据进行语音识别特征提取，以供神经网络训练模型使用。

根据本公开提供的数据增强方法，所述对待处理音频数据分别在时域上进行速率扰动和音量扰动之后，所述方法还包括：判断所述待处理音频数据的采样频率是否大于等于设定的第一采样频率且为第一音频格式；若否，则对所述待处理音频数据进行语音识别特征提取，以供神经网络训练模型使用。

根据本公开提供的数据增强方法，所述对待处理音频数据分别在时域上进行速率扰动和音量扰动之前，所述方法还包括：对所述待处理音频数据进行清洗预处理。

根据本公开提供的数据增强方法，所述对待处理音频数据分别在时域上进行速率扰动和音量扰动，包括：对所述待处理音频数据的速率进行0.9至1.1的扰动；和/或，对所述待处理音频数据的音量进行0.1至2的扰动。

根据本公开提供的数据增强方法，对采样频率大于等于设定的第一采样频率且为第一音频格式的所述第一中间音频数据进行音频编码，包括：对采样频率大于等于设定的第一采样频率且为第一音频格式的所述第一中间音频数据进行低通滤波后进行音频编码。

根据本公开提供的一种数据增强装置，所述装置包括：扰动单元，用于对待处理音频数据分别在时域上进行速率扰动和音量扰动，得到第一中间音频数据；编码单元，用于对采样频率大于等于设定的第一采样频率且为第一音频格式的所述第一中间音频数据进行音频编码，随机得到第二音频格式的第二中间音频数据；解码单元，用于将所述第二中间音频数据进行音频解码，得到增强后的第一音频格式的目标音频数据。

根据本公开提供的数据增强装置，所述装置还包括重采样单元，用于：对所述目标音频数据以第二采样频率进行重采样。