[发明专利]基于人工智能的语音特征提取方法及装置

摘要

本发明提出一种基于人工智能的语音特征提取方法及装置，其中，方法包括：对待识别语音进行频谱分析，得到待识别语音的语谱图，利用图像识别算法中的Inception卷积结构，对语谱图进行特征提取，得到待识别语音的语音特征。本发明中，通过对待识别语音进行频谱分析，将连续的待识别语音转换成语谱图进行表示，由于Inception卷积结构为可以精准识别图像特征的有效的图像识别方式，利用Inception卷积结构对语谱图进行识别，提取出待识别语音较为准确的语音特征，进而可以提高语音识别的准确率。

主权项

1.一种基于人工智能的语音特征提取方法，其特征在于，所述语音特征用于进行语音识别，包括：对待识别语音进行频谱分析，得到所述待识别语音的语谱图；利用图像识别算法中的Inception卷积结构，对所述语谱图进行特征提取，得到所述待识别语音的语音特征；其中，所述Inception卷积结构包括多个卷积模块，每个卷积模块包括一个分路层、多个卷积层、一个池化层和特征拼接层；所述池化层用于在时域和/或频域进行降采样；各池化层在时域上的总降采样率小于在频域上的总降采样率，其中，在形成所述语谱图时在时域已对所述待识别语音进行了一次降采样；其中，所述Inception卷积结构包括4个卷积模块，其中，所述第一个卷积模块和第二个卷积模块中均包括：一个分路层、4个卷积核为1*1的卷积层、1个卷积核为3*3的卷积层和1个卷积核为5*1的卷积层和1个卷积核为1*5的卷积层、所述池化层和所述特征拼接层，其中，所述1个卷积核为5*1的卷积层和1个卷积核为1*5的卷积层构成一个卷积核5*5的卷积层，所述池化层的尺度为2*2，卷积步长为1*1；所述第三个卷积模块和第四个卷积模块中均包括：一个所述分路层、4个卷积核为1*1的卷积层、1个卷积核为3*3的卷积层和1个卷积核为7*1的卷积层和1个卷积核为1*7的卷积层、所述池化层和所述特征拼接层，其中，所述1个卷积核为7*1的卷积层和1个卷积核为1*7的卷积层构成一个卷积核7*7的卷积层，所述池化层的尺度为2*2，卷积步长为1*1。