本申請(qǐng)涉及語(yǔ)音處理，具體涉及一種語(yǔ)種識(shí)別方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、語(yǔ)種識(shí)別(spoken?language?identification，lid)是指通過(guò)分析處理語(yǔ)音片段來(lái)判別該語(yǔ)音所屬語(yǔ)種的技術(shù)。不同語(yǔ)種中有些語(yǔ)種的相似性較高。例如，粵語(yǔ)和普通話中存在一定相同的元音、輔音和音調(diào)。因此，如何準(zhǔn)確地識(shí)別出語(yǔ)音所屬語(yǔ)種已成為一個(gè)亟待解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例公開一種語(yǔ)種識(shí)別方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于通過(guò)基于相似性最大的語(yǔ)種對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)訓(xùn)練得到的語(yǔ)種識(shí)別模型進(jìn)行語(yǔ)種識(shí)別，可以準(zhǔn)確地識(shí)別出語(yǔ)音所屬語(yǔ)種。

2、第一方面，本申請(qǐng)實(shí)施例公開了一種語(yǔ)種識(shí)別方法，包括：

3、獲取第一語(yǔ)音數(shù)據(jù)；

4、使用目標(biāo)語(yǔ)種識(shí)別模型對(duì)所述第一語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)種識(shí)別，得到所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，所述目標(biāo)語(yǔ)種識(shí)別模型基于相似性最大的語(yǔ)種對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)訓(xùn)練得到；

5、根據(jù)所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，確定所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的概率；

6、將所述概率中最大概率對(duì)應(yīng)的語(yǔ)種確定為所述第一語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)種。

7、第二方面，本申請(qǐng)實(shí)施例公開了一種語(yǔ)種識(shí)別裝置，包括：

8、獲取單元，用于獲取第一語(yǔ)音數(shù)據(jù)；

9、識(shí)別單元，用于使用目標(biāo)語(yǔ)種識(shí)別模型對(duì)所述第一語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)種識(shí)別，得到所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，所述目標(biāo)語(yǔ)種識(shí)別模型基于相似性最大的語(yǔ)種對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)訓(xùn)練得到；

10、第一確定單元，用于根據(jù)所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，確定所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的概率；

11、第二確定單元，用于將所述概率中最大概率對(duì)應(yīng)的語(yǔ)種確定為所述第一語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)種。

12、作為一種可能的實(shí)施方式，所述獲取單元，還用于獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個(gè)語(yǔ)音數(shù)據(jù)和所述多個(gè)語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的標(biāo)簽值；

13、所述裝置還包括：

14、第三確定單元，用于使用初始語(yǔ)種識(shí)別模型根據(jù)第二語(yǔ)音數(shù)據(jù)，確定所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值以及所述第二語(yǔ)音數(shù)據(jù)的對(duì)抗特征，所述第二語(yǔ)音數(shù)據(jù)為所述多個(gè)語(yǔ)音數(shù)據(jù)中的任一語(yǔ)音數(shù)據(jù)；

15、選取單元，用于根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，從所述多個(gè)語(yǔ)音數(shù)據(jù)中選取與所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)語(yǔ)種相似度最大的語(yǔ)種的語(yǔ)音數(shù)據(jù)，得到第三語(yǔ)音數(shù)據(jù)；

16、第四確定單元，用于使用所述初始語(yǔ)種識(shí)別模型根據(jù)所述第三語(yǔ)音數(shù)據(jù)，確定所述第三語(yǔ)音數(shù)據(jù)的對(duì)抗特征；

17、第五確定單元，用于根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值、所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值、所述第二語(yǔ)音數(shù)據(jù)的對(duì)抗特征以及所述第三語(yǔ)音數(shù)據(jù)的對(duì)抗特征，確定總損失值；

18、優(yōu)化單元，用于根據(jù)所述總損失值優(yōu)化所述初始語(yǔ)種識(shí)別模型的參數(shù)，得到所述目標(biāo)語(yǔ)種識(shí)別模型。

