音频处理模型训练方法、装置、设备和介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115101086A(43)申请公布日2022.09.23(21)申请号202210577822.0G10L19/26(2013.01)(22)申请日2022.05.25G06N20/00(2019.01)(71)申请人北京声智科技有限公司地址100094北京市海淀区北清路81号院一区1号楼6层601(72)发明人李良斌(74)专利代理机构北京开阳星知识产权代理有限公司11710专利代理师阮改燕(51)Int.Cl.G10L21/049(2013.01)G10L21/0224(2013.01)G10L21/0232(2013.01)G10L21/0332(2013.01)G10L19/02(2013.01)权利要求书2页说明书10页附图2页(54)发明名称音频处理模型训练方法、装置、设备和介质(57)摘要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。CN115101086ACN115101086A权利要求书1/2页1.一种音频处理模型训练方法，其特征在于，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。2.根据权利要求1所述的方法，其特征在于，所述目标时域数据基于降维后的所述初始音频数据确定。3.根据权利要求2所述的方法，其特征在于，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。4.根据权利要求3所述的方法，其特征在于，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。5.根据权利要求3或4所述的方法，其特征在于，所述预设强度阈值基于多个所述初始音频数据确定。6.根据权利要求1所述的方法，其特征在于，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。7.根据权利要求6所述的方法，其特征在于，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。8.根据权利要求1所述的方法，其特征在于，在所述获取初始音频数据之前，所述方法还包括：获取原始音频数据；对所述原始音频数据进行预处理，生成所述初始音频数据；其中，所述预处理至少包括预加重处理、分帧处理和加窗处理。2CN115101086A权利要求书2/2页9.一种音频处理模型训练装置，其特征在于，包括：初始音频数据获取模块，用于获取初始音频数据；目标数据确定模块，用于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；模型训练模块，用于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。10.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述音频处理模型训练方法。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述音频处理模型训练方法。3CN115101086A说明书1/10页音频处理模型训练方法、装置、设备和介质技术领域[0001]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[0002]为了