语音分类模型的优化训练方法、装置、计算机设备及介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种语音分类模型的优化训练方法、装置、计算机设备及介质。


背景技术：

2.目前，随着人工智能技术的发展，通过语音合成技术得到的合成语音的真实程度越来越高，且具有与真实语音相似的声学特征，从而使用户在语音交互过程中，得到更真实的语音反馈，提高了语音交互时的用户体验。
3.但是，合成语音技术也带来了严重的安全隐患，因此，需要对待检测语音进行分类，以确定待检测语音是否属于合成语音类别，从而保证语音交流时的安全性，现有合成语音检测方法通常采用手工设计的特征进行语音的特征提取，在语音的特征属于已知合成语音特征时，可以有效检测出语音是否属于合成语音类别，而在语音的特征部署于已知合成语音的特征下，手工设计的特征会导致语音的特征信息未被充分提取的情况，进而导致合成语音分类模型分类的准确性较低。因此，如何提高合成语音分类模型分类的准确性成为亟待解决的问题。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种语音分类模型的优化训练方法、装置、计算机设备及介质，以解决语音分类模型的分类准确性较低的问题。
5.第一方面，本发明实施例提供一种语音分类模型的优化训练方法，所述优化训练方法包括：
6.获取已知类别的语音样本以及对应的采样频率，将所述采样频率的预设倍数与预设值构成的区间作为频率范围，所述预设值为大于等于零且小于所述采样频率的预设倍数的值；
7.在所述频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率；
8.根据所述第一截止频率和所述第二截止频率，构建矩形带通滤波器函数，通过傅里叶逆变换将所述矩形带通滤波器函数变换为时域函数；
9.将所述语音样本和所述时域函数进行卷积计算，并将卷积计算结果输入预设的分类模型，得到所述分类模型的输出结果；
10.根据所述分类模型的输出结果和所述语音样本对应的类别，计算交叉熵损失，以所述交叉熵损失为依据，采用梯度下降法调整所述第一截止频率、所述第二截止频率和所述分类模型中的模型参数，直至所述交叉熵损失收敛，得到训练好的时域函数和训练好的分类模型。
11.第二方面，本发明实施例提供一种语音分类模型的优化训练装置，所述优化训练装置包括：
12.范围确定模块，用于获取已知类别的语音样本以及对应的采样频率，将所述采样频率的预设倍数与预设值构成的区间作为频率范围，所述预设值为大于等于零且小于所述采样频率的预设倍数的值；
13.随机抽样模块，用于在所述频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率；
14.函数变换模块，用于根据所述第一截止频率和所述第二截止频率，构建矩形带通滤波器函数，通过傅里叶逆变换将所述矩形带通滤波器函数变换为时域函数；
15.样本分类模块，用于将所述语音样本和所述时域函数进行卷积计算，并将卷积计算结果输入预设的分类模型，得到所述分类模型的输出结果；
16.模型训练模块，用于根据所述分类模型的输出结果和所述语音样本对应的类别，计算交叉熵损失，以所述交叉熵损失为依据，采用梯度下降法调整所述第一截止频率、所述第二截止频率和所述分类模型中的模型参数，直至所述交叉熵损失收敛，得到训练好的时域函数和训练好的分类模型。
17.第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的语音分类模型的优化训练方法。
18.第四方面，本发明实施例提供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程序，所述计算机程序被处理器执行时实现如第一方面所述的语音分类模型的优化训练方法。
19.本发明实施例与现有技术相比存在的有益效果是：
20.获取已知类别的语音样本以及对应的采样频率，将采样频率的预设倍数与预设值构成的区间作为频率范围，在频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率，根据第一截止频率和第二截止频率，构建矩形带通滤波器函数，通过傅里叶逆变换将矩形带通滤波器函数变换为时域函数，将语音样本和时域函数进行卷积计算，并将卷积计算结果输入预设的分类模型，得到分类模型的输出结果，根据分类模型的输出结果和语音样本对应的类别，计算交叉熵损失，以交叉熵损失为依据，采用梯度下降法调整第一截止频率、第二截止频率和分类模型中的模型参数，直至交叉熵损失收敛，得到训练好的时域函数和训练好的分类模型，以第一截止频率和第二截止频率构建矩形带通滤波器函数，再采用矩形带通滤波器函数对应的时域函数进行卷积，能够使训练好的时域卷积函数对语音样本起到带通滤波效果，更易捕捉到目标频带的信息，并为后续训练好的分类模型提供更加准确的语音特征，从而提高了语音分类模型分类的准确率。
附图说明
21.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性的前提下，还可以根据这些附图获得其他的附图。
22.图1是本发明实施例一提供的一种语音分类模型的优化训练方法的一应用环境示
意图；
23.图2是本发明实施例一提供的一种语音分类模型的优化训练方法的流程示意图；
24.图3是本发明实施例二提供的一种语音分类模型的优化训练方法的流程示意图；
25.图4是本发明实施例三提供的一种语音分类模型的优化训练装置的结构示意图；
26.图5是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
27.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
28.应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
29.还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
30.如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0031]
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0032]
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0033]
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0034]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0035]
应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0036]
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
[0037]
本发明实施例一提供的一种语音分类模型的优化训练方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本、云端终端设备、个人数字助理(personal digital assistant，pda)等计算机设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0038]
参见图2，是本发明实施例一提供的一种语音分类模型的优化训练方法的流程示意图，上述优化训练方法可以应用于图1中的客户端，客户端对应的计算机设备与服务端连接，以从服务端获取语音样本、对应语音样本的类别和对应语音样本的采样频率，客户端对应的计算机设备内部署有分类模型架构，分类模型可以用于对语音样本进行分类。如图2所示，该优化训练方法可以包括以下步骤：
[0039]
步骤s201，获取已知类别的语音样本以及对应的采样频率，将采样频率的预设倍数与预设值构成的区间作为频率范围。
[0040]
其中，类别可以根据分类模型的应用场景确定，在本实施例中，分类模型的应用场景为合成语音检测场景，则类别可以包括真实语音类别和合成语音类别等，语音样本可以是指已知类别的语音信号，采样频率可以是指采集到语音样本时的采样间隔时间，可以用于表征语音样本的质量，采样频率越高，语音样本的质量越高，预设值为大于等于零且小于采样频率的预设倍数的值。
[0041]
具体地，根据奈奎斯特理论，在采样频率高于原始信号最高频率的两倍时，才能把数字信号表示的信号还原为原始信号，因此，在已知采样频率时，语音信号的最大值应当小于采样频率的一半，则确定预设倍数的值为0.5，实施者可以根据实际情况，在[0，0.5]内调整该预设倍数的值。
[0042]
同时，语音信号的最小值应当大于或者等于零，因此，设置预设值的取值范围为其中，fs可以表示采样频率。
[0043]
将采样频率的预设倍数作为区间的最大值，将预设值作为区间的最小值，得到区间[α,βfs]，并确定该区间为频率范围，其中，α可以表示预设值，β可以表示预设倍数，且α的取值范围可以是指[0,βfs)，β的取值范围可以是[0，0.5]。
[0044]
上述获取已知类别的语音样本以及对应的采样频率，将采样频率的预设倍数与预设值构成的区间作为频率范围的步骤，根据采样频率和奈奎斯特理论确定频率范围，确保了语音样本的可还原性，避免因语音样本的错误还原，导致后续对语音样本的分类出现误差，为分类模型提供更为准确的输入量，从而提高了分类模型的分类准确率。
[0045]
步骤s202，在频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率。
[0046]
其中，频率值可以是指在频率范围内的值，随机抽取可以是指按照等同概率对频率范围内所有值进行抽取，第一截止频率可以是指相对较高的截止频率，第二截止频率可以是指相对较低的截止频率。
[0047]
可选的是，在频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率包括：
[0048]
按照预设的频率子区间长度，从频率范围中确定k个采样点，k为大于零的整数；
[0049]
为每个采样点分配相同的采样概率，得到第一采样概率分布，根据第一采样概率分布从k个采样点中进行初次抽样，得到第一随机抽样值；
[0050]
确定预设值为第一边界，确定采样频率的预设倍数为第二边界，分别计算第一随机抽样值与第一边界和第二边界的距离，确定其中的较大值对应的边界为目标边界，并确定较小值为目标差值；
[0051]
若目标边界为第一边界，将目标边界与目标差值相加，得到目标频率，目标边界为第二边界，将目标边界与目标差值相减，得到目标频率；
[0052]
以目标频率为均值，以目标差值为方差，构建高斯分布，将高斯分布与第一采样概率分布相乘，得到第二采样概率分布；
[0053]
根据第二采样概率分布从k个采样点中进行再次抽样，得到第二随机抽样值，确定第一随机抽样值和第二随机抽样值为频率值。
[0054]
其中，频率子区间长度可以是指相邻采样点之间的频率差值，采样点可以是指频率范围离散化后的点，第一随机抽样值可以是指第一次抽样得到的采样点对应的频率值，第二随机抽样值可以是指第二次抽样得到的采样点对应的频率值。
[0055]
具体地，频率子区间长度为l，本实施例中，频率范围为l设置为则根据频率子区间长度，可以在频率范围内确定51个采样点，其中包括频率范围的最大值点和最小值点，每个采样点均对应于一频率值。
[0056]
本实施例通过将频率范围离散化后再进行采样，并根据初次采样结果调整再次采样时的采样概率分布，避免采样结果过于接近，提高了采样的可实施性和采样效率。
[0057]
可选的是，在得到第一随机抽样值和第二随机抽样值之后，还包括：
[0058]
采用预设的映射系数将第一随机抽样值和第二随机抽样值映射为第一梅尔频率和第二梅尔频率；
[0059]
以第一梅尔频率更新第一随机抽样值，以第二梅尔频率更新第二随机抽样值。
[0060]
其中，映射系数包括梅尔频率和随机抽样的结果之间的映射关系，梅尔频率可以是指符合人耳听觉的频率单位，第一梅尔频率可以是指第一随机抽样值经映射系数映射到的梅尔频率，第二梅尔频率可以是指第二随机抽样值经映射系数映射到的梅尔频率。
[0061]
具体地，映射系数表示为其中，f可以表示随机抽样值，m可以表示随机抽样值对应的梅尔频率。
[0062]
本实施例采用梅尔频率更新随机抽样值，从而在符合人耳听觉下提取有效信息，提高后续训练的收敛速度，也即提高了训练效率。
[0063]
上述在频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率的步骤，对第一截止频率和第二截止频率进行初始化，以提高后续训练过程时损失函数梯度下降的速度，并尽量使损失函数收敛于全局最优，即保证了后续训练过程的效率和准确率。
[0064]
步骤s203，根据第一截止频率和第二截止频率，构建矩形带通滤波器函数，通过傅里叶逆变换将矩形带通滤波器函数变换为时域函数。
[0065]
其中，矩形带通滤波器函数可以是指理想的带通滤波器函数，即能够允许一定频
段的信号通过，抑制低于或高于该频段的信号、干扰和噪声，傅里叶逆变换可以用于将频域的矩形带通滤波器函数变换为对应的时域函数，时域函数可以是指语音样本随时间变化的函数。
[0066]
具体地，矩形带通滤波器函数g可以表示为：
[0067][0068]
其中，f可以表示语音样本的频率，f1可以表示第一截止频率，f2可以表示第二截止频率，rect可以是指矩形函数，由于矩形函数可以用于表征低通滤波器，则带通滤波器可以表示为两个低通滤波器的差分。
[0069]
时域函数g表达式可以表示为：
[0070]
g[n,f1,f2]＝2f1sinc(2πf1n)-2f2sinc(2πf2n)
[0071]
其中，n可以表示的采样时间点，sinc函数的计算公式为x可以是指sinc函数的变量。
[0072]
可选的是，根据第一截止频率和第二截止频率，构建矩形带通滤波器函数包括：
[0073]
计算预设的频率变量与第一截止频率的第一比值，将第一比值的二分之一作为预设矩形函数的第一参数，得到第一矩形函数；
[0074]
计算频率变量与第二截止频率的第二比值，将第二比值的二分之一作为矩形函数的第二参数，得到第二矩形函数；
[0075]
将第一矩形函数与第二矩形函数相减，得到矩形带通滤波器函数。
[0076]
其中，第一矩形函数可以表征一低通滤波器，第二矩形函数可以表征另一低通滤波器，两个低通滤波器的差分结果，即为带通滤波器。
[0077]
具体地，第一矩形函数表示为第二矩形函数表示为其中，f可以是指频率变量，频率变量为变量数据，根据滤波器接收到的信号确定。
[0078]
本实施例通过低通滤波器相减构造矩形带通滤波器，提高了带通滤波器构造的效率。
[0079]
可选的是，在通过傅里叶逆变换将矩形带通滤波器函数变换为时域函数之后，还包括：
[0080]
将时域函数与预设的窗函数相乘，得到加窗时域函数；
[0081]
相应地，将语音样本和时域函数进行卷积计算包括：
[0082]
将语音样本和加窗时域函数进行卷积计算，得到卷积计算结果。
[0083]
其中，窗函数可以是指汉明窗、平顶窗、凯塞窗等，窗函数可以用于使时域信号更好满足周期性要求，减少频率泄漏，加窗时域函数可以是指经加窗处理后的时域函数。
[0084]
具体地，在本实施例中，采用汉明窗作为窗函数，汉明窗w[n]的公式具体为：
[0085][0086]
其中，0≤n≤n，n为汉明窗的长度，也是时域函数的长度。
[0087]
加窗过程可以表示为gw[n,f1,f2]＝g[n,f1,f2]
·
w[n]，其中，gw[n,f1,f2]可以是指加窗后的时域函数。
[0088]
本实施例对时域函数进行加窗处理，从而使时域信号更好满足周期性要求，减少频率泄漏。
[0089]
上述根据第一截止频率和第二截止频率，构建矩形带通滤波器函数，通过傅里叶逆变换将矩形带通滤波器函数变换为时域函数的步骤，通过傅里叶逆变换得到时域上的带通函数，从而便于后续与语音样本进行卷积，提取语音样本的有效特征，从而提高语音分类模型的分类准确性。
[0090]
步骤s204，将语音样本和时域函数进行卷积计算，并将卷积计算结果输入预设的分类模型，得到分类模型的输出结果。
[0091]
其中，语音样本可以是指语音信号的时域表示，采用时域表示有利于提取语音样本的时域特征，卷积可以是指函数的卷积计算，分类模型可以是指逻辑回归模型、神经网络模型、决策树模型等，分类模型的输出结果可以是指对应语音样本的预测类别。
[0092]
具体地，卷积计算公式可以表示为：
[0093]
y[n]＝x[n]*g[n,f1,f2]
[0094]
其中，n可以是指采样时间点，y[n]可以是指卷积计算结果，x[n]可以是指语音样本，g[n,f1,f2]可以是指时域函数。
[0095]
在本实施例中，卷积过程中可学习的参数仅有第一截止频率f1和第二截止频率f2，而第一截止频率f1和第二截止频率f2的取值决定了滤波器的滤波频段，因此，采用上述卷积方式有利于提高滤波器参数对于语音分类性能影响的关注程度，从而能够使时域函数的训练过程收敛更快，效率更高，而且相较于常规滤波器，需要学习的参数更少，常规滤波器需要根据其长度确定需要学习的参数数量，且该参数数量通常大于2。
[0096]
另外，由于时域函数的对称特性，在卷积计算时仅需考虑一半的时域函数，降低了计算开销，并且，时域函数卷积过程具备可解释性，能够提取到如音高、共振峰等语音特征，而常规滤波器更倾向于关注低频信息，因此，时域函数卷积过程更容易捕捉到窄带信息。
[0097]
可选的是，分类模型包括特征提取层和全连接层；
[0098]
将卷积计算结果输入预设的分类模型包括：
[0099]
将卷积计算结果输入特征提取层进行特征提取，得到特征提取结果；
[0100]
将卷积计算结果与特征提取结果相乘，将相乘结果输入全连接层进行特征映射，得到检测模型的输出。
[0101]
其中，特征提取层可以包括1*1卷积、1*3卷积，1*1卷积可以用于减少计算参数量，1*3卷积可以用于提取高维特征。
[0102]
具体地，卷积计算结果与特征提取结果相乘可以用于确保特征提取效果，避免因特征提取层数过高而导致出现特征提取效果退化的情况。
[0103]
本实施例通过设计特征提取层的架构，在保证特征提取效果较好的同时，降低了计算参数量，提高了特征提取的计算效率。
[0104]
上述将语音样本和时域函数进行卷积计算，并将卷积计算结果输入预设的分类模型，得到分类模型的输出结果的步骤，能够精简卷积过程的计算量，提高时域函数训练效率，并且能够提取更为准确的语音特征，从而提高了后续分类模型的分类准确率。
[0105]
步骤s205，根据分类模型的输出结果和语音样本对应的类别，计算交叉熵损失，以交叉熵损失为依据，采用梯度下降法调整第一截止频率、第二截止频率和分类模型中的模
型参数，直至交叉熵损失收敛，得到训练好的时域函数和训练好的分类模型。
[0106]
其中，交叉熵损失可以是指二分类交叉熵损失、多分类交叉熵损失等，梯度下降法可以是指随机梯度下降法、批次梯度下降法等，在本实施例中，分类模型采用神经网络模型，模型参数可以是指分类模型中的神经元参数。
[0107]
具体地，在本实施例中，交叉熵损失采用二分类交叉熵损失，二分类交叉熵损失的具体公式为：
[0108]
loss＝-(z
·
log(z
′
)+(1-z)
·
log(1-z
′
))
[0109]
其中，loss可以是指二分类交叉熵损失，z可以是指语音样本对应的类别标签，当语音样本为合成语音类别时，z的取值为1，当语音样本为真实语音类别时，z的取值为0，z
′
可以是指分类模型输出的语音样本属于合成语音类别的概率，z
′
的取值范围为[0，1]。
[0110]
当语音样本为合成语音类别时，z的取值为1，二分类交叉熵损失表示为loss＝-log(z
′
)，此时，z
′
越接近0，即分类模型输出的语音样本属于合成语音类别的概率越低，二分类交叉熵损失的值越大，z
′
越接近1，即分类模型输出的语音样本属于合成语音类别的概率越高，二分类交叉熵损失的值越小。
[0111]
当语音样本为真实语音类别时，z的取值为0，二分类交叉熵损失表示为loss＝-log(1-z
′
)，此时，z
′
越接近0，即分类模型输出的语音样本属于合成语音类别的概率越低，二分类交叉熵损失的值越小，z
′
越接近1，即分类模型输出的语音样本属于合成语音类别的概率越高，二分类交叉熵损失的值越大。
[0112]
上述根据分类模型的输出结果和语音样本对应的类别，计算交叉熵损失，以交叉熵损失为依据，采用梯度下降法调整第一截止频率、第二截止频率和分类模型中的模型参数，直至交叉熵损失收敛，得到训练好的时域函数和训练好的分类模型的步骤，对第一截止频率、第二截止频率和分类模型中的模型参数进行学习，得到训练好的时域函数和训练好的分类模型，训练好的时域函数能够得到更准确的语音特征，训练好的分类模型能够对语音特征进行更准确的分类，从而提高了分类模型的分类准确率。
[0113]
本实施例中，以第一截止频率和第二截止频率构建矩形带通滤波器函数，再采用矩形带通滤波器函数对应的时域函数进行卷积，能够使训练好的时域卷积函数对语音样本起到带通滤波效果，更易捕捉到目标频带的信息，并为后续训练好的分类模型提供更加准确的语音特征，从而提高了语音分类模型分类的准确率。
[0114]
参见图3，是本发明实施例二提供的一种语音分类模型的优化训练方法的流程示意图，该优化训练方法中，采用梯度下降法调整第一截止频率、第二截止频率和分类模型中的模型参数时，可以采用将时域函数与分类模型联合的方式进行训练，也可以采用将时域函数与分类模型分离的方式进行训练，联合可以是指时域函数的参数和分类模型中的模型参数同步进行调整，分离可以是指时域函数的参数和分类模型中的模型参数异步进行调整，时域函数的参数可以是指第一截止频率和第二截止频率。
[0115]
在采用将时域函数与分类模型联合的方式进行训练时，训练过程可参见实施例一，在此不作赘述。
[0116]
在采用将时域函数与分类模型分离的方式进行训练时，训练过程包括：
[0117]
步骤s301，固定模型参数的值，采用梯度下降法调整第一截止频率和第二截止频率的值，直至交叉熵损失收敛，得到第一收敛值；
[0118]
步骤s302，在得到第一收敛值之后，固定第一截止频率和第二截止频率的值，采用梯度下降法调整模型参数的值，直至交叉熵损失收敛，得到第二收敛值；
[0119]
步骤s303，在第二收敛值不满足预设条件时，返回执行固定模型参数的值，采用梯度下降法调整第一截止频率和第二截止频率的值的步骤，直至第二收敛值满足预设条件。
[0120]
其中，第一收敛值可以是指交叉熵损失第一次收敛时的收敛值，第二收敛值可以是指交叉熵损失第二次收敛时的收敛值。
[0121]
具体地，首先固定模型参数的值，即保持模型参数的值不变，仅对第一截止频率和第二截止频率调整，根据梯度下降法计算交叉熵损失对第一截止频率和第二截止频率的偏导数，再根据偏导数确定第一截止频率和第二截止频率的第一调整方向，依照第一调整方向，调整第一截止频率和第二截止频率的值。
[0122]
在调整第一截止频率和第二截止频率的值无法使交叉熵损失更低时，说明交叉熵损失已经收敛，获取此时交叉熵损失的值，该值即为第一收敛值。
[0123]
在得到第一收敛值之后，说明第一截止频率和第二截止频率的值已经是当前情况下的最优解，此时，固定第一截止频率和第二截止频率的值，即保持第一截止频率和第二截止频率的值不变，仅对模型参数调整，根据梯度下降法计算交叉熵损失对模型参数的偏导数，再根据偏导数确定模型参数的第二调整方向，依照第二调整方向，调整模型参数的值。
[0124]
在调整模型参数的值无法使交叉熵损失更低时，说明交叉熵损失已经收敛，获取此时交叉熵损失的值，该值即为第二收敛值。
[0125]
将第二收敛值与预设的收敛值阈值比较，例如收敛值阈值可以设置为5，当第二收敛值大于或者等于收敛值阈值时，说明此时分类模型的输出未达到预期效果，确定第二收敛值未满足预设条件，返回固定模型参数的值，采用梯度下降法调整第一截止频率和第二截止频率的值的步骤，对时域函数和分类模型进行再次训练，当第二收敛值小于收敛值阈值时，说明此时分类模型的输出已经较为准确，确定第二收敛值满足预设条件，停止训练。
[0126]
本实施例中，在训练过程中将时域函数的参数和分类模型中的模型参数异步进行调整，避免出现多个参数同时调整时损失函数难以收敛的情况，提高了训练过程的训练效率，也更加容易将参数调整至最优，而非局部最优的情况，提高了训练好的分类模型分类的准确率。
[0127]
对应于上文实施例的语音分类模型的优化训练方法，图4示出了本发明实施例三提供的语音分类模型的优化训练装置的结构框图，上述优化训练装置应用于客户端，客户端对应的计算机设备与服务端连接，以从服务端获取语音样本、对应语音样本的类别和对应语音样本的采样频率，客户端对应的计算机设备内部署有分类模型架构，分类模型可以用于对语音样本进行分类。为了便于说明，仅示出了与本发明实施例相关的部分。
[0128]
参见图4，该语音分类模型的优化训练装置包括：
[0129]
范围确定模块41，用于获取已知类别的语音样本以及对应的采样频率，将采样频率的预设倍数与预设值构成的区间作为频率范围，预设值为大于等于零且小于采样频率的预设倍数的值；
[0130]
随机抽样模块42，用于在频率范围内随机抽取两个频率值，以两个频率值中的较大值作为第一截止频率，以两个频率值中的较小值作为第二截止频率；
[0131]
函数变换模块43，用于根据第一截止频率和第二截止频率，构建矩形带通滤波器
函数，通过傅里叶逆变换将矩形带通滤波器函数变换为时域函数；
[0132]
样本分类模块44，用于将语音样本和时域函数进行卷积计算，并将卷积计算结果输入预设的分类模型，得到分类模型的输出结果；
[0133]
模型训练模块45，用于根据分类模型的输出结果和语音样本对应的类别，计算交叉熵损失，以交叉熵损失为依据，采用梯度下降法调整第一截止频率、第二截止频率和分类模型中的模型参数，直至交叉熵损失收敛，得到训练好的时域函数和训练好的分类模型。
[0134]
可选的是，上述随机抽样模块42包括：
[0135]
采样点确定单元，用于按照预设的频率子区间长度，从频率范围中确定k个采样点，k为大于零的整数；
[0136]
抽样单元，用于从k个采样点中分别进行两次随机抽样，得到第一随机抽样值和第二随机抽样值；
[0137]
数值比较单元，用于将第一随机抽样值与第二随机抽样值进行数值比较，若第一随机抽样值大于第二随机抽样值，则确定第一随机抽样值为第一截止频率，第二随机抽样值为第二截止频率；
[0138]
频率确定单元，用于若第一随机抽样值小于第二随机抽样值，则确定第二随机抽样值为第一截止频率，第一随机抽样值为第二截止频率；
[0139]
重新抽样单元，用于若第一随机抽样值等于第二随机抽样值，则重新在k个采样点中分别进行两次随机抽样，更新第一随机抽样值和第二随机抽样值，并执行将第一随机抽样值与第二随机抽样值进行数值比较的步骤。
[0140]
可选的是，上述随机抽样模块42还包括：
