语音检测方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请公开了一种语音检测方法、装置、电子设备及计算机可读存储介质，其中，该方法包括：利用特征提取网络对待检测语音进行特征提取，以得到待检测语音的编码特征向量；利用深层残差卷积网络对待检测语音的编码特征向量进行降维处理，以得到待检测语音的表征向量，其中，表征向量包含待检测语音的语音类别区分信息；根据表征向量与目标向量之间的距离，确定待检测语音的语音类别。通过上述方式，本申请能够提升语音检测的准确率。请能够提升语音检测的准确率。请能够提升语音检测的准确率。

【技术实现步骤摘要】
语音检测方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及计算机
，特别是涉及一种语音检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着计算机技术的发展，对于语音种类检测的越来越重要。但是，目前的语音检测方法主要基于全变量空间系统(Total Variability)，通过逐帧计算后验概率和一阶、二阶统计量，通过因子分析方法建立模型，由此实现语音类别的检测，但是这种方式在有效语音时长较短时，语音检测的准确性会严重下降。

技术实现思路

[0003]本申请主要解决的技术问题是提供一种语音检测方法、装置、电子设备及计算机可读存储介质，能够提升语音检测的准确率。
[0004]为解决上述技术问题，本申请第一方面提供了一种语音检测方法，该方法包括：利用特征提取网络对待检测语音进行特征提取，以得到待检测语音的编码特征向量；利用深层残差卷积网络对待检测语音的编码特征向量进行降维处理，以得到待检测语音的表征向量，其中，表征向量包含待检测语音的语音类别区分信息；根据表征向量与目标向量之间的相似度，确定待检测语音的语音类别。
[0005]为解决上述技术问题，本申请第二方面提供了一种语音检测装置，该装置包括：特征提取模块，用于利用特征提取网络对待检测语音进行特征提取，以得到待检测语音的编码特征向量；语音检测模块，用于利用深层残差卷积网络对待检测语音的编码特征向量进行降维处理，以得到待检测语音的表征向量，其中，表征向量包含待检测语音的语音类别区分信息；确定模块，用于根据表征向量与目标向量之间的相似度，确定待检测语音的语音类别。
[0006]为解决上述技术问题，本申请第三方面提供了一种电子设备，该电子设备包括相互耦接的存储器和处理器，存储器用于存储程序数据，处理器用于执行程序数据以实现前述的方法。
[0007]为解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，该计算机可读存储介质中存储有程序数据，程序数据在被处理器执行时，用以实现前述的方法。
[0008]本申请的有益效果是：区别于现有技术的情况，本申请首先利用特征提取网络对待检测语音进行特征提取，以得到待检测语音的编码特征向量，然后利用深层残差卷积网络对待检测语音的编码特征向量进行降维处理，以得到待检测语音的表征向量，其中，表征向量包含待检测语音的语音类别区分信息，再根据表征向量与目标向量之间的相似度，确定待检测语音的语音类别，以上通过特征提取网络可以将短时语音中更多的时频信息保留下来，以及深层残差卷积网络可以抓取短时语音中时频和频域的语音类别区分信息，从而可以改善短时语音分类检测准确率较低的问题。
附图说明
[0009]为了更清楚地说明本申请中的技术方案，下面将对实施例描述中所需要的附图作简单的介绍，显而易见地，下面描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0010]图1是本申请语音检测方法一实施例的流程示意图；
[0011]图2是本申请语音检测方法另一实施例的流程示意图；
[0012]图3是本申请特征提取网络的训练方式一实施例的流程示意图；
[0013]图4是图3中步骤S33另一实施方式的流程示意图；
[0014]图5是本申请深层残差卷积网络的训练方式一实施例的流程示意图；
[0015]图6是本申请有监督训练语音集和权重向量的分布示意图；
[0016]图7是本申请语音检测装置一实施例的结构示意框图；
[0017]图8是本申请电子设备一实施例的结构示意框图；
[0018]图9是本申请计算机可读存储介质一实施例的结构示意框图。
具体实施方式
[0019]在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0020]本申请中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0021]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0022]在介绍本申请语音检测方法之前，先对目前所采用的全变量因子分析模型进行简单介绍：
