申请/专利权人：北京百度网讯科技有限公司

申请日：2021-09-13

公开（公告）日：2022-09-23

公开（公告）号：CN113903334B

主分类号：G10L15/22

分类号：G10L15/22;G10L15/02;G10L15/05;G10L15/06;G10L15/16

优先权：

专利状态码：有效-授权

法律状态：2022.09.23#授权;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本公开提供了一种声源定位模型的训练与声源定位方法，涉及语音处理、深度学习等人工智能技术领域。声源定位模型的训练方法包括：根据包含唤醒词的音频信号得到样本音频；提取样本音频中至少一个音频帧的音频特征，标注至少一个音频帧的方向标签与掩码标签；使用至少一个音频帧的音频特征、方向标签与掩码标签对神经网络模型进行训练，得到声源定位模型。声源定位方法包括：获取待处理音频信号，提取待处理音频信号中每个音频帧的音频特征；将每个音频帧的音频特征输入声源定位模型，得到声源定位模型针对每个音频帧输出的声源方向信息；确定待处理音频信号中的唤醒词尾点帧；根据对应唤醒词尾点帧的声源方向信息得到待处理音频信号的声源方向。

主权项：1.一种声源定位模型的训练方法，包括：根据包含唤醒词的音频信号得到样本音频；提取所述样本音频中至少一个音频帧的音频特征，标注所述至少一个音频帧的方向标签与掩码标签，其中，音频帧的掩码标签为1或者0，音频帧的掩码标签为1，表示该音频帧参与神经网络模型的损失函数值的计算，音频帧的掩码标签为0，表示该音频帧不参与神经网络模型的损失函数值的计算；使用所述至少一个音频帧的音频特征以及所述至少一个音频帧的方向标签与掩码标签对神经网络模型进行训练，得到声源定位模型；所述根据包含唤醒词的音频信号得到样本音频包括：获取所述音频信号中所包含的唤醒词的词语长度；确定与所述词语长度对应的目标时长；从所述音频信号中截取与所述目标时长对应的音频作为所述样本音频。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 声源定位模型的训练与声源定位方法、装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD