一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)的快速語種識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN202010245658.4 申請(qǐng)日 -
公開（公告）號(hào) CN111653267A 公開（公告）日 2020-09-11
申請(qǐng)公布號(hào) CN111653267A 申請(qǐng)公布日 2020-09-11
分類號(hào) G10L15/00;G10L15/04;G10L15/06;G10L15/10;G10L15/16 分類 樂器；聲學(xué);
發(fā)明人 劉俊南;江海;王化;劉文龍 申請(qǐng)（專利權(quán)）人 因諾微科技（天津）有限公司
代理機(jī)構(gòu) 天津市北洋有限責(zé)任專利代理事務(wù)所 代理人 李素蘭
地址 300392 天津市濱海新區(qū)華苑產(chǎn)業(yè)區(qū)（環(huán)外）海泰發(fā)展五道16號(hào)B-6號(hào)樓-1-502
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)的快速語種識(shí)別方法，步驟1，輸入語音信號(hào)，對(duì)輸入的語音信號(hào)進(jìn)行處理，得到固定長(zhǎng)度的語音信號(hào)幀序列；步驟2、按幀提取語音信號(hào)幀序列的底層聲學(xué)特征；步驟3，將底層聲學(xué)特征輸入Residual TDNN殘差塊結(jié)構(gòu)中進(jìn)行計(jì)算處理，得到M×64抽象特征；步驟4，進(jìn)行Attention計(jì)算，步驟5，對(duì)Attention特征在時(shí)間幀維度上應(yīng)用全局平均池化處理，得到Embedding向量；步驟6，對(duì)Embedding向量進(jìn)行兩層DNN提取，得到語種向量；步驟7，將語種向量輸入ArcFaceStatic損失函數(shù)，將底層聲學(xué)特征輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，得到所有可識(shí)別語種的概率。本發(fā)明本發(fā)明在短語音上具有較強(qiáng)魯棒性，因此能夠快速準(zhǔn)確地識(shí)別語種。