申请/专利权人:北京捷通华声科技股份有限公司
申请日:2023-11-28
公开(公告)日:2024-03-19
公开(公告)号:CN117727321A
主分类号:G10L25/51
分类号:G10L25/51;G10L25/30;G10L15/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本申请提供了一种语音音高的识别方法、系统、电子设备及存储介质,涉及语音识别技术领域。本申请通过在训练音高识别模型时引入了自监督模型,通过自监督模型提供额外的训练数据,从而能够预测出更加可靠的辅助置信度向量,并通过将原始置信度向量和辅助置信度向量相加,得到目标置信度向量,最终通过计算目标置信度向量能够得到更加准确的音高。
主权项:1.一种语音音高的识别方法,其特征在于,所述方法包括:获取待识别的语音文件,并将所述待识别的语音文件分别输入音高识别模型和自监督模型;通过所述音高识别模型得到所述待识别的语音文件对应的原始置信度向量以及所述音高识别模型的倒数第二层的输出结果;通过所述自监督模型,得到所述待识别的语音文件对应的自监督置信度向量;将所述自监督置信度向量与所述音高识别模型的倒数第二层的输出结果一起输入到预先训练好的辅助置信度预测模块中,得到预测辅助置信度向量;将所述预测辅助置信度向量输入到预先训练好的向量数据库中,得到辅助置信度向量;将所述原始置信度向量和所述辅助置信度向量相加,得到目标置信度向量;根据所述目标置信度向量,计算得到所述待识别的语音文件的音高。
全文数据:
权利要求:
百度查询: 北京捷通华声科技股份有限公司 一种语音音高的识别方法、系统、电子设备及存储介质
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。