CN116524959A - 一种语音情绪确定方法、装置、设备及介质 - Google Patents
一种语音情绪确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116524959A CN116524959A CN202310446705.5A CN202310446705A CN116524959A CN 116524959 A CN116524959 A CN 116524959A CN 202310446705 A CN202310446705 A CN 202310446705A CN 116524959 A CN116524959 A CN 116524959A
- Authority
- CN
- China
- Prior art keywords
- emotion
- feature vector
- target
- voice
- determining
- 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.)
- Pending
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 328
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000013598 vector Substances 0.000 claims abstract description 135
- 238000013145 classification model Methods 0.000 claims abstract description 55
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 12
- 238000013136 deep learning model Methods 0.000 claims description 6
- 230000002996 emotional effect Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 abstract description 14
- 230000008909 emotion recognition Effects 0.000 abstract description 8
- 230000006872 improvement Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种语音情绪确定方法、装置、设备及介质。其中，所述方法包括：根据目标对象的待分类语音数据以及基于语音情绪分类模型确定待分类语音数据的目标情绪特征向量；目标对象为候选对象中的一个对象；根据目标对象的历史语音数据以及基于语音情绪分类模型确定目标对象的至少一个情绪标签特征向量；情绪标签特征向量用于表征目标对象的情绪标签；分别将目标情绪特征向量与各情绪标签特征向量进行相似度计算，根据相似度计算结果确定待分类语音数据对应的语音情绪。通过执行本方案，可以实现大幅提升语音情绪识别的准确率，进而可以有助于对用户语音沟通体验的改善。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种语音情绪确定方法、装置、设备及介质。
背景技术
语音是人类表达信息的重要载体，通过语音不仅可以传递人类的语义信息，还可以传递情绪信息。情绪识别技术应用于语音数据的情绪分析，例如在用户与电话客服的通话过程中，语音情绪识别对于提高用户的通话体验起着至关重要的作用。
然而，相关技术中的语音情绪识别方案是应用传统方法或者深度学习方式对语音进行直接分类，而因为语音情绪本身难以分类，并且纯粹靠直接分类，得到的语音情绪分类效果并不理想，从而无法向用户提供良好的语音通话体验。
发明内容
本发明提供了一种语音情绪确定方法、装置、设备及介质，可以实现大幅提升语音情绪识别的准确率，进而可以有助于对用户语音沟通体验的改善。
根据本发明的一方面，提供了一种语音情绪确定方法，该方法包括：
根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量；所述语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；所述目标对象为所述候选对象中的一个对象；
根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量；所述情绪标签特征向量用于表征所述目标对象的情绪标签；
分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
根据本发明的另一方面，提供了一种语音情绪确定装置，该装置包括：
情绪特征向量确定模块，用于根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量；所述语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；所述目标对象为所述候选对象中的一个对象；
情绪标签特征向量确定模块，用于根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量；所述情绪标签特征向量用于表征所述目标对象的情绪标签；
语音情绪确定模块，用于分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的语音情绪确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的语音情绪确定方法。
