基于特征解耦和多任务学习的跨域语音分类方法及装置

本申请涉及一种基于特征解耦和多任务学习的跨域语音分类方法及装置。所述方法包括：首先，获取多数据域语音文件，并进行预处理，得到跨域语音分类数据集；之后，构建跨域语音分类模型，包括语音特征编码器模块、数据域分类模块、监督对比学习模块和多任务分类模块；之后，基于数据域分类损失、监督对比学习损失以及任务分类损失构建联合优化损失函数，基于所述跨域语音分类数据集和联合优化损失函数采用梯度下降算法训练优化所述跨域语音分类模型；最后，将待分类语音输入训练后的跨域语音分类模型，得到语音对应类别。显著提升了模型在跨域场景下的判别能力与泛化能力，使模型在复杂多源语音环境中依然保持较高的分类精度。