集思谱需要我帮你解读这件专利吗？
公开（公告）号CN123013942A | 申请号CN202611095018.3 | 专利类型发明专利 |
状态在审 | 国家或地区CN | 申请人北京猿力未来科技有限公司 |
分类号G06F40/30(2020.01), G06F40/166(2020.01), G06N3/045(2023.01), G06N3/096(2023.01), G10L15/06(2013.01), G10L13/08(2013.01), G10L15/26(2006.01) | 申请日2026-07-22 | 公开日2026-10-30 |
发布日期2026-10-30 | 文档 ID84661699352700002 | 源数据页码82 |
专利语言zh | ||
本说明书实施例提供样本数据集构建方法、模型训练方法以及装置，其中样本数据集构建方法包括：获取样本文本；对样本文本进行语义切分，得到样本文本序列，其中，样本文本序列包括多个文本类型的样本语义片段；基于确定性交替分配规则，为样本文本序列中相邻的样本语义片段分配不同的模态标签，其中，模态标签包括文本类型标签和音频类型标签；对样本文本序列中音频类型标签的样本语义片段进行音频合成，获得样本音频片段；交错拼接样本文本序列中文本类型标签的样本语义片段及样本音频片段，构建得到文本与音频交错排列的样本数据集，其中，样本数据集用于训练音频文本模型。得到密集模态切换的跨模态训练信号，有效提升了模型在任务上的表现。
附图 1