1.基于自监督说话人表征解耦的方言语种识别方法,其特征在于:所述方法包括:Step1、将原始语音输入到自监督模型的上下文编码器中提取输出上下文表示;
Step2、将上下文表示进行加权求和,然后使用平均池化层将结果转换为自监督语音表征;
Step3、自监督语音表征输入到说话人性别分类器和方言分类器分别得到被解耦的说话人表征和方言表征;
Step4、利用说话人表征和方言表征,基于梯度下降算法对自监督模型进行训练,通过反向传播损失函数相对于网络中各个权重的梯度来调整网络的权重参数,用训练好的自监督模型进行方言的识别;
所述Step3中,所述说话人性别分类器和方言分类器均采用交叉熵损失函数来计算各自的损失;方言和性别分类的损失函数分别定义如下:;
;
其中,和分别表示真实的方言和说话人性别标签;和表示预测的概率分;和是所有方言标签的数量和性别标签的数量;和分别是方言和性别分类的损失函数;
所述Step4中,所述自监督模型进行训练过程中,在自监督模型的前向传播过程中,梯度反转层并没有实质性的参与;当自监督模型训练的反向传播过程中,梯度反转层将后续层的梯度乘以并将其传递到前一层,这样模型的权重参数在更新时就会被训练到远离目标分布中;模型的权重参数的更新公式如下:;
;
;
其中,是学习率,是一个可手动调节的超参数,表示说话人分类器的权重参数、表示方言分类器的权重参数。
2.根据权利要求1所述的基于自监督说话人表征解耦的方言语种识别方法,其特征在于:所述Step2中,所述自监督语音表征的生成过程表示如下:;
其中,是层的权重,表示上下文编码器第层的输出,表示均值池化操作,N表示编码器层的数量。
3.根据权利要求1所述的基于自监督说话人表征解耦的方言语种识别方法,其特征在于:所述Step3还包括在说话人性别分类器之前增加一个梯度反转层用于解耦说话人信息。
4.基于自监督说话人表征解耦的方言语种识别系统,其特征在于,所述系统包括:用于执行如权利要求1至3任一项所述的基于自监督说话人表征解耦的方言语种识别方法的模块。
5.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述基于自监督说话人表征解耦的方言语种识别方法。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基于自监督说话人表征解耦的方言语种识别方法。
7.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基于自监督说话人表征解耦的方言语种识别方法。