【技术实现步骤摘要】
语音分类、认知障碍检测方法、装置、设备及介质
[0001]本专利技术涉及人工智能
,尤其涉及一种语音分类、认知障碍检测方法、装置、设备及介质。
技术介绍
[0002]语音分类技术通常是结合正常与异常的被试语音数据作为训练集训练语音分类模型。
[0003]然而,对于较小众的语种、低资源、语音数据较少,很难收集足够的异常语音数据训练该语种的语音分类模型。
技术实现思路
[0004]本专利技术提供一种语音分类、认知障碍检测方法、装置、设备及介质,用以解决现有技术中对于较小众的语种、低资源、语音数据较少,很难收集足够的异常语音数据训练该语种的语音分类模型的缺陷。
[0005]本专利技术提供一种语音分类方法,包括:获取待分类的第一语音;对所述第一语音进行低通滤波,得到滤除语言信息后的第一语音,作为第二语音;对所述第二语音进行语音分类,得到所述第二语音的分类结果;基于所述第二语音的分类结果,确定所述第一语音的分类结果。
[0006]根据本专利技术提供的一种语音分类方法,所述对所述第二语音进行 ...
【技术保护点】
【技术特征摘要】
1.一种语音分类方法,其特征在于,包括:获取待分类的第一语音;对所述第一语音进行低通滤波,得到滤除语言信息后的第一语音,作为第二语音;对所述第二语音进行语音分类,得到所述第二语音的分类结果;基于所述第二语音的分类结果,确定所述第一语音的分类结果。2.根据权利要求1所述的语音分类方法,其特征在于,所述对所述第二语音进行语音分类,得到所述第二语音的分类结果,包括:基于语音分类模型,对所述第二语音的语音特征分别进行语音状态评分和语音类型分类,得到所述第二语音的得分回归结果和类型分类结果;基于所述得分回归结果和所述类型分类结果,确定所述第二语音的分类结果;所述语音分类模型是基于得分回归和分类两个任务训练得到的。3.根据权利要求2所述的语音分类方法,其特征在于,所述语音分类模型的训练步骤包括:获取初始模型,并获取样本语音,以及所述样本语音的语音状态得分标签和语音类型标签;基于所述初始模型,对所述样本语音的语音特征分别进行语音状态评分和语音类型分类,得到所述样本语音的样本得分回归结果和样本类型分类结果;基于所述样本得分回归结果和样本类型分类结果,以及所述语音状态得分标签和语音类型标签,对所述初始模型进行参数迭代,得到所述语音分类模型。4.根据权利要求3所述的语音分类方法,其特征在于,所述基于所述样本得分回归结果和样本类型分类结果,以及所述语音状态得分标签和语音类型标签,对所述初始模型进行参数迭代,得到所述语音分类模型,包括:基于所述样本得分回归结果与所述语音状态得分标签间的差异,所述样本类型分类结果与所述语音类型标签间的差异,以及所述样本得分回归结果与所述样本类型分类结果间的差异,对所述初始模型进行参数迭代,得到所述语音分类模型。5.根据权利要求1至4中任一项所述的语音分类方法,其特征在于,所述基于所述第二语音的分类结果,确定所述第一语音的分类结果,包括:基于所述第一语音的文本结构信息和/或所述第一语音的静音检测信息,对所述第一语音进行语音分类,得到第一...
【专利技术属性】
技术研发人员:丁昕昀,徐飞扬,李鑫,
申请(专利权)人:科大讯飞股份有限公司,
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。