CN113066485B - 一种语音数据处理方法、装置及设备 - Google Patents
一种语音数据处理方法、装置及设备 Download PDFInfo
- Publication number
- CN113066485B CN113066485B CN202110319220.0A CN202110319220A CN113066485B CN 113066485 B CN113066485 B CN 113066485B CN 202110319220 A CN202110319220 A CN 202110319220A CN 113066485 B CN113066485 B CN 113066485B
- Authority
- CN
- China
- Prior art keywords
- voice
- voice data
- sample
- preset
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 139
- 238000012549 training Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims description 106
- 238000012360 testing method Methods 0.000 claims description 79
- 238000003860 storage Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 description 33
- 230000008569 process Effects 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/16—Vocoder architecture
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
Abstract
本公开实施例提供了一种语音数据处理方法、装置及设备,包括:获取待处理的原始语音数据;将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种语音数据处理方法、装置及设备。
背景技术
语音作为人类语言和思想的记录方式,往往蕴涵着重要的个人信息。例如,企业内部电话会议往往会包含公司的一些机密内容,个人的私密通话或者语音聊天偶尔也包含重要的个人资产信息、账号密码、个人姓名、手机号码、地址等敏感信息。
随着人工智能技术的快速发展,语音识别技术很容易识别语音并转成文本,然而,这也给个人隐私带来了严重的威胁。语音识别技术可以轻易将个人的信息从语音文件或者通话中识别并解析出来,并且能够准确的识别个人的姓名,手机号,地址,公司等信息。因此,需要提供一种能够有效防止利用语音识别技术识别语音内容的技术方案。
发明内容
本公开实施例的目的是提供一种语音数据处理方法、装置及设备,以提供一种能够有效防止非法利用语音识别技术识别语音内容的技术方案。
为了解决上述技术问题,本说明书实施例是这样实现的:
第一方面,本公开实施例提供了一种语音数据处理方法,包括:获取待处理的原始语音数据。将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
第二方面,本公开实施例提供了一种语音数据处理方法,包括:接收终端设备发送的预设语音编码模型获取请求。将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
第三方面,本公开实施例提供了一种语音数据处理装置,包括:第一获取模块,获取待处理的原始语音数据。第一输入模块,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据。数据输出模块,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
第四方面,本公开实施例提供了一种语音数据处理装置,包括:第二接收模块,接收终端设备发送的预设语音编码模型获取请求。第二发送模块,将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
第五方面,本公开实施例提供了一种语音数据处理设备,包括:处理器。以及被安排成存储计算机可执行指令的存储器,可执行指令在被执行时使处理器:获取待处理的原始语音数据。将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
第六方面,本公开实施例提供了一种语音数据处理设备,包括:处理器。以及被安排成存储计算机可执行指令的存储器,可执行指令在被执行时使处理器:接收终端设备发送的预设语音编码模型获取请求。将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
第七方面,本公开实施例提供了一种存储介质,存储介质用于存储计算机可执行指令,可执行指令在被执行时实现以下流程:获取待处理的原始语音数据。将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
第八方面,本公开实施例提供了一种存储介质,存储介质用于存储计算机可执行指令,可执行指令在被执行时实现以下流程:接收终端设备发送的预设语音编码模型获取请求。将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的语音数据处理方法的第一种流程示意图;
图2为本公开实施例提供的语音数据处理过程的第一种示意图;
图3A为本公开实施例提供的语音数据处理方法的第二种流程示意图;
图3B为本公开实施例提供的语音数据处理过程的第二种示意图;
图4为本公开实施例提供的语音数据处理装置的第一种模块组成示意图;
图5为本公开实施例提供的语音数据处理装置的第二种模块组成示意图;
图6为本公开实施例提供的语音数据处理设备的结构示意图。
具体实施方式
本公开实施例提供了一种语音数据处理方法、装置及设备。
为了使本技术领域的人员更好地理解本公开中的技术方案,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本公开保护的范围。
如图1所示,本说明书实施例提供了一种语音数据处理方法,该方法的执行主体可以为终端设备,其中,该终端设备可以如个人计算机等设备,也可以如手机、平板电脑等移动终端设备,该终端设备可以为用户使用的终端设备。该终端设备可以安装有预设语音编码模型,通过该预设语音编码模型可以输出目标语音数据。该方法具体可以包括以下步骤:
在步骤S102中,获取待处理的原始语音数据。
其中,上述原始语音数据可以为通过终端设备中的语音接收组件获取到的语音通话过程中的语音数据。或者,还可以为通过终端设备中的语音接收组件获取到的视频聊天过程中的语音数据。或者,还可以为用户通过录音软件录制的语音数据等。本说明书实施例对上述原始语音数据的具体表现形式不作具体限定。
在实施中,语音作为人类语言和思想的记录方式,往往蕴涵着重要的个人信息。例如,企业内部电话会议往往会包含公司的一些机密内容,个人的私密通话或者语音聊天偶尔也包含重要的个人资产信息、账号密码、个人姓名、手机号码、地址等敏感信息。随着人工智能技术的快速发展,语音识别技术很容易识别语音并转成文本,然而,这也给个人隐私带来了严重的威胁。语音识别技术可以轻易将个人的信息从语音文件或者通话中识别并解析出来,并且能够准确的识别个人的姓名,手机号,地址,公司等信息。为此,需要提供一种能够有效防止利用语音识别技术识别语音内容的方法,具体可以参见下述内容。
在实施中,当用户使用上述终端设备进行语音通话、视频通话,或者录制视频或者录制语音的过程中,当安装在上述终端设备中的语音接收组件接收到语音数据时,可以获取待处理的原始语音数据。
在步骤S104中,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
