摘要
本发明实施例公开了一种音频处理模型的训练方法、应用方法、及存储介质,涉及计算机技术领域,该训练方法包括:获取各样本音频时序信号;对于各样本音频时序信号,将当前样本音频时序信号输入神经网络模型,通过神经网络模型对当前样本音频时序信号进行分割处理得到各样本子信号,并对各样本子信号分别对应的样本音频特征序列进行序列间、以及序列内的特征融合处理,得到各融合特征序列,且基于各融合特征序列确定当前样本音频时序信号对应的样本预测降噪信号;基于各样本预测降噪信号、以及各样本音频时序信号分别对应的样本实际降噪信号,对神经网络模型进行训练得到音频处理模型。采用本发明实施例的技术方案,可以提高模型训练效率。
技术关键词
音频特征
本子
序列
样本
信号
融合特征
时序
矩阵
降噪特征
叠加特征
输入神经网络模型
训练装置
多层感知器
处理器
电子设备
模块
可读存储介质
系统为您推荐了相关专利信息
大语言模型
生成文本内容
三元组
BERT模型
可读存储介质
波形
天然地震数据
时域编码器
地震识别方法
加速度
微流控技术
微流控制芯片
流体动力学参数
环状
数据收集模块
离散小波变换
模型训练模块
配电柜
大数据
故障检测模块
网架钢结构
结构监测系统
动态预测方法
时间序列模型
节点健康状态