一种基于CIEM和深度学习的高噪环境下敏感音频识别方法及装置

本申请涉及音频识别技术领域，公开了一种基于CIEM和深度学习的高噪环境下敏感音频识别方法，包括：将待识别音频对应的幅度谱输入预先训练的基于U‑Net的音频分离网络中，以输出背景音幅度谱和人声幅度谱；对获取到的人声幅度谱，利用时间卷积网络提取人声特征，其中，在时间卷积网络中引入1‑D FCN和因果卷积；利用CTC解码技术，将人声特征中连续相同的符号合并为同一个符号，并去除静音分隔标记符，以获得实际的语音拼音符号序列；根据语音拼音符号序列，利用语音音素分类，以完成敏感音频识别。应用本方法可实现对高噪声环境下的音频内容识别，有效发现敏感信息，提高音频内容识别准确率。