在实施中,终端设备通过上述步骤S102的处理,获取到待处理的原始语音数据之后,可以对上述原始语音数据进行语音编码处理。具体的,可以在不改变上述原始语音数据的语义的情况下,通过少量改变原始语音数据中的某些语音内容或者语序的方式,对上述原始语音数据进行语音编码处理,得到目标语音数据。
在步骤S106中,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
其中,上述目标语音数据与原始语音数据的相似度大于第一预设阈值,可以理解为上述目标语音数据与原始语音数据足够相似。上述第一识别结果与第二识别结果的相似度小于第二预设阈值,可以理解为上述第一识别结果与第二识别结果足够不相似。上述第一识别结果可以用于表征将原始语音数据输入至上述语音识别模型后,通过上述语音识别模型对上述原始语音数据进行识别处理后,输出的与上述第一识别结果对应的文本信息。同样,上述第二识别结果可以用于表征将上述目标语音数据输入至上述语音识别模型后,通过上述语音识别模型对上述目标语音数据进行识别处理后,输出的与上述第二识别结果对应的文本信息。例如,上述第一识别结果可以为“你好,我是小明”,上述第二识别结果可以是“你&好,&我^*是&小**名”等。
在实施中,上述终端设备通过上述步骤S104的处理,将原始语音数据输入至预设语音编码模型中,通过上述预设语音编码模型对上述原始语音数据进行编码处理后所得到的目标语音数据与上述原始语音数据的相似度较高,从而使得上述目标语音数据与上述原始语音数据足够相似,进而不会影响到用户的正常使用。而通过将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度较低,例如,“你好,我是小明”,与“你&好,&我^*是&小**名”等。这样,由于上述语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,使得非法人员即便通过某种手段获取到了原始语音数据,也无法从上述获取的目标语音数据中得到该原始语音数据所要表达的真实含义,从而有效防止非法人员利用语音识别技术识别语音内容,保证了语音数据的隐私性。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
在一些可选的实施方式中,如图2所示,在获取待处理的原始语音数据之前,上述方法还可以包括下述步骤S002-步骤S004的处理过程,具体可以参见下述步骤S002-步骤S004的具体处理过程。
在步骤S002中,向服务器发送预设语音编码模型获取请求。
在步骤S004中,接收服务器发送的预设语音编码模型。
在实施中,用户可以通过触发终端设备中某预设应用程序等向终端设备发送获取预设语音编码模型的指令信息,这样,上述终端设备可以接收到上述获取预设语音编码模型的指令信息,然后,向服务器发送预设语音编码模型获取请求,最后,上述终端设备可以接收到上述服务器发送的预设语音编码模型。这样,终端设备可以通过安装上述预设语音编码模型,并利用上述预设语音编码模型将终端设备的语音接收组件获取到的原始语音数据进行处理,达到不容易被非法用户利用语音识别技术对上述原始语音数据进行识别的目的,从而保证了用户语音数据的隐私安全,提高了用户的使用体验。
另外,为了有效防止非法人员利用语音识别技术识别语音内容,进一步提高用户语音数据的隐私安全。在上述终端设备安装了上述预设语音编码模型后,可以每隔预设时间间隔(如1天)向服务器发送预设语音编码模型获取请求,这样,在服务器接收到终端设备发送的预设语音编码模型获取请求后,可以对上述预设语音编码模型获取请求中所携带的预设语音编码模型的版本信息进行判断,若判断出上述终端设备当前的预设语音编码模型需要更新时,则可以将更新后的预设语音编码模型发送至上述终端设备中,以使上述终端设备可以更新预设语音编码模型。
或者,也可以是上述服务器在对预设语音编码模型进行更新后,可以向安装有上述预设语音编码模型的终端设备发送预设语音编码模型更新指令,这样,终端设备在接收到上述预设语音编码模型更新指令的情况下,可以向服务器发送预设语音编码模型更新请求,上述服务器在接收到上述更新请求的情况下,可以将更新后的上述预设语音编码模型发送至上述终端设备,以使上述终端设备更新预设语音编码模型。
这样,终端设备可以使用更新后的预设语音编码模型对获取的原始语音数据进行处理,输出目标语音数据的方式,有效防止非法人员利用语音识别技术识别语音内容,进一步提高了用户语音数据的隐私安全。
进一步的,在一些可选的实现方式中,上述方法还可以包括下述步骤A2-步骤A10的处理过程,具体可以参见下述步骤A2-步骤A10的具体处理过程。
在步骤A2中,获取用于训练预设语音编码模型的样本语音数据。
在实施中,上述终端设备可以通过预设接口获取预设数量的用于训练预设语音编码模型的样本语音数据,上述样本语音数据可以是用于测试的语音聊天样本数据。或者,也可以是用于测试的语音通话的样本数据。或者,还可以是包含语音信息的视频或者其他场景中的语音样本数据。
在步骤A4中,将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据。
其中,上述预设语音编码模型的初始架构可以包括多个网络层,各网络层可以包括多个原始参数。上述初始架构可以是基于预设的某种算法构建的,该初始架构的原始参数可以不作具体限定,在模型训练过程中,可以通过不断的迭代调整上述初始架构的参数信息。
在实施中,上述步骤A4的具体处理过程可以参见上述步骤S104的具体处理过程。
在步骤A6中,分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果。
其中,上述语音识别模型不仅可以是上述语音数据处理方在进行语音数据处理过程中由自己训练得到的,上述语音识别模型还可以是从第三方获取的,本说明书实施例对此不作具体限定。需要说明的是,上述预先训练的语音识别模型还可以是针对每一次迭代,在将上述样本编码语音数据输入到上述预设语音编码模型进行编码处理的同时,还将上述样本编码语音数据输入至上述语音识别模型中,迭代调整上述预先训练的语音识别模型。这样,可以使得在整个迭代训练调整过程中,可以同时对上述预设语音编码模型的初始架构以及上述预先训练的语音识别模型进行一种动态对抗,进一步提高了预设语音编码模型的性能。
在步骤A8中,计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度。
在实施中,上述计算样本语音数据与样本编码语音数据之间的第一相似度的方法可以多种多样。例如,可以通过将上述样本语音数据,以及,与上述样本语音数据对应的样本编码语音数据推送给人工,由人工将听到的上述样本语音数据,以及上述经过编码后的样本语音数据所表达的内容书写下来,得到样本语音数据和编码后的样本编码语音数据所对应的第一文字信息和第二文字信息,然后,通过打分的方式来对给出上述第一文字信息和第二文字信息所对应的样本语音数据与样本编码语音数据之间的相似度。或者,还可以以最小均方误差的方式确定上述样本语音数据与上述样本编码语音数据之间的相似度。本说明书对上述计算样本语音数据与样本编码语音数据之间的第一相似度的计算方法不作具体限定。
同样的,在实施中,上述计算第一样本识别结果与第二样本识别结果之间的第二相似度的方法可以多种多样。例如,可以通过将上述经过语音识别模型处理后得到第一样本识别结果和第二样本识别结果推送给人工,然后,由人工通过打分的方式来对计算上述第一样本识别结果与上述第二样本识别结果之间的第二相似度。或者,还可以通过计算上述第一样本识别结果中所包含的每个元素,与该元素所对应的第二样本识别结果所对应的元素之间的文本编辑距离,将计算得到的上述文本编辑距离确定为第一样本识别结果与第二样本识别结果之间的第二相似度。本说明书实施例对上述计算第一样本识别结果与第二样本识别结果之间的第二相似度的计算方法不作具体限定。
在步骤A10中,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
在实施中,如果样本语音数据与上述样本编码语音数据的相似度越高,也即第一相似度的数值越大,上述样本语音数据与上述样本编码语音数据足够相似,表明上述经过预设语音编码模型编码得到的样本编码语音数据不会对人造成干扰,也即人听到的经过编码后得到的样本语音数据与听到的原始样本语音数据所对应的内容无差别,人耳可能无法分辨出哪个是原始样本语音数据,哪个是经过编码处理后的样本编码语音数据。此时,进一步表明上述预设语音编码模型的损失较小。
