[发明专利]语音情绪识别模型的训练方法、识别方法和装置在审

专利信息
申请号: 202310273039.X 申请日: 2023-03-20
公开(公告)号: CN116486785A 公开(公告)日: 2023-07-25
发明(设计)人: 桑新柱;王锐;颜玢玢;王葵如;陈铎;王鹏;于迅博;高鑫;邢竖军 申请(专利权)人: 北京邮电大学
主分类号: G10L15/00 分类号: G10L15/00;G10L25/63;G10L15/16;G10L15/06
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 张正秋
地址: 100876 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 语音 情绪 识别 模型 训练 方法 装置
【说明书】:

本申请提供一种语音情绪识别模型的训练方法、识别方法和装置,涉及语音识别技术领域。该方法包括:在训练语音情绪识别模型时,可以先获取多个语音样本对,各语音样本对包括具有语音情绪标签的第一语音样本和无语音情绪标签的第二语音样本,第一语音样本和第二语音样本所属的语种不同;将语音样本对对应的语音特征输入至初始语音情绪识别模型中,得到语音样本对中第一语音样本和第二语音样本对应的预测结果;根据各语音样本对对应的第一预测结果、第二预测结果以及语音情绪标签,对初始语音情绪识别模型的模型参数进行更新,这样训练得到的语音情绪识别模型,可以准确地识别不同语种的语音情绪,从而提高了识别结果的准确度。

技术领域

本申请涉及语音识别技术领域,尤其涉及一种语音情绪识别模型的训练方法、识别方法和装置。

背景技术

随着人机交互模式的不断发展,人机交互中的情感表达越来越受到重视,特别是针对语音业务,若智能交互设备能够在不与使用者接触的情况下,准确地理解用户所表达的意思,则可以为用户提供更人性化的服务。

现有技术中,语音情绪识别技术大多适用于单语种场景,然而,在实际应用中,同一个系统所需识别的语言不止一种,不同的语言会影响到语音情绪识别的准确率,因此,如何准确地识别不同语种的语音情绪,是本领域技术人员亟待解决的问题。

发明内容

本申请提供一种语音情绪识别模型的训练方法、识别方法和装置,可以准确地识别不同语种的语音情绪,从而提高了识别结果的准确度。

本申请提供一种语音情绪识别模型的训练方法,包括:

获取多个语音样本对,各语音样本对包括具有语音情绪标签的第一语音样本和无语音情绪标签的第二语音样本,所述第一语音样本和所述第二语音样本所属的语种不同。

针对所述各语音样本对,将所述语音样本对对应的语音特征输入至初始语音情绪识别模型中,得到所述语音样本对中所述第一语音样本对应的第一预测结果和所述第二语音样本对应的第二预测结果。

根据所述各语音样本对对应的所述第一预测结果、所述第二预测结果以及所述语音情绪标签,对所述初始语音情绪识别模型的模型参数进行更新,以得到语音情绪识别模型。

根据本申请提供的一种语音情绪识别模型的训练方法,所述初始语音情绪识别模型包括特征提取器和识别器,所述将所述语音样本对对应的语音特征输入至初始语音情绪识别模型中,得到所述语音样本对中所述第一语音样本对应的第一预测结果和所述第二语音样本对应的第二预测结果,包括:

将所述语音样本对对应的语音特征输入至所述特征提取器中,得到所述第一语音样本对应的第一隐藏层特征和所述第二语音样本对应的第二隐藏层特征。

将所述第一隐藏层特征和所述第二隐藏层特征分别输入至所述识别器中,得到所述第一语音样本对应的所述第一预测结果和所述第二语音样本对应的所述第二预测结果。

根据本申请提供的一种语音情绪识别模型的训练方法,所述根据所述各语音样本对对应的所述第一预测结果、所述第二预测结果以及所述语音情绪标签,对所述初始语音情绪识别模型的模型参数进行更新,包括:

根据所述各语音样本对对应的所述第一预测结果和所述语音情绪标签,构造所述多个语音样本对对应的交叉熵损失。

根据所述各语音样本对对应的所述语音情绪标签和所述第二预测结果,采用局部特征对齐算法确定所述多个语音样本对对应的相似度。

根据所述多个语音样本对对应的所述交叉熵损失和所述相似度,对所述初始语音情绪识别模型的模型参数进行更新。

根据本申请提供的一种语音情绪识别模型的训练方法,所述根据所述各语音样本对对应的所述语音情绪标签和所述第二预测结果,采用局部特征对齐算法确定所述多个语音样本对对应的相似度,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310273039.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top