本公开涉及一种音频的识别方法、装置、可读介质和电子设备，涉及电子信息处理技术领域，该方法包括：获取待识别音频，提取用于表征待识别音频的目标音频特征，目标音频特征的维度与待识别音频的时长正相关，利用预先训练的识别模型，根据目标音频特征确定指定维度的统计特征，并根据统计特征确定待识别音频包括的目标音频事件，识别模型根据预先采集的训练音频集训练得到，训练音频集包括不同时长的训练音频。本公开中识别模型对不同时长的音频进行特征提取，以得到指定维度的统计特征，从而识别音频中包括的音频事件，无需对音频进行截取或补齐操作，能够保留音频中完整的信息，提高识别的准确度。识别的准确度。识别的准确度。
【技术实现步骤摘要】
音频的识别方法、装置、可读介质和电子设备
[0001]本公开涉及电子信息处理
，具体地，涉及一种音频的识别方法、装置、可读介质和电子设备。
技术介绍
[0002]随着电子信息处理技术的不断发展，音频作为人们获取信息的重要载体，已经被广泛应用于日常生活和工作中。为了能够对音频进行准确适当的处理，通常需要对音频中包括的音频事件进行识别，例如：说话事件、唱歌事件、音乐事件等。在利用机器学习的方式对音频进行分类时，神经网络的结构往往要求输入的音频的时长是固定的，而真实的音频的时长是长短不一的，因此需要对真实的音频进行截取或补齐操作，会导致音频中信息的丢失，降低了分类的准确度。
技术实现思路
[0003]提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]第一方面，本公开提供一种音频的识别方法，所述方法包括：
[0005]获取待识别音频；
[0006]提取用于表征所述待识别音频的目标音频特征，所述目标音频特征的维度与所述待识别音频的时长正相关；
[0007]利用预先训练的识别模型，根据所述目标音频特征确定指定维度的统计特征，并根据所述统计特征确定所述待识别音频包括的目标音频事件，所述识别模型根据预先采集的训练音频集训练得到，所述训练音频集包括不同时长的训练音频。
[0008]第二方面，本公开提供一种音频的识别装置，所述装置包括：
[0009]获取模块，用于获取待识别音频；
[0010]提取模块，用于提取用于表征所述待识别音频的目标音频特征，所述目标音频特征的维度与所述待识别音频的时长正相关；
[0011]识别模块，用于利用预先训练的识别模型，根据所述目标音频特征确定指定维度的统计特征，并根据所述统计特征确定所述待识别音频包括的目标音频事件，所述识别模型根据预先采集的训练音频集训练得到，所述训练音频集包括不同时长的训练音频。
[0012]第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
[0013]第四方面，本公开提供一种电子设备，包括：
[0014]存储装置，其上存储有计算机程序；
[0015]处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
[0016]通过上述技术方案，本公开首先获取待识别音频，之后提取用于表征待识别音频的目标音频特征，其中，目标音频特征的维度与待识别音频的时长正相关。最后利用预先训练的识别模型，根据目标音频特征确定指定维度的统计特征，再根据统计特征确定待识别音频包括的目标音频事件。识别模型是利用预先采集的，包括不同时长的训练音频的训练音频集训练得到的。本公开中识别模型对不同时长的音频进行特征提取，以得到指定维度的统计特征，从而识别音频中包括的音频事件，无需对音频进行截取或补齐操作，能够保留音频中完整的信息，提高识别的准确度。
[0017]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0018]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0019]图1是根据一示例性实施例示出的一种音频的识别方法的流程图；
[0020]图2是根据一示例性实施例示出的另一种音频的识别方法的流程图；
[0021]图3是根据一示例性实施例示出的一种识别模型的结构示意图；
[0022]图4是根据一示例性实施例示出的一种训练识别模型的流程图；
[0023]图5是根据一示例性实施例示出的另一种训练识别模型的流程图；
[0024]图6是根据一示例性实施例示出的一种识别模型与时长统计模型的结构示意图；
[0025]图7是根据一示例性实施例示出的一种音频的识别装置的框图；
[0026]图8是根据一示例性实施例示出的另一种音频的识别装置的框图；