相应的,如果上述第一样本识别结果与上述第二样本识别结果的相似度越高,也即第二相似度的数值越大,表明上述经过预设语音编码模型编码得到的样本编码语音数据不会对语音识别模型造成干扰,语音识别模型仍然可以获取上述原始样本数据所对应的内容,此时,可以表明上述语音编码模型的损失较大。同样,如果上述第一样本识别结果与上述第二样本识别结果的相似度越低,上述第一样本识别结果与上述第二样本识别结果足够的不相似,也即第二相似度的数值越小,表明上述经过预设语音编码模型编码得到的样本编码语音数据会对语音识别模型造成较大干扰,语音识别模型无法获取上述原始样本数据所对应的内容,此时,可以表明上述语音编码模型的损失较小。
可见,上述第一相似度与上述预设语音编码模型的损失程度成负相关,上述第二相似度与上述预设语音编码模型的损失程度呈正相关,基于此,可以基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
进一步的,为了避免非法分子对上述预设语音编码模型进行破解,从而很容易的将经过上述预设语音编码模型输出的目标语音数据还原成原始语音数据,上述方法还可以包括下述步骤D2-步骤D6的处理过程,具体可以参见下述步骤D2-步骤D6的具体处理过程。
在步骤D2中,将样本编码语音数据输入到预先训练的重构网络模型中,以对样本编码语音数据进行还原处理,得到编码还原语音数据。
在步骤D4中,计算样本语音数据与编码还原语音数据之间的第三相似度。
在步骤D6中,基于第一相似度、第二相似度、第三相似度,迭代调整初始架构的模型参数得到预设语音编码模型,其中,第三相似度越大,初始架构的损失越大。
其中,上述预先训练的重构网络模型可以用于将上述经过预设语音编码处理后得到的样本编码语音数据进行还原得到编码还原语音数据。如果上述编码还原语音数据与上述样本语音数据之间的相似程度越大,上述编码还原语音数据与上述样本语音数据之间足够相似,则说明上述预设语音编码模型越容易被破解,此时,上述预设语音编码模型的损失越大。同样的,如果上述编码还原语音数据与上述样本语音数据之间的相似程度越小,上述编码还原语音数据与上述样本语音数据之间足够不相似,则说明上述预设语音编码模型越不容易被破解,此时,上述预设语音编码模型的损失越小。
可见,上述第三相似度与上述预设语音编码模型的损失程度呈正相关。基于此,可以基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,第三相似度越大,初始架构的损失越大,也即,可以基于第一相似度与上述预设语音编码模型的损失程度呈负相关,第二相似度和第三相似度分别与上述预设语音编码模型的损失程度呈正相关的相关关系,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
在一些可选的实施方式中,为了有效防止非法人员利用语音识别技术识别语音内容,进一步提高用户语音数据的隐私安全,因此,需要对预设编码模型进行更新,上述方法还可以包括下述步骤E2-步骤E10的处理过程,具体可以参见下述步骤E2-步骤E10的具体处理过程。
在步骤E2中,向预设语音测试接口发送语音测试数据,其中,语音测试数据为经过预设语音编码模型进行编码处理后输出的语音数据。
其中,上述预设语音测试接口可以是云端的语音识别接口。通过向该预设语音测试接口发送经过上述预设语音编码模型编码处理后输出的语音测试数据,预设语音测试接口可以接收到语音测试数据,并可以对所接收到的语音测试数据进行识别。这样,终端设备可以基于上述语音测试接口对上述预设语音编码模型编码处理后输出的语音测试数据进行识别所得到的识别结果,可以检测上述预测语音测试接口是否已经可以对上述语音测试数据进行识别。
在步骤E4中,接收通过预设语音测试接口返回的与语音测试数据对应的测试文本信息。
在步骤E6中,将语音测试数据输入至预先训练的语音识别模型中,以对语音测试数据进行语音识别处理,得到目标文本信息。
在步骤E8中,计算测试文本信息与目标文本信息之间的第四相似度。
在步骤E10中,在确定第四相似度满足预设条件的情况下,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
在实施中,终端设备通过上述步骤E6的处理,如果确定出上述第四相似度大于上述第二相似度的情况下,则表明上述经过预设语音编码模型输出的语音测试数据已经有被识别的风险,此时,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
作为示例,以上述基于上述第一相似度、第二相似度和第三相似度,迭代调整初始架构的模型参数得到更新后的预设语音编码模型为例,具体可以包括:可以基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,第三相似度越大,初始架构的损失越大,也即,可以基于第一相似度与上述预设语音编码模型的损失程度呈负相关,第二相似度和第三相似度分别与上述预设语音编码模型的损失程度呈正相关的相关关系,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为更新后的预设语音编码模型。
进一步的,上述方法还可以包括下述步骤F2-步骤F6的处理过程,具体可以参见下述步骤F2-步骤F6的具体处理过程。
在步骤F2中,向终端设备发送预设语音编码模型更新指令。
在步骤F4中,接收终端设备返回的预设语音编码模型更新请求。
在步骤F6中,将更新后的预设语音编码模型发送至终端设备,以使终端设备更新预设语音编码模型。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
对应上述实施例提供的语音数据处理方法,基于相同的技术构思,本说明书实施例又提供了一种语音数据处理方法,图3A为本说明书实施例提供的语音数据处理方法的第二种流程示意图,图3B为本说明书实施例提供的语音数据处理过程的第二种示意图,该语音数据处理方法的执行主体可以为服务器,其中,该服务器可以是独立的一个服务器,也可以是由多个服务器组成的服务器集群,而且,该服务器可以接收终端设备发送的预设语音编码模型获取请求,将预设语音编码模型发送至终端设备。该方法具体可以包括以下步骤:
在步骤S202中,接收终端设备发送的预设语音编码模型获取请求。
在步骤S204中,将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
进一步的,在一些可选的实现方式中,上述方法还可以包括下述步骤K2-步骤K10的处理过程,具体可以参见下述步骤K2-步骤K10的具体处理过程。
在步骤K2中,获取用于训练预设语音编码模型的样本语音数据。
上述步骤K2的具体处理过程,具体可以参见前述说明书实施例中步骤A2的具体实施过程。
在步骤K4中,将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
上述步骤K4的具体处理过程,具体可以参见前述说明书实施例中步骤A4的具体实施过程。
在实施中,上述步骤K4的具体处理过程可以参见上述步骤S104的具体处理过程。
在步骤A6中,分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果。
上述步骤K6的具体处理过程,具体可以参见前述说明书实施例中步骤A6的具体实施过程。
在步骤K8中,计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度。
上述步骤K8的具体处理过程,具体可以参见前述说明书实施例中步骤A8的具体实施过程。
在步骤K10中,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
上述步骤K10的具体处理过程,具体可以参见前述说明书实施例中步骤A10的具体实施过程。
进一步的,可以基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
