[发明专利]音频处理模型训练方法、装置、设备和介质

说明书

本发明实施例涉及一种音频处理模型训练方法、装置、设备和介质。该方法包括：获取初始音频数据；基于所述初始音频数据确定目标时域数据和目标频域数据；基于所述目标时域数据和所述目标频域数据，对预设模型进行训练，生成音频处理模型。通过上述技术方案，实现了同时利用音频数据的时域特征和频域特征对音频处理模型进行训练，提高了音频处理模型的精度。

技术领域

本发明涉及音频处理技术领域，尤其涉及一种音频处理模型训练方法、装置、设备和介质。

背景技术

为了更加高效地处理音频数据，往往会选用一些诸如神经网络模型的机器学习模型，这些机器学习模型需要通过收集的训练数据进行模型训练来得到。

目前，音频处理模型的训练过程中，主要是将音频数据的频域特征作为模型训练的输入数据。但是，提取的频域特征会受到前期特征提取处理过程而导致的时域波形变形的影响，导致训练的音频处理模型的模型精度降低。

发明内容

为了解决上述因频域特征中存在时域波形变形而影响音频处理模型精度的技术问题，本发明提供了一种音频处理模型训练方法、装置、设备和介质。

第一方面，本发明实施例提供了一种音频处理模型训练方法，该方法包括：

获取初始音频数据；

基于所述初始音频数据确定目标时域数据和目标频域数据；

基于所述目标时域数据和所述目标频域数据，对预设模型进行训练，生成音频处理模型。

在一些实施例中，所述目标时域数据基于降维后的所述初始音频数据确定。

在一些实施例中，基于所述初始音频数据确定目标时域数据，包括：

基于预设特征维度，对所述初始音频数据进行降维处理，生成初始时域数据；

基于预设强度阈值，对所述初始时域数据进行整数转换处理，生成所述目标时域数据。

在一些实施例中，所述基于预设强度阈值，对所述初始时域数据进行整数转换处理，生成所述目标时域数据，包括：

针对所述初始时域数据中的每个音频强度：

若所述音频强度的绝对值小于所述预设强度阈值，则基于所述音频强度的正负属性和第一预设整数值，确定所述音频强度的整数转换结果；

若所述音频强度的绝对值大于或等于所述预设强度阈值、且小于预设整数倍的所述预设强度阈值，则基于所述正负属性和第二预设整数值，确定所述整数转换结果；其中，所述第二预设整数值大于所述第一预设整数值，所述预设整数倍大于1倍；

若所述音频强度的绝对值大于或等于所述预设整数倍的所述预设强度阈值，则基于所述正负属性和第三预设整数值，确定所述整数转换结果；其中，所述第三预设整数值大于所述第二预设整数值；

由各所述整数转换结果生成所述目标时域数据。

在一些实施例中，所述预设强度阈值基于多个所述初始音频数据确定。

在一些实施例中，基于所述初始音频数据确定目标频域数据，包括：

对所述初始音频数据进行傅里叶变换，生成初始频域数据；

对所述初始频域数据进行整数转换处理，生成中间频域数据；

对所述中间频域数据进行特征提取，生成所述目标频域数据。

在一些实施例中，所述对所述初始频域数据进行整数转换处理，生成中间频域数据包括：

对所述初始频域数据进行归一化处理，并对归一化后的所述初始频域数据进行整数转换处理，生成所述中间频域数据。