本发明实施例的技术方案，根据目标对象的待分类语音数据以及基于语音情绪分类模型确定待分类语音数据的目标情绪特征向量；语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；目标对象为候选对象中的一个对象；根据目标对象的历史语音数据以及基于语音情绪分类模型确定目标对象的至少一个情绪标签特征向量；情绪标签特征向量用于表征目标对象的情绪标签；分别将目标情绪特征向量与各情绪标签特征向量进行相似度计算，根据相似度计算结果确定待分类语音数据对应的语音情绪。通过执行本发明实施例提供的技术方案，可以实现大幅提升语音情绪识别的准确率，进而可以有助于对用户语音沟通体验的改善。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种语音情绪确定方法的流程图；
图2是本发明实施例提供的另一种语音情绪确定方法的流程图；
图3是本发明实施例提供的一种语音情绪确定装置的结构示意图；
图4是实现本发明实施例的语音情绪确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解的是，在使用本发明各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本发明所涉及个人信息的类型、适用范围以及使用场景等告知用户并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本发明技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本发明的实现方式构成限定，其它满足相关法律法规的方式也可应用于本发明的实现方式中。
可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1是本发明实施例提供的语音情绪确定方法的流程图，本实施例可适用于对用户的语音情绪进行识别的情况，该方法可以由语音情绪确定装置来执行，该语音情绪确定装置可以采用硬件和/或软件的形式实现，该语音情绪确定装置可配置于用于语音情绪确定的电子设备中。如图1所示，该方法包括：
S110:根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量。
其中，所述语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；所述目标对象为所述候选对象中的一个对象。
示例性的，待分类语音数据可以为目标对象的连续语音片段。通过语音情绪分类模型可以确定对象的语音数据的情绪特征向量，情绪特征向量可以表征对象的情绪，例如正常/平静情绪，或者异常/负面情绪。语音情绪分类模型可以通过对多个候选对象的多个已知情绪的历史语音数据进行训练得到。以电话客服场景为例，候选对象可以为各人工客服。可以实现对目标对象的待分类语音数据的情绪特征向量进行确定，为后续待分类语音数据的情绪类型的确定提供了可靠的数据基础。
S120:根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量。
其中，所述情绪标签特征向量用于表征所述目标对象的情绪标签。
具体的，历史语音数据为进行了情绪标注的语音数据，本方案可以根据目标对象的各个情绪的历史语音数据以及基于语音情绪分类模型确定目标对象的各个情绪标签的情绪标签特征向量，即根据目标对象的正常/平静情绪的历史语音数据确定目标对象的正常/平静情绪标签的情绪标签特征向量，以及，根据目标对象的异常/负面情绪的历史语音数据确定目标对象的异常/负面情绪标签的情绪标签特征向量。
S130:分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
其中，本方案可以分别确定目标情绪特征向量与目标对象的正常/平静情绪的情绪标签特征向量的相似度计算结果，目标情绪特征向量与目标对象的异常/负面情绪的情绪标签特征向量的相似度计算结果，然后根据各个相似度计算结果确定待分类语音数据对应的语音情绪，例如待分类语音数据为正常/平静情绪或者异常/负面情绪。
本发明实施例的技术方案，根据目标对象的待分类语音数据以及基于语音情绪分类模型确定待分类语音数据的目标情绪特征向量；语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；目标对象为候选对象中的一个对象；根据目标对象的历史语音数据以及基于语音情绪分类模型确定目标对象的至少一个情绪标签特征向量；情绪标签特征向量用于表征目标对象的情绪标签；分别将目标情绪特征向量与各情绪标签特征向量进行相似度计算，根据相似度计算结果确定待分类语音数据对应的语音情绪。通过执行本发明实施例提供的技术方案，可以实现大幅提升语音情绪识别的准确率，进而可以有助于对用户语音沟通体验的改善。
图2是本发明实施例提供的语音情绪确定方法的流程图，本实施例在上述实施例的基础上进行优化。如图2所示，本发明实施例中的语音情绪确定方法可以包括：
S210:根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量。
本步骤的介绍详见上述实施例。
在本实施例中，可选的，根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量，包括：将所述待分类语音数据输入至所述语音情绪分类模型中，得到所述目标情绪特征向量。
其中，本方案可以通过将待分类语音数据输入至语音情绪分类模型，通过语音情绪分类模型的倒数第二层，即全连接层，确定目标情绪特征向量。可以实现对目标对象的待分类语音数据的情绪特征向量进行确定，为后续待分类语音数据的情绪类型的确定提供了可靠的数据基础。
在本实施例中，可选的，语音情绪分类模型的确定过程，包括：确定所述候选对象的至少一个历史语音数据；确定所述历史语音数据对应的情绪标签；将所述历史语音数据以及所述情绪标签作为样本输入至深度学习模型中进行训练，得到所述语音情绪分类模型。
其中，以电话客服场景为例，本方案可以确定各人工客服在一段时期内的历史语音数据，并对各历史语音数据进行人工或自动的情绪标注，即确定历史语音数据对应的情绪标签，然后将情绪标注完成的历史语音数据作为样本输入至深度学习模型中进行训练，得到语音情绪分类模型。深度学习模型可以根据实际需要进行设置，深度学习模型的最后一层为softmax分类层，倒数第二层为全连接层(fully connected layer，FCN)。可以实现为后续待分类语音数据的情绪类型的确定提供了可靠的数据基础。
S220:确定与所述目标对象的目标情绪标签关联的目标历史语音数据。
其中，所述目标情绪标签的数量为至少一个。
具体的，目标情绪标签可以为正常/平静情绪标签，或异常/负面情绪标签。本方案可以确定目标对象的正常/平静情绪标签关联的目标历史语音数据，以及，确定目标对象的异常/负面情绪标签关联的目标历史语音数据。
S230:将各所述目标历史语音数据输入至所述语音情绪分类模型中得到各所述目标历史语音数据的初始情绪特征向量。
其中，本方案可以将目标对象的正常/平静情绪标签关联的目标历史语音数据输入至语音情绪分类模型中，通过语音情绪分类模型的全连接层确定正常/平静情绪标签关联的目标历史语音数据的初始情绪特征向量。本方案也可以将目标对象的异常/负面情绪标签关联的目标历史语音数据输入至语音情绪分类模型中，通过语音情绪分类模型的全连接层确定异常/负面情绪标签关联的目标历史语音数据的初始情绪特征向量。
S240:基于各所述初始情绪特征向量确定所述目标情绪标签的情绪标签特征向量。
其中，本方案可以根据正常/平静情绪标签关联的目标历史语音数据的初始情绪特征向量确定正常/平静情绪标签的情绪标签特征向量。本方案也可以根据异常/负面情绪标签关联的目标历史语音数据的初始情绪特征向量确定异常/负面情绪标签的情绪标签特征向量。
在本实施例中，可选的，基于各所述初始情绪特征向量确定所述目标情绪标签的情绪标签特征向量，包括：将各所述初始情绪特征向量的平均值作为所述目标情绪标签的情绪标签特征向量。
其中，本方案可以将正常/平静情绪标签关联的目标历史语音数据的初始情绪特征向量取平均值得到目标对象的正常/平静情绪标签的情绪标签特征向量。本方案也可以将异常/负面情绪标签关联的目标历史语音数据的初始情绪特征向量取平均值得到目标对象的异常/负面情绪标签的情绪标签特征向量。可以实现为后续待分类语音数据的情绪类型的确定提供了可靠的数据基础。
S250:分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
在一个可行的实施方式中，可选的，分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，包括：分别将所述目标情绪特征向量与各所述情绪标签特征向量进行余弦相似度计算，得到至少一个相似度计算结果。
其中，本方案可以分别将目标对象的目标情绪特征向量与目标对象的正常/平静情绪标签的情绪标签特征向量、目标对象的异常/负面情绪标签的情绪标签特征向量进行余弦相似度计算，得到两个相似度计算结果。相似度计算结果为0-1之间，相似度计算结果越接近1，则表示相似度越高。相似度计算结果越接近0，则表示相似度越低。可以实现为后续待分类语音数据的情绪类型的确定提供了可靠的数据基础。
在一个可行的实施方式中，可选的，根据相似度计算结果确定所述待分类语音数据对应的语音情绪，包括：将各所述相似度计算结果进行降序排序，将位于首位的相似度计算结果关联的情绪标签特征向量表征的情绪作为所述待分类语音数据对应的语音情绪。
其中，假设目标对象的目标情绪特征向量与目标对象的正常/平静情绪标签的情绪标签特征向量的相似度计算结果为0.8，目标对象的目标情绪特征向量与目标对象的异常/负面情绪标签的情绪标签特征向量的相似度计算结果为0.3，本方案可以将前述步骤中确定的两个相似度计算结果进行降序排序，将位于首位的相似度计算结果0.8关联的情绪标签特征向量，即正常/平静情绪标签的情绪标签特征向量表征的正常/平静情绪作为待分类语音数据对应的语音情绪。可以实现确定特定用户的情绪类别，可以提高语音情绪的识别准确率。
本发明实施例提供的技术方案，根据目标对象的待分类语音数据以及基于语音情绪分类模型确定待分类语音数据的目标情绪特征向量；确定与目标对象的目标情绪标签关联的目标历史语音数据；目标情绪标签的数量为至少一个；将各目标历史语音数据输入至语音情绪分类模型中得到各目标历史语音数据的初始情绪特征向量；基于各初始情绪特征向量确定目标情绪标签的情绪标签特征向量；情绪标签特征向量用于表征目标对象的情绪标签；分别将目标情绪特征向量与各情绪标签特征向量进行相似度计算，根据相似度计算结果确定待分类语音数据对应的语音情绪。通过执行本发明实施例提供的技术方案，可以实现大幅提升语音情绪识别的准确率，进而可以有助于对用户语音沟通体验的改善。
图3是本发明实施例提供的语音情绪确定装置的结构示意图。如图3所示，该装置包括：
情绪特征向量确定模块310，用于根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量；所述语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；所述目标对象为所述候选对象中的一个对象；
情绪标签特征向量确定模块320，用于根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量；所述情绪标签特征向量用于表征所述目标对象的情绪标签；
语音情绪确定模块330，用于分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
可选的，情绪特征向量确定模块310，具体用于将所述待分类语音数据输入至所述语音情绪分类模型中，得到所述目标情绪特征向量。
可选的，所述装置还包括语音情绪分类模型确定模块，用于在根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量之前，确定所述候选对象的至少一个历史语音数据；确定所述历史语音数据对应的情绪标签；将所述历史语音数据以及所述情绪标签作为样本输入至深度学习模型中进行训练，得到所述语音情绪分类模型。