进一步的,为了避免不法分子对上述预设语音编码模型进行破解,从而很容易的将经过上述预设语音编码模型输出的目标语音数据还原成原始语音数据,上述方法还可以包括下述步骤M2-步骤M6的处理过程,具体可以参见下述步骤M2-步骤M6的具体处理过程。
在步骤M2中,将样本编码语音数据输入到预先训练的重构网络模型中,以对样本编码语音数据进行还原处理,得到编码还原语音数据。
在步骤M4中,计算样本语音数据与编码还原语音数据之间的第三相似度。
在步骤M6中,基于第一相似度、第二相似度、第三相似度,迭代调整初始架构的模型参数得到预设语音编码模型,其中,第三相似度越大,初始架构的损失越大。
上述步骤M2-步骤M6的具体实施过程,具体可以参见前述说明书实施例中步骤D2-步骤D6的具体实施过程。
在一些可选的实施方式中,为了有效防止非法人员利用语音识别技术识别语音内容,进一步提高用户语音数据的隐私安全,因此,需要对预设编码模型进行更新,上述方法还可以包括下述步骤N2-步骤N10的处理过程,具体可以参见下述步骤N2-步骤N10的具体处理过程。
在步骤N2中,向预设语音测试接口发送语音测试数据,其中,语音测试数据为经过预设语音编码模型进行编码处理后输出的语音数据。
在步骤N4中,接收通过预设语音测试接口返回的与语音测试数据对应的测试文本信息。
在步骤N6中,将语音测试数据输入至预先训练的语音识别模型中,以对语音测试数据进行语音识别处理,得到目标文本信息。
在步骤N8中,计算测试文本信息与目标文本信息之间的第四相似度。
在步骤N10中,在确定第四相似度满足预设条件的情况下,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
上述步骤N2-步骤N10的具体实施过程,具体可以参见前述说明书实施例中步骤E2-步骤E10的具体实施过程。
进一步的,上述方法还可以包括下述步骤P2-步骤P6的处理过程,具体可以参见下述步骤P2-步骤P6的具体处理过程。
在步骤P2中,向终端设备发送预设语音编码模型更新指令。
在步骤P4中,接收终端设备返回的预设语音编码模型更新请求。
在步骤P6中,将更新后的预设语音编码模型发送至终端设备,以使终端设备更新预设语音编码模型。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
对应上述实施例提供的语音数据处理方法,基于相同的技术构思,本说明书实施例还提供了一种语音数据处理装置,图4为本说明书实施例提供的语音数据处理装置的模块组成示意图,该语音数据处理装置用于执行上述图1-图2描述的语音数据处理方法,如图4所示,该装置包括:
第一获取模块401,获取待处理的原始语音数据;
第一输入模块402,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
数据输出模块403,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
可选地,上述装置还包括:
第一发送模块,向服务器发送预设语音编码模型获取请求;
第一接收模块,接收服务器发送的预设语音编码模型。
可选地,上述装置还包括:
第二获取模块,获取用于训练预设语音编码模型的样本语音数据;
第二输入模块,将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
第三输入模块,分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
第一计算模块,计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度;
第一调整模块,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
可选地,第一调整模块,基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
可选地,第一计算模块,计算第一样本识别结果中所包含的每个元素,与该元素所对应的第二样本识别结果所对应的元素之间的文本编辑距离,将文本编辑距离确定为第一样本识别结果与第二样本识别结果之间的第二相似度。
可选地,上述装置还包括:
第四输入模块,将样本编码语音数据输入到预先训练的重构网络模型中,以对样本编码语音数据进行还原处理,得到编码还原语音数据;
第二计算模块,计算样本语音数据与编码还原语音数据之间的第三相似度;
第二调整模块,基于第一相似度、第二相似度、第三相似度,迭代调整初始架构的模型参数得到预设语音编码模型,其中,第三相似度越大,初始架构的损失越大。
可选地,上述装置还包括:
第三发送模块,向预设语音测试接口发送语音测试数据,其中,语音测试数据为经过预设语音编码模型进行编码处理后输出的语音数据;
第三接收模块,接收通过预设语音测试接口返回的与语音测试数据对应的测试文本信息;
第一处理模块,将语音测试数据输入至预先训练的语音识别模型中,以对语音测试数据进行语音识别处理,得到目标文本信息;
第三计算模块,计算测试文本信息与目标文本信息之间的第四相似度;
第二处理模块,在确定第四相似度满足预设条件的情况下,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
对应上述实施例提供的语音数据处理方法,基于相同的技术构思,本说明书实施例还提供了一种语音数据处理装置,图5为本说明书实施例提供的语音数据处理装置的模块组成示意图,该语音数据处理装置用于执行上述图3A和图3B描述的语音数据处理方法,如图5所示,该装置包括:
第二接收模块501,接收终端设备发送的预设语音编码模型获取请求;
第二发送模块502,将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
可选地,上述装置还包括:
第三获取模块,获取用于训练预设语音编码模型的样本语音数据;
第五输入模块,将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
第六输入模块,分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
第四计算模块,计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度;
第三调整模块,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
可选地,第三调整模块,基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
可选地,第四计算模块,计算第一样本识别结果中所包含的每个元素,与该元素所对应的第二样本识别结果所对应的元素之间的文本编辑距离,将文本编辑距离确定为第一样本识别结果与第二样本识别结果之间的第二相似度。
可选地,上述装置还包括:
第七输入模块,将样本编码语音数据输入到预先训练的重构网络模型中,以对样本编码语音数据进行还原处理,得到编码还原语音数据;
第五计算模块,计算样本语音数据与编码还原语音数据之间的第三相似度;
第四调整模块,基于第一相似度、第二相似度、第三相似度,迭代调整初始架构的模型参数得到预设语音编码模型,其中,第三相似度越大,初始架构的损失越大。
可选地,上述装置还包括:
第四发送模块,向预设语音测试接口发送语音测试数据,其中,语音测试数据为经过预设语音编码模型进行编码处理后输出的语音数据;
第四接收模块,接收通过预设语音测试接口返回的与语音测试数据对应的测试文本信息;
第三处理模块,将语音测试数据输入至预先训练的语音识别模型中,以对语音测试数据进行语音识别处理,得到目标文本信息;
第六计算模块,计算测试文本信息与目标文本信息之间的第四相似度;
第四处理模块,在确定第四相似度满足预设条件的情况下,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
可选地,上述装置还包括:
第六发送模块,向终端设备发送预设语音编码模型更新指令;
第五接收模块,接收终端设备返回的预设语音编码模型更新请求;
