EarlyMedia早媒体声音分类
给对方打电话时, 对方电话还没有接通时, 有响铃, 音乐, 用户忙, 不在服务区, 无人接听, 已停机, 等状态.
号码拨打测试时, 会把电话接通前的录音保存, 给到算法. 我们的算法:
(1) 录音中的声音分为四种: 响铃, 音乐, 静音, 人声.
(2) 假如完整的录音有 20 秒, 首先按每秒一个分类标签对音频分类, 得到 20 个标签.
(3) 根据 20 个标签, 找到 "人声" 对应的音频段, 从 20 秒完整音频中截取出来.
(4) 在 "人声" 的音频上做模板匹配, 如果匹配到 "用户忙" 的模板, 则这通电话就是 "用户忙".
此模型就是基于此数据集训练的, 用于四种声音分类的模型, 它原本是用 AllenNLP 训练的, 现在训练代码已经找不到了, 但是此模型比较简单.