声音事件定位模型训练方法和装置
授权
摘要
本发明公开声音事件定位模型训练方法和装置，其中，一种声音事件定位模型训练方法，包括：响应于输入音频和与所述输入音频对应的描述声音事件的短语，利用音频编码器将所述输入音频编码成特征向量序列，利用短语编码器将所述描述声音事件的短语编码成文本短语向量，其中，所述特征向量序列由所述音频中每个时刻的音频特征向量组成；计算所述文本短语向量与所述每个时刻的音频特征向量的相似度；基于相似度确定声音事件对应的开始时间和结束时间形成第一数据集的标注，基于对所述输入音频的声音事件标注形成第二数据集的标注；以及通过最小化所述第一数据集的标注和所述第二数据集的标注之间的损失训练所述音频编码器和所述短语编码器。
基本信息
专利标题 ：
声音事件定位模型训练方法和装置
专利标题（英）：
暂无
公开（公告）号 ：
CN112863492A
申请号 ：
CN202011624897.7
公开（公告）日 ：
2021-05-28
申请日 ：
2020-12-31
授权号 ：
CN112863492B
授权日 ：
2022-06-10
发明人 ：
俞凯吴梦玥徐薛楠丁翰林
申请人 ：
思必驰科技股份有限公司
申请人地址 ：
江苏省苏州市苏州工业园区新平街388号腾飞创新园14栋
代理机构 ：
北京商专永信知识产权代理事务所(普通合伙)
代理人 ：
黄谦
优先权 ：
CN202011624897.7
主分类号 ：
G10L15/06
IPC分类号 ：
G10L15/06 G10L15/16 G10L15/183 G10L15/26 G10L19/16 G10L25/24 G06N3/04 G06N3/08
相关图片
IPC结构图谱
G
G部——物理
G10
乐器；声学
G10L
语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码
G10L15/00
语音识别
G10L15/06
创建基准模板；训练语音识别系统，例如对说话者声音特征的适应
法律状态
2022-06-10 ：
授权
2021-06-15 ：
实质审查的生效
IPC(主分类) : G10L 15/06
申请日 : 20201231
申请日 : 20201231
2021-05-28 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN112863492A.PDF
PDF下载