第七发送模块,将更新后的预设语音编码模型发送至终端设备,以使终端设备更新预设语音编码模型。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
本说明书实施例提供的语音数据处理装置能够实现上述语音数据处理方法对应的实施例中的各个过程,为避免重复,这里不再赘述。
需要说明的是,本说明书实施例提供的语音数据处理装置与本说明书实施例提供的语音数据处理方法基于同一发明构思,因此该实施例的具体实施可以参见上述语音数据处理方法的实施,重复之处不再赘述。
对应上述实施例提供的语音数据处理方法,基于相同的技术构思,本说明书实施例还提供了一种语音数据处理设备,如图6所示。图6为本说明书实施例提供的语音数据处理设备的硬件结构示意图,该语音数据处理设备用于执行图1-图2,或图3A和图3B描述的语音数据处理方法。
语音数据处理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器601和存储器602,存储器602中可以存储有一个或一个以上存储应用程序或数据。其中,存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对任务的分配设备中的一系列计算机可执行指令。更进一步地,处理器601可以设置为与存储器602通信,在数据访问设备上执行存储器602中的一系列计算机可执行指令。数据访问设备还可以包括一个或一个以上电源603,一个或一个以上有线或无线网络接口604,一个或一个以上输入输出接口605,一个或一个以上键盘606。
具体在本实施例中,语音数据处理设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对任务的分配设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取待处理的原始语音数据;
将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,其中,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
可选地,在获取待处理的原始语音数据之前,上述方法还包括:
向服务器发送预设语音编码模型获取请求;
接收服务器发送的预设语音编码模型。
可选地,在获取待处理的原始语音数据之前,还包括:
获取用于训练预设语音编码模型的样本语音数据;
将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度;
基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
可选地,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型,包括:
基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
可选地,计算第一样本识别结果与第二样本识别结果之间的第二相似度,包括:
计算第一样本识别结果中所包含的每个元素,与该元素所对应的第二样本识别结果所对应的元素之间的文本编辑距离,将文本编辑距离确定为第一样本识别结果与第二样本识别结果之间的第二相似度。
可选地,上述方法还包括:
将样本编码语音数据输入到预先训练的重构网络模型中,以对样本编码语音数据进行还原处理,得到编码还原语音数据;
计算样本语音数据与编码还原语音数据之间的第三相似度;
基于第一相似度、第二相似度、第三相似度,迭代调整初始架构的模型参数得到预设语音编码模型,其中,第三相似度越大,初始架构的损失越大。
可选地,上述方法还包括:
向预设语音测试接口发送语音测试数据,其中,语音测试数据为经过预设语音编码模型进行编码处理后输出的语音数据;
接收通过预设语音测试接口返回的与语音测试数据对应的测试文本信息;
将语音测试数据输入至预先训练的语音识别模型中,以对语音测试数据进行语音识别处理,得到目标文本信息;
计算测试文本信息与目标文本信息之间的第四相似度;
在确定第四相似度满足预设条件的情况下,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
或者,上述语音数据处理设备还可以用于进行以下计算机可执行指令:
接收终端设备发送的预设语音编码模型获取请求;
将预设语音编码模型发送至终端设备,以使终端设备基于获取的预设语音编码模型,获取待处理的原始语音数据,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。
可选地,上述方法还包括:
获取用于训练预设语音编码模型的样本语音数据;
将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度;
基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
可选地,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型,包括:
基于第一相似度越大,初始架构的损失越小,第二相似度越大,初始架构的损失越大,并以减小初始架构的损失为目标,不断迭代调整初始架构的模型参数直到初始架构的损失收敛,将与初始架构的损失收敛时所对应的初始架构确定为预设语音编码模型。
可选地,计算第一样本识别结果与第二样本识别结果之间的第二相似度,包括:
计算第一样本识别结果中所包含的每个元素,与该元素所对应的第二样本识别结果所对应的元素之间的文本编辑距离,将文本编辑距离确定为第一样本识别结果与第二样本识别结果之间的第二相似度。
可选地,上述方法还包括:
将样本编码语音数据输入到预先训练的重构网络模型中,以对样本编码语音数据进行还原处理,得到编码还原语音数据;
计算样本语音数据与编码还原语音数据之间的第三相似度;
基于第一相似度、第二相似度、第三相似度,迭代调整初始架构的模型参数得到预设语音编码模型,其中,第三相似度越大,初始架构的损失越大。
可选地,上述方法还包括:
向预设语音测试接口发送语音测试数据,其中,语音测试数据为经过预设语音编码模型进行编码处理后输出的语音数据;
接收通过预设语音测试接口返回的与语音测试数据对应的测试文本信息;
将语音测试数据输入至预先训练的语音识别模型中,以对语音测试数据进行语音识别处理,得到目标文本信息;
计算测试文本信息与目标文本信息之间的第四相似度;
在确定第四相似度满足预设条件的情况下,迭代调整初始架构的模型参数得到更新后的预设语音编码模型。
可选地,上述方法还包括:
向终端设备发送预设语音编码模型更新指令;
接收终端设备返回的预设语音编码模型更新请求;
将更新后的预设语音编码模型发送至终端设备,以使终端设备更新预设语音编码模型。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过获取待处理的原始语音数据,然后,将原始语音数据输入至预设语音编码模型中,以对原始语音数据进行语音编码处理,得到目标语音数据,最后,输出目标语音数据,其中,目标语音数据与原始语音数据的相似度大于第一预设阈值,将原始语音数据和目标语音数据分别输入至语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到。这样,通过将原始语音数据输入至预设语音编码模型,然后,通过该预设语音编码模型输出目标语音数据的方法,使得上述目标语音数据与上述原始语音数据足够相似,同时可以使得语音识别模型从上述目标语音数据中识别出的文本与从原始语音数据识别出的文本差别较大,从而在不影响到用户的正常使用的情况下,有效防止非法人员利用语音识别技术识别语音内容,进一步保证了语音数据的隐私性。
进一步的,对应上述实施例提供的语音数据处理方法,本说明书实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器601执行时实现如上述语音数据处理方法实施例的各步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,本说明书实施例提供的语音数据处理设备和计算机可读存储介质能够实现上述语音数据处理方法实施例中的各个过程,为避免重复,这里不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
