[發(fā)明專利]音頻識(shí)別方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610171165.4
• 申請(qǐng)日: 2016-03-24
• 公開(kāi)（公告）號(hào): CN107229629B
• 公開(kāi)（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 金星明;于佳駿;李科;吳永堅(jiān);黃飛躍
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F16/632
• 分類號(hào): G06F16/632
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 劉映東

本發(fā)明是關(guān)于一種音頻識(shí)別方法及裝置，屬于音頻處理技術(shù)領(lǐng)域。該方法包括：獲取待識(shí)別音頻的原始音高序列，所述原始音高序列用于指示所述待識(shí)別音頻在各個(gè)時(shí)間點(diǎn)上的頻率；將所述原始音高序列切分成多個(gè)音高子序列；對(duì)所述原始音高序列和所述多個(gè)音高子序列分別進(jìn)行識(shí)別；將對(duì)所述原始音高序列和所述多個(gè)音高子序列分別進(jìn)行識(shí)別所獲得的識(shí)別結(jié)果進(jìn)行合并，獲得對(duì)所述待識(shí)別音頻的識(shí)別結(jié)果；通過(guò)將一個(gè)長(zhǎng)音高序列切分成多個(gè)短音高序列，并對(duì)長(zhǎng)音高序列和多個(gè)短音高序列分別進(jìn)行識(shí)別，并將識(shí)別結(jié)果進(jìn)行整合，從而達(dá)到提高哼唱識(shí)別的準(zhǔn)確性的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及音頻處理技術(shù)領(lǐng)域，特別涉及一種音頻識(shí)別方法及裝置。

背景技術(shù)

隨著網(wǎng)絡(luò)應(yīng)用技術(shù)的不斷發(fā)展，音樂(lè)播放類應(yīng)用的功能也越來(lái)越豐富，哼唱識(shí)別就是其中一種新興的功能。

在現(xiàn)有的哼唱識(shí)別系統(tǒng)中，用戶在終端中啟動(dòng)音樂(lè)播放類應(yīng)用的哼唱識(shí)別功能，并對(duì)著終端的麥克風(fēng)哼唱一段音樂(lè)，之后，終端提取出這段哼唱語(yǔ)音的音高序列，再將這些音高序列發(fā)送到服務(wù)器，由服務(wù)器將該音高序列與歌曲庫(kù)中存儲(chǔ)的歌曲的音高序列作對(duì)比，找出歌曲庫(kù)中與這一段音高序列最匹配的歌曲，最后將查找結(jié)果返回給終端。

在實(shí)現(xiàn)本發(fā)明的過(guò)程中，申請(qǐng)人發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下問(wèn)題：

用戶通過(guò)哼唱識(shí)別歌曲時(shí)，可能只記得一小段旋律，而這一小段旋律并不能滿足現(xiàn)有的哼唱識(shí)別功能的最低長(zhǎng)度要求，因此需要用戶再多哼唱幾段，而多哼唱的幾段準(zhǔn)確性通常不高，導(dǎo)致哼唱識(shí)別的準(zhǔn)確性較低。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中哼唱識(shí)別的準(zhǔn)確性較低的問(wèn)題，本發(fā)明實(shí)施例提供了一種音頻識(shí)別方法及裝置，技術(shù)方案如下：

第一方面，提供了一種音頻識(shí)別方法，所述方法包括：

獲取待識(shí)別音頻的原始音高序列，所述原始音高序列用于指示所述待識(shí)別音頻在各個(gè)時(shí)間點(diǎn)上的頻率；

將所述原始音高序列切分成多個(gè)音高子序列；

對(duì)所述原始音高序列和所述多個(gè)音高子序列分別進(jìn)行識(shí)別；

將對(duì)所述原始音高序列和所述多個(gè)音高子序列分別進(jìn)行識(shí)別所獲得的識(shí)別結(jié)果進(jìn)行合并，獲得對(duì)所述待識(shí)別音頻的識(shí)別結(jié)果。

第二方面，提供了一種音頻識(shí)別裝置，所述裝置包括：

序列獲取模塊，用于獲取待識(shí)別音頻的原始音高序列，所述原始音高序列用于指示所述待識(shí)別音頻在各個(gè)時(shí)間點(diǎn)上的頻率；

切分模塊，用于將所述原始音高序列切分成多個(gè)音高子序列；

識(shí)別模塊，用于對(duì)所述原始音高序列和所述多個(gè)音高子序列分別進(jìn)行識(shí)別；

合并模塊，用于將對(duì)所述原始音高序列和所述多個(gè)音高子序列分別進(jìn)行識(shí)別所獲得的識(shí)別結(jié)果進(jìn)行合并，獲得對(duì)所述待識(shí)別音頻的識(shí)別結(jié)果。

本發(fā)明實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

通過(guò)將待識(shí)別音頻的原始音高序列切分成多個(gè)音高子序列，對(duì)該原始音高序列和該多個(gè)音高子序列分別進(jìn)行識(shí)別，并將對(duì)該原始音高序列和該多個(gè)音高子序列分別進(jìn)行識(shí)別所獲得的識(shí)別結(jié)果進(jìn)行合并，獲得對(duì)該待識(shí)別音頻的識(shí)別結(jié)果，將一個(gè)長(zhǎng)音高序列切分成多個(gè)短音高序列，并對(duì)長(zhǎng)音高序列和多個(gè)短音高序列分別進(jìn)行識(shí)別，并將識(shí)別結(jié)果進(jìn)行整合，從而達(dá)到提高哼唱識(shí)別的準(zhǔn)確性的效果。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

附圖說(shuō)明

此處的附圖被并入說(shuō)明書(shū)中并構(gòu)成本說(shuō)明書(shū)的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書(shū)一起用于解釋本發(fā)明的原理。

圖1是本發(fā)明各個(gè)實(shí)施例涉及的一種實(shí)施環(huán)境的示意圖；