可选的，情绪标签特征向量确定模块320，包括历史语音数据确定单元，用于确定与所述目标对象的目标情绪标签关联的目标历史语音数据；所述目标情绪标签的数量为至少一个；初始情绪特征向量确定单元，用于将各所述目标历史语音数据输入至所述语音情绪分类模型中得到各所述目标历史语音数据的初始情绪特征向量；情绪标签特征向量确定单元，用于基于各所述初始情绪特征向量确定所述目标情绪标签的情绪标签特征向量。
可选的，情绪标签特征向量确定单元，具体用于将各所述初始情绪特征向量的平均值作为所述目标情绪标签的情绪标签特征向量。
可选的，语音情绪确定模块330，具体用于分别将所述目标情绪特征向量与各所述情绪标签特征向量进行余弦相似度计算，得到至少一个相似度计算结果。
可选的，语音情绪确定模块330，具体用于将各所述相似度计算结果进行降序排序，将位于首位的相似度计算结果关联的情绪标签特征向量表征的情绪作为所述待分类语音数据对应的语音情绪。
本发明实施例所提供的语音情绪确定装置可执行本发明任意实施例所提供的语音情绪确定方法，具备执行方法相应的功能模块和有益效果。
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备40包括至少一个处理器41，以及与至少一个处理器41通信连接的存储器，如只读存储器(ROM)42、随机访问存储器(RAM)43等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序，来执行各种适当的动作和处理。在RAM 43中，还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45，包括：输入单元46，例如键盘、鼠标等；输出单元47，例如各种类型的显示器、扬声器等；存储单元48，例如磁盘、光盘等；以及通信单元49，例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理，例如语音情绪确定方法。
在一些实施例中，语音情绪确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元48。在一些实施例中，计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时，可以执行上文描述的语音情绪确定方法的一个或多个步骤。备选地，在其他实施例中，处理器41可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行语音情绪确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与对象的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向对象显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，对象可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与对象的交互；例如，提供给对象的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自对象的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形对象界面或者网络浏览器的对象计算机，对象可以通过该图形对象界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种语音情绪确定方法，其特征在于，包括：
根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量；所述语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；所述目标对象为所述候选对象中的一个对象；
根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量；所述情绪标签特征向量用于表征所述目标对象的情绪标签；
分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
2.根据权利要求1所述的方法，其特征在于，根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量，包括：
将所述待分类语音数据输入至所述语音情绪分类模型中，得到所述目标情绪特征向量。
3.根据权利要求1所述的方法，其特征在于，语音情绪分类模型的确定过程，包括：
确定所述候选对象的至少一个历史语音数据；
确定所述历史语音数据对应的情绪标签；
将所述历史语音数据以及所述情绪标签作为样本输入至深度学习模型中进行训练，得到所述语音情绪分类模型。
4.根据权利要求1所述的方法，其特征在于，根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量，包括：
确定与所述目标对象的目标情绪标签关联的目标历史语音数据；所述目标情绪标签的数量为至少一个；
将各所述目标历史语音数据输入至所述语音情绪分类模型中得到各所述目标历史语音数据的初始情绪特征向量；
基于各所述初始情绪特征向量确定所述目标情绪标签的情绪标签特征向量。
5.根据权利要求4所述的方法，其特征在于，基于各所述初始情绪特征向量确定所述目标情绪标签的情绪标签特征向量，包括：
将各所述初始情绪特征向量的平均值作为所述目标情绪标签的情绪标签特征向量。
6.根据权利要求1所述的方法，其特征在于，分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，包括：
分别将所述目标情绪特征向量与各所述情绪标签特征向量进行余弦相似度计算，得到至少一个相似度计算结果。
