本申請(qǐng)涉及計(jì)算機(jī)，尤其涉及一種語(yǔ)音處理方法及相關(guān)裝置。

背景技術(shù)：

1、語(yǔ)音處理是為了將人類的語(yǔ)音信號(hào)轉(zhuǎn)換成計(jì)算機(jī)可以理解和處理的形式，從而實(shí)現(xiàn)語(yǔ)音識(shí)別、語(yǔ)音合成、情感識(shí)別等功能。語(yǔ)音處理包括語(yǔ)音信號(hào)的采集、特征提取、模型訓(xùn)練與優(yōu)化等環(huán)節(jié)。隨著人工智能技術(shù)的發(fā)展，對(duì)于語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域的需求日益增加，而提升語(yǔ)音處理效率不僅能夠提高用戶體驗(yàn)，還能推動(dòng)相關(guān)技術(shù)的應(yīng)用與發(fā)展。

2、在當(dāng)前的語(yǔ)音識(shí)別技術(shù)中，為了將語(yǔ)音數(shù)據(jù)轉(zhuǎn)化為對(duì)應(yīng)的文本輸出，通常需要對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行識(shí)別處理。流行的端到端語(yǔ)音識(shí)別方法主要有基于編碼器-解碼器的注意力機(jī)制和基于連接主義時(shí)間分類(ctc，connectionist?temporal?classification)的方法。通過(guò)對(duì)語(yǔ)音數(shù)據(jù)的處理，可以減少冗余信息、增強(qiáng)關(guān)鍵特征的表達(dá)。因此如何高效的進(jìn)行語(yǔ)音處理是研究熱點(diǎn)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例提供一種語(yǔ)音處理方法及相關(guān)裝置，能夠縮短整體序列長(zhǎng)度，優(yōu)化解碼速度，從而提高語(yǔ)音處理效率。

2、本申請(qǐng)實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

3、本申請(qǐng)實(shí)施例提供一種語(yǔ)音處理方法，所述方法包括：

4、對(duì)待處理語(yǔ)音數(shù)據(jù)的n個(gè)語(yǔ)音幀進(jìn)行編碼處理，得到n個(gè)編碼特征，并確定每個(gè)編碼特征的聚類權(quán)重，一個(gè)語(yǔ)音幀對(duì)應(yīng)一個(gè)編碼特征，n為大于1的整數(shù)；

5、基于每個(gè)編碼特征的聚類權(quán)重將所述n個(gè)編碼特征劃分為m個(gè)特征區(qū)間，m為大于或者等于1的整數(shù)，且m小于或者等于n；

6、針對(duì)每個(gè)特征區(qū)間，基于所述特征區(qū)間所包括的編碼特征和編碼特征的聚類權(quán)重，確定所述特征區(qū)間的加權(quán)特征；

7、對(duì)m個(gè)特征區(qū)間的加權(quán)特征進(jìn)行解碼處理，得到所述待處理語(yǔ)音數(shù)據(jù)的語(yǔ)音處理結(jié)果。

8、本申請(qǐng)實(shí)施例提供一種語(yǔ)音處理裝置，包括：。

9、編碼模塊，用于對(duì)待處理語(yǔ)音數(shù)據(jù)的n個(gè)語(yǔ)音幀進(jìn)行編碼處理，得到n個(gè)編碼特征，并確定每個(gè)編碼特征的聚類權(quán)重，一個(gè)語(yǔ)音幀對(duì)應(yīng)一個(gè)編碼特征，n為大于1的整數(shù)；

10、劃分模塊，用于基于每個(gè)編碼特征的聚類權(quán)重將所述n個(gè)編碼特征劃分為m個(gè)特征區(qū)間，m為大于或者等于1的整數(shù)，且m小于或者等于n；

11、確定模塊，用于針對(duì)每個(gè)特征區(qū)間，基于所述特征區(qū)間所包括的編碼特征和編碼特征的聚類權(quán)重，確定所述特征區(qū)間的加權(quán)特征；

12、解碼模塊，用于對(duì)m個(gè)特征區(qū)間的加權(quán)特征進(jìn)行解碼處理，得到所述待處理語(yǔ)音數(shù)據(jù)的語(yǔ)音處理結(jié)果。

13、本申請(qǐng)實(shí)施例提供一種電子設(shè)備，所述電子設(shè)備包括：

14、存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令；

15、處理器，用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)可執(zhí)行指令時(shí)，實(shí)現(xiàn)本申請(qǐng)實(shí)施例提供的語(yǔ)音處理方法。

16、本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序或計(jì)算機(jī)可執(zhí)行指令，用于被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請(qǐng)實(shí)施例提供的語(yǔ)音處理方法。

17、本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)程序或計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)，實(shí)現(xiàn)本申請(qǐng)實(shí)施例提供的語(yǔ)音處理方法。