[0027]图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
[0028]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0029]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0030]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0031]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0032]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0033]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0034]图1是根据一示例性实施例示出的一种音频的识别方法的流程图，如图1所示，该方法包括以下步骤：
[0035]步骤101，获取待识别音频。
[0036]步骤102，提取用于表征待识别音频的目标音频特征，目标音频特征的维度与待识别音频的时长正相关。
[0037]举例来说，首先可以获取待识别音频，待识别音频可以是存储在本地的音频，也可以是通过网络从服务器获取的音频，还可以是用户实时录制的音频，本公开对此不做具体限定。待识别音频的时长可以是任意时长。在对待识别音频进行识别之前，可以先对待识别音频进行预处理，例如可以对待识别音频进行降噪处理等。
[0038]之后，可以提取能够表征待识别音频的目标音频特征，其中，目标音频特征的维度与待识别音频的时长正相关，也就是说，待识别音频的时长越长，那么目标音频特征的维度越大，待识别音频的时长越短，那么目标音频特征的维度越小。具体的，目标音频特征可以包括时间维度和频率维度，那么目标音频特征的时间维度与待识别音频的时长正相关，频率本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种音频的识别方法，其特征在于，所述方法包括：获取待识别音频；提取用于表征所述待识别音频的目标音频特征，所述目标音频特征的维度与所述待识别音频的时长正相关；利用预先训练的识别模型，根据所述目标音频特征确定指定维度的统计特征，并根据所述统计特征确定所述待识别音频包括的目标音频事件，所述识别模型根据预先采集的训练音频集训练得到，所述训练音频集包括不同时长的训练音频。2.根据权利要求1所述的方法，其特征在于，所述识别模型包括：依次连接的多个卷积层、统计池化层和分类层；所述利用预先训练的识别模型，根据所述目标音频特征确定指定维度的统计特征，并根据所述统计特征确定所述待识别音频包括的目标音频事件，包括：将所述目标音频特征输入第一个所述卷积层，以得到最后一个所述卷积层输出的所述待识别音频的高层特征，所述高层特征的维度与所述目标音频特征的维度正相关；将所述高层特征输入所述统计池化层，以得到所述统计池化层输出的所述统计特征；将所述统计特征输入所述分类层，以根据所述分类层的输出确定所述目标音频事件。3.根据权利要求2所述的方法，其特征在于，所述统计池化层包括多个统计模块，每个统计模块对应一种统计处理；所述将所述高层特征输入所述统计池化层，以得到所述统计池化层输出的所述统计特征，包括：将所述高层特征分别输入每个所述统计模块，以得到该统计模块输出的统计结果，所述统计结果为该统计模块对所述高层特征进行对应的统计处理的结果；将多个所述统计模块输出的所述统计结果进行拼接，以得到所述统计特征，所述指定维度根据所述统计模块的数量确定。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述识别模型是通过以下方式训练得到的：获取样本输入集和所述样本输出集，所述样本输入集包括多个样本输入，所述样本输入包括所述训练音频集中的一个所述训练音频，所述样本输出集中包括与每个所述样本输入对应的样本输出，每个所述样本输出包括对应的所述训练音频包括的真实音频事件；将所述样本输入集作为所述识别模型的输入，将所述样本输出集作为所述识别模型的输出，以训练所述识别模型。5.根据权利要求4所述的方法，其特征在于，所述将所述样本输入集作为所述识别模型的输入，将所述样本输出集作为所述识别模型的输出，以训练所述识别模型，包括：将当前批次中的任一所述样本输入作为所述识别模型的输入...
【专利技术属性】
技术研发人员：何珂鑫，贾少勇，何怡，马泽君，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。