CN114333771B 语音检测方法、装置、电子设备及计算机可读存储介质 （科大讯飞股份有限公司）

A,2021.09.24A,2018.10.12A,2020.03.27A,2021.11.02层残差卷积网络对待检测语音的编码特征向量23.根据权利要求1中所述的方法，其特征在于，所述深层残差卷积网络的训练方式包计算预设数量个有监督训练语音的第三损失结果的均值，制所述权重向量和第二类别的所述有监督训练语音的表征向量之间的角度大于第二预设3特征提取模块，用于利用特征提取网络对待检测语音进行特进行卷积处理得到；语音检测模块，用于利用深层残差卷积网络对所述待确定模块，用于根据所述表征向量与目标向量之间的相似存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-8任一4别。5[0023](1)对一段语音提取反映频率特性的频谱特征，如梅尔倒谱系数特征(MelFrequencyCepstrumCoefficient,MFCC)、感知线性预测(PerceptualLinear[0024](2)通过Baum-Welch算法按时序计算每帧语音数据在混合高斯模型(Gaussian[0025](3)利用带标签的两类数据(例如真假音数据)训练线性判别分析(LDA)后端，将6[0027]与上述方法不同的是，本申请提供了一种端到端的深度神经网络的语音检测技78距离(ManhattanDistance)、切比雪夫距离(ChebyshevDistance)、闵可夫斯基距离(MinkowskiDistance)、马氏距离(MahalanobisDistance)、余弦距离或夹角余弦[0058]作为一个示例，可以利用夹角余弦的方式计算表征向量与目标向量之间的距9[0068]在一些实施方式中，第一类语音为真实语音，第二类语音为合成语音(又称为假[0081]具体地，可以通过全连接层的线性变换预测未来第k步编码模块的输出的编码特第k步的预测特征向量，从多个编码特征向量中均匀采样出的非未来第k步的[0087]当k＝1时，则表示h1(c1)预测未来第一步的预测特征向量，计步时至未来第十二步时对应的第二损失结果，从而得到该无监督训练语音的第一损失结[0093]网络训练完成的标志为第一损失结果L小于预测损失阈值，或者网络迭代达到预[0095]请参阅图5，图5是本申请深层残差卷积网络的训练方式i的取值1为表示该有监督训练语音的标签为第一类(如真实语音)，yi的取值0为表示该有监督训练语音的标签为第二类(如合成语音)。m0为第一阈10用于限制θ小于arccosm0，而当yi＝1时，m1用于限制θ大于[0117]目标向量为第一类语音(如真实语音)的代表向量，若表征向量与目标向量越相特征提取模块110用于利用特征提取网络对待检测语音进行特征提取，以得到待检测语音的编码特征向量；语音检测模块120用于利用深层残差卷积网络对待检测语音的编码特征取模块110还用于利用编码器模块对无监督训练语音进行卷积处理，以得到无监督训练语[0124]在一些实施方式中，特征提取模块110还用基于解码特征向量分别计算未来第一[0129]在一些实施方式中，语音检测模块120还用于利用深层残差卷积网络对有监督训值用于限制权重向量和第一类别的有监督训练语音的表征向量之间的角度小于第一预设信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecific[0143]计算机可读存储介质300可以为U盘、移动硬盘、只读存储器(ROM，Read-Only单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现