可以理解的是,本说明书实施例描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits,ASIC)、数字信号处理器(Digital SignalProcessing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本发明功能的其它电子单元或其组合中。
对于软件实现,可通过执行本说明书实施例上述功能的模块(例如过程、函数等)来实现本说明书实施例上述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括上述要素的过程、方法、商品或者设备中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例的上述方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (15)
1.一种语音数据处理方法,包括:
获取用于训练预设语音编码模型的样本语音数据;
将所述样本语音数据输入至预设语音编码模型的初始架构中,以对所述样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将所述样本语音数据、所述样本编码语音数据输入至预先训练的语音识别模型中,以对所述样本语音数据、所述样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算所述样本语音数据与所述样本编码语音数据之间的第一相似度,以及,计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度;
基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型;
获取待处理的原始语音数据;
将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,其中,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
2.根据权利要求1所述的方法,在所述获取待处理的原始语音数据之前,所述方法还包括:
向服务器发送预设语音编码模型获取请求;
接收所述服务器发送的所述预设语音编码模型。
3.根据权利要求1所述的方法,所述基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型,包括:
基于所述第一相似度越大,所述初始架构的损失越小,所述第二相似度越大,所述初始架构的损失越大,并以减小所述初始架构的损失为目标,不断迭代调整所述初始架构的模型参数直到所述初始架构的损失收敛,将与所述初始架构的损失收敛时所对应的初始架构确定为所述预设语音编码模型。
4.根据权利要求1所述的方法,所述计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度,包括:
计算所述第一样本识别结果中所包含的每个元素,与该元素所对应的所述第二样本识别结果所对应的元素之间的文本编辑距离,将所述文本编辑距离确定为所述第一样本识别结果与所述第二样本识别结果之间的第二相似度。
5.根据权利要求3所述的方法,所述方法还包括:
将所述样本编码语音数据输入到预先训练的重构网络模型中,以对所述样本编码语音数据进行还原处理,得到编码还原语音数据;
计算所述样本语音数据与所述编码还原语音数据之间的第三相似度;
基于所述第一相似度、所述第二相似度、所述第三相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型,其中,所述第三相似度越大,所述初始架构的损失越大。
6.根据权利要求1以及权利要求3-5任一所述的方法,所述方法还包括:
向预设语音测试接口发送语音测试数据,其中,所述语音测试数据为经过所述预设语音编码模型进行编码处理后输出的语音数据;
接收通过所述预设语音测试接口返回的与所述语音测试数据对应的测试文本信息;
将所述语音测试数据输入至预先训练的语音识别模型中,以对所述语音测试数据进行语音识别处理,得到目标文本信息;
计算所述测试文本信息与所述目标文本信息之间的第四相似度;
在确定所述第四相似度满足预设条件的情况下,迭代调整所述初始架构的模型参数得到更新后的预设语音编码模型。
7.一种语音数据处理方法,包括:
接收终端设备发送的预设语音编码模型获取请求;
将所述预设语音编码模型发送至所述终端设备,以使所述终端设备基于获取的所述预设语音编码模型,获取待处理的原始语音数据,将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
所述方法还包括:
获取用于训练所述预设语音编码模型的样本语音数据;
将所述样本语音数据输入至预设语音编码模型的初始架构中,以对所述样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将所述样本语音数据、所述样本编码语音数据输入至预先训练的语音识别模型中,以对所述样本语音数据、所述样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算所述样本语音数据与所述样本编码语音数据之间的第一相似度,以及,计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度;
基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型。
8.根据权利要求7所述的方法,所述基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型,包括:
基于所述第一相似度越大,所述初始架构的损失越小,所述第二相似度越大,所述初始架构的损失越大,并以减小所述初始架构的损失为目标,不断迭代调整所述初始架构的模型参数直到所述初始架构的损失收敛,将与所述初始架构的损失收敛时所对应的初始架构确定为所述预设语音编码模型。
9.根据权利要求7或8所述的方法,所述方法还包括:
向终端设备发送预设语音编码模型更新指令;
接收所述终端设备返回的预设语音编码模型更新请求;
将更新后的所述预设语音编码模型发送至所述终端设备,以使所述终端设备更新所述预设语音编码模型。
10.一种语音数据处理装置,包括:
第一获取模块,获取待处理的原始语音数据;
第一输入模块,将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,其中,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
数据输出模块,输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值;
上述装置还包括:
第二获取模块,获取用于训练预设语音编码模型的样本语音数据;
第二输入模块,将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
第三输入模块,分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
第一计算模块,计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度;
第一调整模块,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
11.一种语音数据处理装置,包括:
第二接收模块,接收终端设备发送的预设语音编码模型获取请求;
第二发送模块,将所述预设语音编码模型发送至所述终端设备,以使所述终端设备基于获取的所述预设语音编码模型,获取待处理的原始语音数据,将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
上述装置还包括:
第三获取模块,获取用于训练预设语音编码模型的样本语音数据;
