[发明专利]训练样本集的生成方法和存储介质

说明书

本申请公开了一种训练样本集的生成方法和存储介质。其中，该方法包括：获取待处理的原始训练样本集，其中，原始训练样本集用于训练得到语音处理模型；对原始训练样本进行混合增强，得到第一目标训练样本集；对第一目标训练样本集和原始训练样本集进行对比学习，得到对比损失，其中，对比损失用于表征原始训练样本集相对于第一目标训练样本集的相似度；至少基于对比损失对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，原始训练样本集相对于第二目标训练样本集的相似度大于相似度阈值，且第二目标训练样本集用于训练得到语音处理模型。本申请解决了无法有效处理训练样本集的技术问题。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种训练样本集的生成方法和存储介质。

背景技术

目前，许多智能设备内置的语音命令系统给我们的生活带来了更大的便利，可以毫不费力地通过一个简单的命令来激活设备，比如，可以通过“嘿，小爱同学”，激活手机设备。

在相关技术中，智能设备通常是基于语音处理模型(比如，语音唤醒模型)生成语音数据的音频表示，语音处理模型的表现和训练数据呈现正相关，一般语音处理模型需要大量的数据进行训练。然而，随着智能设备个性化的需求不断增长，语音处理模型在低资源的情况下，难以有效训练模型，从而存在无法有效处理训练样本集的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种训练样本集的生成方法和存储介质，以至少解决无法有效处理训练样本集的技术问题。

根据本申请实施例的一个方面，提供了一种训练样本集的生成的方法。该方法可以包括：获取待处理的原始训练样本集，其中，原始训练样本集用于训练得到语音处理模型；对原始训练样本集进行混合增强，得到第一目标训练样本集；对第一目标训练样本集和原始训练样本集进行对比学习，得到对比损失，其中，对比损失用于表征原始训练样本集相对于第一目标训练样本集的相似度；至少基于对比损失对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，原始训练样本集相对于第二目标训练样本集的相似度大于相似度阈值，且第二目标训练样本集用于训练得到语音处理模型。

根据本申请实施例的另一个方面，提供了另一种语音处理模型的确定方法。该方法可以包括：获取目标训练样本集，其中，目标训练样本集为至少基于对比损失对第一目标训练样本集进行调整得到，对比损失为对第一目标训练样本集和原始训练样本集进行对比学习得到，且用于表征原始训练样本集相对于第一目标训练样本集的相似度，第一目标训练样本集为对原始训练样本集进行混合增强得到；响应于原始训练样本集相对于目标训练样本集的相似度大于相似度阈值，基于目标训练样本集训练得到语音处理模型。

根据本申请实施例的另一个方面，提供了另一种语音处理方法。该方法可以包括：采集向客户端发送的待检测语音；使用语音处理模型从待检测语音中提取出至少一目标关键词，其中，语音处理模型为基于目标训练样本集训练得到，目标训练样本集为至少基于对比损失对第一目标训练样本集进行调整得到，对比损失为对第一目标训练样本集和原始训练样本集进行对比学习得到，且用于表征原始训练样本集相对于第一目标训练样本集的相似度，第一目标训练样本集为对原始训练样本集进行混合增强得到，原始训练样本集相对于目标训练样本集的相似度大于相似度阈值；基于目标关键词激活客户端。