19、作為一種可能的實(shí)施方式，所述初始語(yǔ)種識(shí)別模型包括初始共享網(wǎng)絡(luò)、初始語(yǔ)種分類網(wǎng)絡(luò)和初始語(yǔ)種對(duì)抗網(wǎng)絡(luò)；

20、所述第三確定單元具體用于：

21、使用所述初始共享網(wǎng)絡(luò)對(duì)第二語(yǔ)音數(shù)據(jù)進(jìn)行特征提取，得到第一特征；

22、使用所述初始語(yǔ)種分類網(wǎng)絡(luò)根據(jù)所述第一特征，確定所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值；

23、使用所述初始語(yǔ)種對(duì)抗網(wǎng)絡(luò)根據(jù)所述第一特征，確定所述第二語(yǔ)音數(shù)據(jù)的對(duì)抗特征；

24、所述第四確定單元具體用于：

25、使用所述初始共享網(wǎng)絡(luò)對(duì)所述第三語(yǔ)音數(shù)據(jù)進(jìn)行特征提取，得到第二特征；

26、使用所述初始語(yǔ)種對(duì)抗網(wǎng)絡(luò)根據(jù)所述第二特征，確定所述第三語(yǔ)音數(shù)據(jù)的對(duì)抗特征。

27、作為一種可能的實(shí)施方式，所述選取單元具體用于：

28、根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值和所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值，確定與所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)語(yǔ)種相似度最大的語(yǔ)種，得到第一語(yǔ)種；

29、從所述多個(gè)語(yǔ)音數(shù)據(jù)中選取語(yǔ)種為所述第一語(yǔ)種的一個(gè)語(yǔ)音數(shù)據(jù)，得到第三語(yǔ)音數(shù)據(jù)。

30、作為一種可能的實(shí)施方式，所述選取單元根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值和所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值，確定與所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)語(yǔ)種相似度最大的語(yǔ)種，得到第一語(yǔ)種包括：

31、根據(jù)所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值，確定所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)種，得到第二語(yǔ)種；

32、剔除所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值中所述第二語(yǔ)音數(shù)據(jù)屬于所述第二語(yǔ)種的分類值，得到多個(gè)分類值；

33、將所述多個(gè)分類值中的最大分類值對(duì)應(yīng)的語(yǔ)種確定為第一語(yǔ)種。

34、作為一種可能的實(shí)施方式，所述第五確定單元具體用于：

35、根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值和所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值，確定分類損失值；

36、根據(jù)所述第二語(yǔ)音數(shù)據(jù)的對(duì)抗特征以及所述第三語(yǔ)音數(shù)據(jù)的對(duì)抗特征，確定對(duì)抗損失值；

37、根據(jù)所述分類損失值和所述對(duì)抗損失值，確定總損失值。

38、作為一種可能的實(shí)施方式，所述目標(biāo)語(yǔ)種識(shí)別模型包括目標(biāo)共享網(wǎng)絡(luò)和目標(biāo)語(yǔ)種分類網(wǎng)絡(luò)；

39、所述識(shí)別單元具體用于：

40、使用所述目標(biāo)共享網(wǎng)絡(luò)進(jìn)行特征提取，得到第三特征；

41、使用所述目標(biāo)語(yǔ)種分類網(wǎng)絡(luò)根據(jù)所述第三特征，確定所述第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值。

42、第三方面，本申請(qǐng)實(shí)施例公開了一種電子設(shè)備，包括處理器和存儲(chǔ)器，所述處理器調(diào)用所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序執(zhí)行第一方面公開的方法。

43、第四方面，本申請(qǐng)實(shí)施例公開了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序或計(jì)算機(jī)指令，當(dāng)該計(jì)算機(jī)程序或計(jì)算機(jī)指令被處理器運(yùn)行時(shí)，實(shí)現(xiàn)如上述第一方面公開的方法。

44、第五方面，本申請(qǐng)實(shí)施例公開了一種計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序代碼，當(dāng)該計(jì)算機(jī)程序代碼被處理器運(yùn)行時(shí)，使得上述方法被執(zhí)行。

