基于机器学习的音频识别方法及装置、设备、存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113903356A(43)申请公布日2022.01.07(21)申请号202111148995.2(22)申请日2021.09.28(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人张旭龙王健宗(74)专利代理机构深圳市隆天联鼎知识产权代理有限公司44232代理人徐明霞(51)Int.Cl.G10L25/51(2013.01)G10L25/30(2013.01)权利要求书2页说明书16页附图4页(54)发明名称基于机器学习的音频识别方法及装置、设备、存储介质(57)摘要本申请涉及人工智能，提供一种基于机器学习的音频识别方法及装置、设备、存储介质，该方法包括：获取生物发出的无语义的第一音频样本，将第一音频样本输入意图识别模型，以对第一音频样本的意图进行预测，得到第一意图数据；并对第一音频样本的音色进行识别，得到第一音色数据；基于第一意图数据和第一音色数据，确定第一目标音频；基于第一目标音频和第一音频样本的比对结果对意图识别模型进行训练，以得到训练完成的意图识别模型，并基于训练完成的意图识别模型，对待识别音频的意图进行识别。本申请实施例的技术方案能够降低音色等参数对意图识别的影响，提升意图识别的准确性。CN113903356ACN113903356A权利要求书1/2页1.一种基于机器学习的音频识别方法，其特征在于，所述方法包括：获取生物发出的无语义的第一音频样本；将所述第一音频样本输入意图识别模型，以对所述第一音频样本的意图进行预测，得到第一意图数据；并对所述第一音频样本的音色进行识别，得到第一音色数据；其中，所述意图识别模型为基于机器学习建立的模型；基于所述第一意图数据和所述第一音色数据，确定第一目标音频；基于所述第一目标音频和所述第一音频样本的比对结果对所述意图识别模型进行训练，以得到训练完成的意图识别模型，并基于训练完成的意图识别模型，对待识别音频的意图进行识别。2.如权利要求1所述的方法，其特征在于，所述将所述第一音频样本输入意图识别模型，以对所述第一音频样本的意图进行预测，得到第一意图数据，包括：将所述第一音频样本输入意图识别模型，以使所述意图识别模型对所述第一音频样本的意图进行预测；在所述意图识别模型的预测过程中，获取所述意图识别模型的隐藏层输出的数据；将获取到的数据作为所述第一意图数据。3.如权利要求1所述的方法，其特征在于，所述基于所述第一意图数据和所述第一音色数据，确定第一目标音频，包括：获取第二意图数据和第二音色数据；基于所述第一意图数据和所述第二音色数据生成第一音频，并基于所述第二意图数据和所述第一音色数据生成第二音频；将所述第一音频输入所述意图识别模型，以对所述第一音频的意图进行预测，得到第三意图数据；并对所述第二音频的音色进行识别，得到第三音色数据；基于所述第三意图数据和所述第三音色数据生成所述第一目标音频。4.如权利要求3所述的方法，其特征在于，所述获取第二意图数据和第二音色数据，包括：获取生物发出的无语义的第二音频样本；将所述第二音频样本输入所述意图识别模型，以对所述第二音频样本的意图进行预测，得到第二意图数据；并对所述第二音频样本的音色进行识别，得到第二音色数据；在所述基于所述第一意图数据和所述第二音色数据生成第一音频，并基于所述第二意图数据和所述第一音色数据生成第二音频之后，得到训练完成的意图识别模型之前，所述方法还包括：将所述第二音频输入所述意图识别模型，以对所述第二音频的意图进行预测，得到第四意图数据；并对所述第一音频的音色进行识别，得到第四音色数据；基于所述第四意图数据和所述第四音色数据生成第二目标音频；基于所述第二目标音频和所述第二音频样本的比对结果对所述意图识别模型进行训练。5.如权利要求3所述的方法，其特征在于，所述第一音频由音频生成模型基于所述第一意图数据和所述第二音色数据生成；所述第一音色数据由音色识别模型对第一音频样本进行识别得到；所述音频生成模型和所述音色识别模型为基于机器学习建立的模型；2CN113903356A权利要求书2/2页在所述基于所述第三意图数据和所述第三音色数据生成所述第一目标音频之后，所述方法还包括：基于所述第一目标音频和所述第一音频样本的比对结果对所述音频生成模型和所述音色识别模型进行训练。6.如权利要求1所述的方法，其特征在于，在得到训练完成的意图识别模型之前，所述方法还包括：获取生物发出的无语义的第三音频样本和所述第三音频样本的预设意图；将所述第三音频样本输入所述意图识别模型，以对所述第三音频样本的意图进行预测，得到所述第三音频样本对应的意图数据；基于所述第三音频样本对应的意图数据和所述预设意