18、本申請(qǐng)實(shí)施例具有以下有益效果：

19、本申請(qǐng)實(shí)施例通過(guò)對(duì)待處理語(yǔ)音數(shù)據(jù)的n個(gè)語(yǔ)音幀進(jìn)行編碼處理，得到n個(gè)編碼特征，并確定每個(gè)編碼特征的聚類權(quán)重，其中，對(duì)每個(gè)語(yǔ)音幀進(jìn)行編碼處理可以將待處理語(yǔ)音數(shù)據(jù)轉(zhuǎn)換為更具有表征性的編碼特征，將語(yǔ)音信號(hào)的復(fù)雜信息進(jìn)行了抽象和壓縮，從而有助于突出語(yǔ)音信號(hào)中的關(guān)鍵信息。確定每個(gè)編碼特征的聚類權(quán)重則可以更好地理解不同編碼特征之間的相關(guān)性以及編碼特征的重要性，從而在特征表示上更注重那些對(duì)語(yǔ)音信號(hào)具有顯著貢獻(xiàn)的關(guān)鍵信息。然后根據(jù)聚類權(quán)重將編碼特征劃分為m個(gè)特征區(qū)間，聚類權(quán)重反映了每個(gè)編碼特征的重要程度，通過(guò)將聚類權(quán)重應(yīng)用于特征劃分過(guò)程，將語(yǔ)音信號(hào)中的同一個(gè)字符對(duì)應(yīng)的多個(gè)編碼特征劃分成一個(gè)特征區(qū)間。針對(duì)每個(gè)特征區(qū)間，將特征區(qū)間中包含的多個(gè)編碼特征通過(guò)聚類權(quán)重整合為一個(gè)加權(quán)特征，如此在保留各個(gè)語(yǔ)音幀信息的同時(shí)，還能夠強(qiáng)化聚類權(quán)重高的編碼特征，更好地捕獲語(yǔ)音信號(hào)的重要信息，從而保證在后續(xù)解碼過(guò)程中對(duì)加權(quán)特征進(jìn)行解碼所得到的解碼結(jié)果的準(zhǔn)確性，另外，由于是將一個(gè)特征區(qū)間中的多個(gè)編碼特征通過(guò)聚類權(quán)重整合為一個(gè)加權(quán)特征，因此在解碼處理階段，不必對(duì)待處理語(yǔ)音數(shù)據(jù)的原始的n個(gè)編碼特征進(jìn)行解碼，而只需對(duì)更少數(shù)量的加權(quán)特征進(jìn)行解碼，可以大大減少了需要處理的數(shù)據(jù)量和計(jì)算復(fù)雜度，從而降低了計(jì)算資源的消耗，提高語(yǔ)音處理效率。

技術(shù)特征：

1.一種語(yǔ)音處理方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于每個(gè)編碼特征的聚類權(quán)重將所述n個(gè)編碼特征劃分為m個(gè)特征區(qū)間，包括：

3.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述確定每個(gè)編碼特征的聚類權(quán)重，包括：

4.根據(jù)權(quán)利要求2中所述的方法，其特征在于，所述基于每個(gè)編碼特征的聚類權(quán)重，從n個(gè)編碼特征中選擇作為區(qū)間邊界的編碼特征，包括：

5.根據(jù)權(quán)利要求4中所述的方法，其特征在于，所述基于所述區(qū)間劃分位置將所述n個(gè)編碼特征劃分為m個(gè)特征區(qū)間，包括：

6.根據(jù)權(quán)利要求5中所述的方法，其特征在于，當(dāng)所述區(qū)間劃分規(guī)則指示向后重疊時(shí)，所述按照預(yù)設(shè)的區(qū)間劃分規(guī)則，將所述n個(gè)編碼特征劃分為m個(gè)特征區(qū)間，包括：

7.根據(jù)權(quán)利要求5中所述的方法，其特征在于，當(dāng)所述區(qū)間劃分規(guī)則指示向前重疊時(shí)，所述按照預(yù)設(shè)的區(qū)間劃分規(guī)則，將所述n個(gè)編碼特征劃分為m個(gè)特征區(qū)間，包括：

8.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述基于所述特征區(qū)間所包括的編碼特征和所述編碼特征的聚類權(quán)重，確定所述特征區(qū)間的加權(quán)特征，包括：

9.一種語(yǔ)音處理裝置，其特征在于，所述裝置包括：

10.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令或者計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)可執(zhí)行指令或者計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至8任一項(xiàng)所述的方法。

12.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)可執(zhí)行指令或計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)可執(zhí)行指令或計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至8任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┝艘环N語(yǔ)音處理方法及相關(guān)裝置；方法包括：對(duì)待處理語(yǔ)音數(shù)據(jù)的N個(gè)語(yǔ)音幀進(jìn)行編碼處理，得到N個(gè)編碼特征，并確定每個(gè)編碼特征的聚類權(quán)重，一個(gè)語(yǔ)音幀對(duì)應(yīng)一個(gè)編碼特征；基于每個(gè)編碼特征的聚類權(quán)重將N個(gè)編碼特征劃分為M個(gè)特征區(qū)間，M為大于或者等于1的整數(shù)，且M小于或者等于N；針對(duì)每個(gè)特征區(qū)間，基于特征區(qū)間所包括的編碼特征和編碼特征的聚類權(quán)重，確定特征區(qū)間的加權(quán)特征；對(duì)M個(gè)特征區(qū)間的加權(quán)特征進(jìn)行解碼處理，得到待處理語(yǔ)音數(shù)據(jù)的語(yǔ)音處理結(jié)果。通過(guò)本申請(qǐng)，能夠縮短待解碼序列長(zhǎng)度，提高整體的語(yǔ)音識(shí)別的速度。

技術(shù)研發(fā)人員：李承翰
受保護(hù)的技術(shù)使用者：馬上消費(fèi)金融股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/19