第五输入模块,将样本语音数据输入至预设语音编码模型的初始架构中,以对样本语音数据进行语音编码处理,得到样本编码语音数据;
第六输入模块,分别将样本语音数据、样本编码语音数据输入至预先训练的语音识别模型中,以对样本语音数据、样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
第四计算模块,计算样本语音数据与样本编码语音数据之间的第一相似度,以及,计算第一样本识别结果与第二样本识别结果之间的第二相似度;
第三调整模块,基于第一相似度和第二相似度,迭代调整初始架构的模型参数得到预设语音编码模型。
12.一种语音数据处理设备,所述设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取用于训练预设语音编码模型的样本语音数据;
将所述样本语音数据输入至预设语音编码模型的初始架构中,以对所述样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将所述样本语音数据、所述样本编码语音数据输入至预先训练的语音识别模型中,以对所述样本语音数据、所述样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算所述样本语音数据与所述样本编码语音数据之间的第一相似度,以及,计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度;
基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型;
获取待处理的原始语音数据;
将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,其中,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
13.一种语音数据处理设备,所述设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
接收终端设备发送的预设语音编码模型获取请求;
将所述预设语音编码模型发送至所述终端设备,以使所述终端设备基于获取的所述预设语音编码模型,获取待处理的原始语音数据,将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
获取用于训练所述预设语音编码模型的样本语音数据;
将所述样本语音数据输入至预设语音编码模型的初始架构中,以对所述样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将所述样本语音数据、所述样本编码语音数据输入至预先训练的语音识别模型中,以对所述样本语音数据、所述样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算所述样本语音数据与所述样本编码语音数据之间的第一相似度,以及,计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度;
基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型。
14.一种存储介质,所述存储介质用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:
获取用于训练预设语音编码模型的样本语音数据;
将所述样本语音数据输入至预设语音编码模型的初始架构中,以对所述样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将所述样本语音数据、所述样本编码语音数据输入至预先训练的语音识别模型中,以对所述样本语音数据、所述样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算所述样本语音数据与所述样本编码语音数据之间的第一相似度,以及,计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度;
基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型;
获取待处理的原始语音数据;
将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,其中,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值。
15.一种存储介质,所述存储介质用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:
接收终端设备发送的预设语音编码模型获取请求;
将所述预设语音编码模型发送至所述终端设备,以使所述终端设备基于获取的所述预设语音编码模型,获取待处理的原始语音数据,将所述原始语音数据输入至预设语音编码模型中,以对所述原始语音数据进行语音编码处理,得到目标语音数据,输出所述目标语音数据,其中,所述目标语音数据与所述原始语音数据的相似度大于第一预设阈值,将所述原始语音数据和所述目标语音数据分别输入至所述语音识别模型后输出的第一识别结果与第二识别结果的相似度小于第二预设阈值,所述预设语音编码模型是基于预先获取的样本语音数据,以及预先训练的语音识别模型进行训练而得到;
获取用于训练所述预设语音编码模型的样本语音数据;
将所述样本语音数据输入至预设语音编码模型的初始架构中,以对所述样本语音数据进行语音编码处理,得到样本编码语音数据;
分别将所述样本语音数据、所述样本编码语音数据输入至预先训练的语音识别模型中,以对所述样本语音数据、所述样本编码语音数据进行语音识别处理,得到第一样本识别结果和第二样本识别结果;
计算所述样本语音数据与所述样本编码语音数据之间的第一相似度,以及,计算所述第一样本识别结果与所述第二样本识别结果之间的第二相似度;
基于所述第一相似度和所述第二相似度,迭代调整所述初始架构的模型参数得到所述预设语音编码模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110319220.0A CN113066485B (zh) | 2021-03-25 | 2021-03-25 | 一种语音数据处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110319220.0A CN113066485B (zh) | 2021-03-25 | 2021-03-25 | 一种语音数据处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113066485A CN113066485A (zh) | 2021-07-02 |
CN113066485B true CN113066485B (zh) | 2024-05-17 |
Family
ID=76561913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110319220.0A Active CN113066485B (zh) | 2021-03-25 | 2021-03-25 | 一种语音数据处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066485B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016118738A (ja) * | 2014-12-24 | 2016-06-30 | 日本電信電話株式会社 | 音声認識方法、音声認識装置及び音声認識プログラム |
CN106549954A (zh) * | 2016-11-01 | 2017-03-29 | 乐视控股(北京)有限公司 | 语音处理方法及装置 |
CN110767216A (zh) * | 2019-09-10 | 2020-02-07 | 浙江工业大学 | 一种基于pso算法的语音识别攻击防御方法 |
CN110992957A (zh) * | 2019-11-15 | 2020-04-10 | 东华大学 | 基于隐私保护的语音数据处理方法 |