7.根据权利要求6所述的方法，其特征在于，根据相似度计算结果确定所述待分类语音数据对应的语音情绪，包括：
将各所述相似度计算结果进行降序排序，将位于首位的相似度计算结果关联的情绪标签特征向量表征的情绪作为所述待分类语音数据对应的语音情绪。
8.一种语音情绪确定装置，其特征在于，包括：
情绪特征向量确定模块，用于根据目标对象的待分类语音数据以及基于语音情绪分类模型确定所述待分类语音数据的目标情绪特征向量；所述语音情绪分类模型基于至少一个候选对象的历史语音数据训练得到；所述目标对象为所述候选对象中的一个对象；
情绪标签特征向量确定模块，用于根据所述目标对象的历史语音数据以及基于所述语音情绪分类模型确定所述目标对象的至少一个情绪标签特征向量；所述情绪标签特征向量用于表征所述目标对象的情绪标签；
语音情绪确定模块，用于分别将所述目标情绪特征向量与各所述情绪标签特征向量进行相似度计算，根据相似度计算结果确定所述待分类语音数据对应的语音情绪。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的语音情绪确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的语音情绪确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310446705.5A CN116524959A (zh) | 2023-04-24 | 2023-04-24 | 一种语音情绪确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310446705.5A CN116524959A (zh) | 2023-04-24 | 2023-04-24 | 一种语音情绪确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116524959A true CN116524959A (zh) | 2023-08-01 |
Family
ID=87398785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310446705.5A Pending CN116524959A (zh) | 2023-04-24 | 2023-04-24 | 一种语音情绪确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116524959A (zh) |
-
2023
- 2023-04-24 CN CN202310446705.5A patent/CN116524959A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112559800B (zh) | 用于处理视频的方法、装置、电子设备、介质和产品 | |
| CN110597965B (zh) | 文章的情感极性分析方法、装置、电子设备及存储介质 | |
| CN114429633B (zh) | 文本识别方法、模型的训练方法、装置、电子设备及介质 | |
| CN114428677B (zh) | 任务处理方法、处理装置、电子设备及存储介质 | |
| CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
| CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
| CN113190746B (zh) | 推荐模型的评估方法、装置及电子设备 | |
| CN116309963B (zh) | 一种图像的批量标注方法、装置、电子设备及存储介质 | |
| CN116228301A (zh) | 一种目标用户的确定方法、装置、设备及介质 | |
| CN116527652A (zh) | 一种文件格式转换路径的确定方法、装置、设备及介质 | |
| CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
| CN116524959A (zh) | 一种语音情绪确定方法、装置、设备及介质 | |
| CN117746069B (zh) | 以图搜图的模型训练方法、和以图搜图方法 | |
| US20230145853A1 (en) | Method of generating pre-training model, electronic device, and storage medium | |
| CN113642495B (zh) | 用于评价时序提名的模型的训练方法、设备、程序产品 | |
| CN116567145A (zh) | 一种客服话术质检方法、装置、电子设备及存储介质 | |
| CN115599945A (zh) | 一种用户等级确定方法、装置、设备及存储介质 | |
| CN116720186A (zh) | 一种恶意代码识别方法、装置、电子设备及存储介质 | |
| CN116542689A (zh) | 目标对象识别方法、装置、电子设备以及存储介质 | |
| CN117609723A (zh) | 一种对象识别方法、装置、电子设备及存储介质 | |
| CN116455999A (zh) | 一种应用状态管理方法、装置、电子设备及存储介质 | |
| CN118152519A (zh) | 一种样本的清洗方法、装置、电子设备及存储介质 | |
| CN115545341A (zh) | 一种事件预测方法、装置、电子设备及存储介质 | |
| CN116662194A (zh) | 软件质量度量方法、装置、设备及介质 | |
| CN117668294A (zh) | 人脸库创建、视频识别方法、装置及电子设备 |
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 |