[0023](1)对一段语音提取反映频率特性的频谱特征，如梅尔倒谱系数特征(Mel Frequency Cepstrum Coefficient,MFCC)、感知线性预测(Perceptual Linear Predictive,PLP)等；其中，具体可以通过傅里叶变换提取频谱特征。
[0024](2)通过Baum
‑
Welch算法按时序计算每帧语音数据在混合高斯模型(Gaussian Mixture Model,GMM)的每个高斯成分中的后验占有率，通过无标签真假音数据预训练的全变量空间(TV)模型，将语音特征进行线性投影，获取该段语音对应的矢量模型(Ivector)。
[0025](3)利用带标签的两类数据(例如真假音数据)训练线性判别分析(LDA)后端，将
Ivector进一步降维，得到更低维的向量L
‑
Ivector，对所有标签相同的语音求平均得到一个真音的表征向量以及一个合成音的表征向量。
[0026](4)在测试时，可以将待检测语音的L
‑
Ivector和分别与上述两个表征向量计算相似度，从而确定待检测语音的类别。
[0027]与上述方法不同的是，本申请提供了一种端到端的深度神经网络的语音检测技术，其中通过特征提取网络可以将短时语音中更多的时频信息保留下来，以及深层残差卷积网络可以抓取短时语音中时频和频域的语音类别区分信息，从而可以改善短时语音分类检测时，准确率较低的问题。
[0028]请参阅图1，图1是本申请语音检测方法一实施例的流程示意图。其中，本申请的执行主体为手机、电脑、穿戴设备等电子设备。
[0029]该方法可以包括以下步骤：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音检测方法，其特征在于，包括：利用特征提取网络对待检测语音进行特征提取，以得到所述待检测语音的编码特征向量；利用深层残差卷积网络对所述待检测语音的编码特征向量进行降维处理，以得到所述待检测语音的表征向量，其中，所述表征向量包含所述待检测语音的语音类别区分信息；根据所述表征向量与目标向量之间的相似度，确定所述待检测语音的语音类别。2.根据权利要求1中所述的方法，其特征在于，所述特征提取网络包括级联的编码器模块和解码器模块，所述特征提取网络的训练方式包括：利用所述编码器模块对无监督训练语音进行卷积处理，以得到所述无监督训练语音的编码特征向量；利用所述解码器模块对所述无监督训练语音的编码特征向量进行卷积处理，以得到所述无监督训练语音的解码特征向量；利用所述无监督训练语音的编码特征向量和解码特征向量进行损失计算，以得到所述无监督训练语音的第一损失结果；利用所述第一损失结果对所述特征提取网络的参数进行调整。3.根据权利要求2中所述的方法，其特征在于，所述利用所述无监督训练语音的编码特征向量和解码特征向量进行损失计算，以得到所述无监督训练语音的第一损失结果，包括：基于所述解码特征向量分别计算未来第一步至第预设数量步的预测特征向量；将每一步对应的所述编码特征向量和所述预测特征向量进行损失计算，得到每一步对应的第二损失结果；统计所有所述第二损失结果之和，得到所述无监督训练语音的第一损失结果。4.根据权利要求3中所述的方法，其特征在于，所述第一损失结果采用以下公式进行计算：所述第一损失结果采用以下公式进行计算：其中，L为所述第一损失结果，K为预设数量，L
k
为第k步的第二损失结果，Z
i+k
为未来第k步的所述编码特征向量，h
k
(c
i
)为未来第k步的预测特征向量，为从多个所述编码特征向量中均匀采样出的非未来第k步的预设数量个所述编码特征向量，T为转置。5.根据权利要求1中所述的方法，其特征在于，所述深层残差卷积网络的训练方式包括：利用所述深层残差卷积网络对有监督训练语音集进行处理，以得到每一个所述有监督训练语音的表征向量，其中，所述表征向量包含所述有监督训练语音的语音分类信息；利用单类别损失函数计算每一个所述有监督训练语音的第三损失结果；计算预设数量个有监督训练语音的第三损失结果的均值，以得到预设数量个所述有监督训练语音对应的第四损失结果；判断所述第四损失结果是否满足预设要求；若否，则利用所述第四损失结果对所述深层残差卷积网络的参数进行调整。
6.根据权利要求5中所述的方法，其特征在于...

【专利技术属性】
技术研发人员：褚繁，李晋，高天，方昕，胡郁，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：