CN111145754A (zh) * | 2019-12-12 | 2020-05-12 | 深圳追一科技有限公司 | 语音输入方法、装置、终端设备及存储介质 |
JP2020118906A (ja) * | 2019-01-25 | 2020-08-06 | 株式会社東芝 | 音声認識装置および音声認識方法 |
CN111862945A (zh) * | 2019-05-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种语音识别方法、装置、电子设备及存储介质 |
CN112489651A (zh) * | 2020-11-30 | 2021-03-12 | 科大讯飞股份有限公司 | 语音识别方法和电子设备、存储装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10540521B2 (en) * | 2017-08-24 | 2020-01-21 | International Business Machines Corporation | Selective enforcement of privacy and confidentiality for optimization of voice applications |
TWI660340B (zh) * | 2017-11-03 | 2019-05-21 | 財團法人資訊工業策進會 | 聲控方法及系統 |
EP3496090A1 (en) * | 2017-12-07 | 2019-06-12 | Thomson Licensing | Device and method for privacy-preserving vocal interaction |
CN108520741B (zh) * | 2018-04-12 | 2021-05-04 | 科大讯飞股份有限公司 | 一种耳语音恢复方法、装置、设备及可读存储介质 |
-
2021
- 2021-03-25 CN CN202110319220.0A patent/CN113066485B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016118738A (ja) * | 2014-12-24 | 2016-06-30 | 日本電信電話株式会社 | 音声認識方法、音声認識装置及び音声認識プログラム |
CN106549954A (zh) * | 2016-11-01 | 2017-03-29 | 乐视控股(北京)有限公司 | 语音处理方法及装置 |
JP2020118906A (ja) * | 2019-01-25 | 2020-08-06 | 株式会社東芝 | 音声認識装置および音声認識方法 |
CN111862945A (zh) * | 2019-05-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种语音识别方法、装置、电子设备及存储介质 |
CN110767216A (zh) * | 2019-09-10 | 2020-02-07 | 浙江工业大学 | 一种基于pso算法的语音识别攻击防御方法 |
CN110992957A (zh) * | 2019-11-15 | 2020-04-10 | 东华大学 | 基于隐私保护的语音数据处理方法 |
CN111145754A (zh) * | 2019-12-12 | 2020-05-12 | 深圳追一科技有限公司 | 语音输入方法、装置、终端设备及存储介质 |
CN112489651A (zh) * | 2020-11-30 | 2021-03-12 | 科大讯飞股份有限公司 | 语音识别方法和电子设备、存储装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113066485A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108738006B (zh) | 基于蓝牙的数据传输方法及装置 | |
US8954326B2 (en) | Apparatus and method for voice command recognition based on a combination of dialog models | |
US11030337B2 (en) | Confidential audio content loss mitigation | |
CN115766031A (zh) | 一种身份验证方法、装置及设备 | |
US20180103376A1 (en) | Device and method for authenticating a user of a voice user interface and selectively managing incoming communications | |
US10896664B1 (en) | Providing adversarial protection of speech in audio signals | |
CN108377356A (zh) | 基于虚拟画像的视频通话的方法与设备 | |
US11783804B2 (en) | Voice communicator with voice changer | |
US10755707B2 (en) | Selectively blacklisting audio to improve digital assistant behavior | |
US20120324220A1 (en) | Digital fingerprinting via sql filestream with common text exclusion | |
CN114373472A (zh) | 一种音频降噪方法、设备、系统及存储介质 | |
CN112017663A (zh) | 一种语音泛化方法、装置及计算机存储介质 | |
US20180365319A1 (en) | Identifying relationships from communication content | |
CN113066485B (zh) | 一种语音数据处理方法、装置及设备 | |
CN108647102B (zh) | 异构系统的服务请求处理方法、装置和电子设备 | |
CN113611329A (zh) | 一种语音异常检测的方法及装置 | |
CN110400562B (zh) | 交互处理方法、装置、设备及音频设备 | |
US12020724B2 (en) | Methods and systems for audio sample quality control | |
CN108922547B (zh) | 身份的识别方法、装置及电子设备 | |
CN113660658A (zh) | 音频数据的保护方法、装置和语音设备 | |
US11399067B2 (en) | Network access method and apparatus for speech recognition service based on artificial intelligence | |
CN112422736A (zh) | 一种基于云手机的麦克风远程调用方法 | |
US20130023256A1 (en) | Communication device and method using same | |
US10218841B2 (en) | Microphone monitoring and analytics | |
KR102444814B1 (ko) | 비윤리 상황에서 사용자 특성정보 기반 챗봇 대응 제어 방법 및 그를 위한 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40055482 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |