买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:天津大学
摘要:本发明公开了一种解耦式语音自监督预训练方法,包括预训练和微调两个阶段。构建以卷积、Transformer、音高变化处理器和说话人信息处理器为核心的自监督预训练模型。输入语音后,卷积模块将语音编码为帧级特征;音高变化处理器提取音高变化表征,并从主分支剔除,将其替换为掩蔽向量后输入Transformer编码器。在编码器中间层加入说话人处理器模块来提取说话人表征,并从主分支表征中剔除。继续编码处理,最终映射到目标语音表征维度。第一轮预训练后,提取中间层表征,训练第二个K‑Means模型生成新的伪标签目标,进行第二轮预训练。利用加权求和机制获得任务特定表征,适用于各种下游任务。
主权项:1.一种解耦式语音自监督预训练方法,其特征在于,包括以下步骤:提取梅尔频率倒谱系数MFCC及其一阶和二阶差分特征;使用提取的特征训练第一个K-Means模型,将聚类中心作为每帧语音的伪标签,用于后续的预训练过程;同时,预训练EMA-DINO模型,命名为说话人教师模型,用于提供说话人信息的指导;输入语音数据后,首先经过卷积模块提取出帧级的特征,并行地,从输入语音数据中提取音高信息,并经过音高变化处理器加工得到音高变化表征;基于残差解耦的思想,将音高变化表征剔除;使用语音掩蔽预测的方式进行训练,确保深层Transformer表征中包含更多的内容信息;在Transformer的中间层,设置额外的说话人处理器,并将增强后的说话人信息剔除,得到语音提取模型;根据语音提取模型中间层表征来训练第二个K-Means模型生成新的伪标签目标,进行第二轮预训练;通过任务特定的权重对模型的所有中间表征进行加权求和,得到适用于各种下游语音任务的特定表征。
全文数据:
权利要求:
百度查询: 天津大学 一种解耦式语音自监督预训练方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。