基于内在信息维度的语音大模型连续学习方法及产品

本申请提出一种基于内在信息维度的语音大模型连续学习方法及产品，涉及语音鉴别技术领域，首先确定K个语音数据集中每个语音数据的内在信息维度，然后根据第k个语音数据集中语音数据的总数及内在信息维度，确定第k个语音数据集的内在信息维度，根据K个语音数据集各自的内在信息维度，确定待训练模型的模型参数量，再对具有模型参数量的待训练模型进行连续学习，得到用于语音鉴别的语音大模型，最后将待鉴别语音输入语音大模型，得到待鉴别语音的鉴别结果。使用上述方法连续学习得到的语音大模型可以极大的提高对新数据集场景下生成语音的鉴别能力，同时降低对先前数据集场景下的语音类型的检测能力的遗忘。