[发明专利]训练样本集的生成方法和存储介质

权利要求书

1.一种训练样本集的生成方法，其特征在于，包括：

获取待处理的原始训练样本集，其中，所述原始训练样本集用于训练得到语音处理模型；

对所述原始训练样本集进行混合增强，得到第一目标训练样本集；

对所述第一目标训练样本集和所述原始训练样本集进行对比学习，得到对比损失，其中，所述对比损失用于表征所述原始训练样本集相对于所述第一目标训练样本集的相似度；

至少基于所述对比损失对所述第一目标训练样本集进行调整，得到第二目标训练样本集，其中，所述原始训练样本集相对于所述第二目标训练样本集的相似度大于相似度阈值，且所述第二目标训练样本集用于训练得到所述语音处理模型。

2.根据权利要求1所述的方法，其特征在于，对所述第一目标训练样本集和所述原始训练样本集进行对比学习，得到对比损失，包括：

将由所述原始训练样本集中语音数据构成的向量映射为目标维度的第一目标向量；

将由所述第一目标训练样本中语音数据构成的向量映射为目标维度的第二目标向量，其中，所述第一目标训练样本中语音数据为对所述原始训练样本集中语音数据进行混合增强而得到；

对所述第一目标向量和所述第二目标向量进行对比学习，得到所述对比损失。

3.根据权利要求2所述的方法，其特征在于，对所述第一目标向量和所述第二目标向量进行对比学习，得到所述对比损失，包括：

获取所述第一目标向量的范数值和所述第二目标向量的范数值，其中，所述第一目标向量的范数值用于表示所述第一目标向量的长度，所述第二目标向量的范数值用于表示所述第二目标向量的长度；

基于所述第一目标向量的范数值和所述第二目标向量的范数值确定所述对比损失。

4.根据权利要求3所述的方法，其特征在于，基于所述第一目标向量的范数值和所述第二目标向量的范数值确定所述对比损失，包括：

获取所述第二目标向量和所述第一目标向量之间的均方误差，其中，所述均方误差用于表示所述第一目标向量和所述第二目标向量之间的差异程度；

基于所述均方误差、所述第一目标向量的范数值和所述第二目标向量的范数值，确定所述对比损失。

5.根据权利要求2所述的方法，其特征在于，将由所述原始训练样本集中语音数据构成的向量映射为目标维度的第一目标向量，包括：

在编码网络模型中，将由所述原始训练样本集中语音数据构成的向量映射为所述目标维度的所述第一目标向量，其中，所述编码网络模型用于将输入向量编码为所述目标维度的向量；

将由所述第一目标训练样本中语音数据构成的向量映射为目标维度的第二目标向量，包括：在所述编码网络模型中，将由所述第一目标训练样本中语音数据构成的向量映射为所述目标维度的所述第二目标向量。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述原始训练样本中语音数据的交叉熵损失；

至少基于所述对比损失对所述第一目标训练样本集进行调整，得到第二目标训练样本集，包括：基于所述交叉熵损失和所述对比损失，对所述第一目标训练样本集进行调整，得到所述第二目标训练样本集。

7.根据权利要求6所述的方法，其特征在于，基于所述交叉熵损失和所述对比损失，

对所述第一目标训练样本集进行调整，得到所述第二目标训练样本集，包括：

基于所述交叉熵损失，将所述对比损失调整为目标损失；

基于所述目标损失对所述第一目标训练样本集进行调整，得到所述第二目标训练样本集。

8.根据权利要求1至7中任意一项所述的方法，其特征在于，所述方法还包括：

对所述原始训练样本集中语音数据进行随机数据增强；

对所述第一目标训练样本集和所述原始训练样本集进行对比学习，得到对比损失，包括：对所述第一目标训练样本集和增强后的所述原始训练样本集进行对比学习，得到所述对比损失。