45、本申請(qǐng)實(shí)施例中，獲取第一語(yǔ)音數(shù)據(jù)，使用基于相似性最大的語(yǔ)種對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)訓(xùn)練得到的目標(biāo)語(yǔ)種識(shí)別模型對(duì)第一語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)種識(shí)別，得到第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，根據(jù)第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，確定第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的概率，將第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的概率中最大概率對(duì)應(yīng)的語(yǔ)種確定為第一語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)種。由于目標(biāo)語(yǔ)種識(shí)別模型基于相似性最大的語(yǔ)種對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)訓(xùn)練得到，可見(jiàn)，在進(jìn)行語(yǔ)種識(shí)別模型訓(xùn)練的時(shí)候已經(jīng)考慮了相似性最大的語(yǔ)種對(duì)語(yǔ)種識(shí)別的影響，因此，可以拉開相似性最大的語(yǔ)種之間的區(qū)分度，可以提高目標(biāo)語(yǔ)種識(shí)別模型的識(shí)別精度，從而可以準(zhǔn)確地識(shí)別出語(yǔ)音所屬語(yǔ)種。

技術(shù)特征：

1.一種語(yǔ)種識(shí)別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述初始語(yǔ)種識(shí)別模型包括初始共享網(wǎng)絡(luò)、初始語(yǔ)種分類網(wǎng)絡(luò)和初始語(yǔ)種對(duì)抗網(wǎng)絡(luò)；

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，從所述多個(gè)語(yǔ)音數(shù)據(jù)中選取與所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)語(yǔ)種相似度最大的語(yǔ)種的語(yǔ)音數(shù)據(jù)，得到第三語(yǔ)音數(shù)據(jù)包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值和所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值，確定與所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)語(yǔ)種相似度最大的語(yǔ)種，得到第一語(yǔ)種包括：

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述第二語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值、所述第二語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽值、所述第二語(yǔ)音數(shù)據(jù)的對(duì)抗特征以及所述第三語(yǔ)音數(shù)據(jù)的對(duì)抗特征，確定總損失值包括：

7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的方法，其特征在于，所述目標(biāo)語(yǔ)種識(shí)別模型包括目標(biāo)共享網(wǎng)絡(luò)和目標(biāo)語(yǔ)種分類網(wǎng)絡(luò)；

8.一種語(yǔ)種識(shí)別裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括處理器和存儲(chǔ)器，所述處理器調(diào)用所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序?qū)崿F(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序或計(jì)算機(jī)指令，當(dāng)所述計(jì)算機(jī)程序或計(jì)算機(jī)指令被處理器運(yùn)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)公開了一種語(yǔ)種識(shí)別方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該方法包括：獲取第一語(yǔ)音數(shù)據(jù)；使用目標(biāo)語(yǔ)種識(shí)別模型對(duì)第一語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)種識(shí)別，得到第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值，目標(biāo)語(yǔ)種識(shí)別模型基于相似性最大的語(yǔ)種對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)訓(xùn)練得到；根據(jù)第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的分類值確定第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的概率；將第一語(yǔ)音數(shù)據(jù)屬于不同語(yǔ)種的概率中最大概率對(duì)應(yīng)的語(yǔ)種確定為第一語(yǔ)音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)種。本申請(qǐng)實(shí)施例中，在進(jìn)行語(yǔ)種識(shí)別模型訓(xùn)練的時(shí)候已經(jīng)考慮了相似性最大的語(yǔ)種對(duì)語(yǔ)種識(shí)別的影響，因此，可以拉開相似性最大的語(yǔ)種之間的區(qū)分度，可以提高目標(biāo)語(yǔ)種識(shí)別模型的識(shí)別精度，從而可以準(zhǔn)確地識(shí)別出語(yǔ)音所屬語(yǔ)種。

技術(shù)研發(fā)人員：鄭穎龍,吳廣財(cái),唐樂(lè),陳非,馬春
受保護(hù)的技術(shù)使用者：南方電網(wǎng)數(shù)字電網(wǎng)集團(tuán)有限公司廣東分公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/19