[0141]
频率映射单元，用于采用预设的映射系数将第一随机抽样值和第二随机抽样值映射为第一梅尔频率和第二梅尔频率，映射系数包括梅尔频率和随机抽样的结果之间的映射关系；
[0142]
抽样值更新单元，用于以第一梅尔频率更新第一随机抽样值，以第二梅尔频率更新第二随机抽样值。
[0143]
可选的是，上述函数变换模块43包括：
[0144]
第一函数确定单元，用于计算预设的频率变量与第一截止频率的第一比值，将第一比值的二分之一作为预设矩形函数的第一参数，得到第一矩形函数；
[0145]
第二函数确定单元，用于计算频率变量与第二截止频率的第二比值，将第二比值的二分之一作为矩形函数的第二参数，得到第二矩形函数；
[0146]
函数相减单元，用于将第一矩形函数与第二矩形函数相减，得到矩形带通滤波器函数。
[0147]
可选的是，上述语音分类模型的优化训练装置还包括：
[0148]
函数加窗模块，用于将时域函数与预设的窗函数相乘，得到加窗时域函数；
[0149]
相应地，上述样本分类模块44包括：
[0150]
加窗卷积单元，用于将语音样本和加窗时域函数进行卷积计算，得到卷积计算结果。
[0151]
可选的是，分类模型包括特征提取层和全连接层；
[0152]
上述样本分类模块44包括：
[0153]
特征提取单元，用于将卷积计算结果输入特征提取层进行特征提取，得到特征提取结果；
[0154]
特征映射单元，用于将卷积计算结果与特征提取结果相乘，将相乘结果输入全连接层进行特征映射，得到检测模型的输出。
[0155]
可选的是，上述模型训练模块45包括：
[0156]
第一调整单元，用于固定模型参数的值，采用梯度下降法调整第一截止频率和第二截止频率的值，直至交叉熵损失收敛，得到第一收敛值；
[0157]
第二调整单元，用于在得到第一收敛值之后，固定第一截止频率和第二截止频率的值，采用梯度下降法调整模型参数的值，直至交叉熵损失收敛，得到第二收敛值；
[0158]
条件判断单元，用于在第二收敛值不满足预设条件时，返回执行固定模型参数的值，采用梯度下降法调整第一截止频率和第二截止频率的值的步骤，直至第二收敛值满足预设条件。
[0159]
需要说明的是，上述模块、单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0160]
图5为本发明实施例四提供的一种计算机设备的结构示意图。如图5所示，该实施例的计算机设备包括：至少一个处理器(图5中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个语音分类模型的优化训练方法实施例中的步骤。
[0161]
该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图5仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括网络接口、显示屏和输入装置等。
[0162]
所称处理器可以是cpu，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0163]
存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
[0164]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述
的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0165]
本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。
[0166]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0167]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0168]
在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0169]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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例方案的目的。
[0170]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。