[發(fā)明專利]增強(qiáng)包含語音的音頻數(shù)據(jù)的方法、計(jì)算裝置和介質(zhì)

有效

• 申請?zhí)枺?/td>: 201710384118.2
• 申請日: 2017-05-26
• 公開（公告）號: CN107464555B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設(shè)計(jì)）人: O·索恩
• 申請（專利權(quán)）人: 索尼移動通訊有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L15/26;G10L25/63
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 呂俊剛;王青芝

1.一種在包括處理器(3、3')的計(jì)算裝置(1、1')上增強(qiáng)包含語音的音頻數(shù)據(jù)(A)的方法，所述方法由所述計(jì)算裝置(1、1')中的所述處理器(3、3')執(zhí)行并且包括以下步驟：

獲得特征數(shù)據(jù)([D])，所述特征數(shù)據(jù)([D])通過主題和情感中的至少一個(gè)來表征所述包含語音的音頻數(shù)據(jù)(A)中的時(shí)間段，

針對所述包含語音的音頻數(shù)據(jù)(A)中的相應(yīng)時(shí)間段并且基于所述特征數(shù)據(jù)([D])，獲得將在所述相應(yīng)時(shí)間段被添加到所述包含語音的音頻數(shù)據(jù)(A)的背景聲音(B)的期望的屬性，以及

提供所述相應(yīng)時(shí)間段的所述期望的屬性，以使得能夠在所述相應(yīng)時(shí)間段內(nèi)將所述包含語音的音頻數(shù)據(jù)(A)與具有所述期望的屬性的背景聲音(B)組合，

其中，獲得特征數(shù)據(jù)([D])的步驟包括：處理所述包含語音的音頻數(shù)據(jù)(A)以提取音頻特征；通過基于聲學(xué)的情感分析算法分析所述音頻特征，以確定所述包含語音的音頻數(shù)據(jù)(A)中的至少一個(gè)時(shí)間段中的語音的情感；以及生成所述至少一個(gè)時(shí)間段與表示所述情感的情感標(biāo)識符SID之間的關(guān)聯(lián)。

2.根據(jù)權(quán)利要求1所述的方法，其中，獲得所述期望的屬性，以匹配所述相應(yīng)時(shí)間段的主題和/或情感。

3.根據(jù)權(quán)利要求1或2所述的方法，其中，所述主題表示所述包含語音的音頻數(shù)據(jù)(A)中的所述相應(yīng)時(shí)間段內(nèi)的口語的內(nèi)容或話題。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述特征數(shù)據(jù)([D])至少部分地通過自動分析所述包含語音的音頻數(shù)據(jù)(A)中的語音來生成。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述情感表示所述包含語音的音頻數(shù)據(jù)(A)中的所述相應(yīng)時(shí)間段內(nèi)的口語的情緒，并且包括以下項(xiàng)中的一種或更多種：正面情感、負(fù)面情感、中性情感、生氣、愉悅、悲傷、驚奇、指責(zé)、害怕、焦慮、不悅、厭惡、輕松、渴望、愛、恨、平靜、激動和擔(dān)心。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述期望的屬性至少部分地基于所述相應(yīng)時(shí)間段的情感來獲得，并且表示以下項(xiàng)中的一個(gè)或更多個(gè)：所述背景聲音(B)的回放音量、所述背景聲音(B)的節(jié)拍、所述背景聲音(B)的音調(diào)和所述背景聲音(B)的基調(diào)。

7.根據(jù)權(quán)利要求1所述的方法，其中，所述特征數(shù)據(jù)([D])還通過文學(xué)種類(CID)來表征所述包含語音的音頻數(shù)據(jù)(A)中的所述時(shí)間段，并且其中，進(jìn)一步獲得所述期望的屬性，以匹配所述相應(yīng)時(shí)間段的所述文學(xué)種類(CID)。

8.根據(jù)權(quán)利要求1所述的方法，其中，獲得特征數(shù)據(jù)([D])的步驟包括：通過自然語言處理來處理所述包含語音的音頻數(shù)據(jù)(A)。

9.根據(jù)權(quán)利要求1所述的方法，其中，獲得特征數(shù)據(jù)([D])的步驟包括：通過對所述包含語音的音頻數(shù)據(jù)(A)運(yùn)行語音識別算法來生成與所述包含語音的音頻數(shù)據(jù)(A)相對應(yīng)的文本(A_T)；將所述文本(A_T)與所述包含語音的音頻數(shù)據(jù)(A)中的時(shí)間點(diǎn)相關(guān)聯(lián)；對所述文本(A_T)運(yùn)行主題劃分算法和/或情感分析算法以確定所述文本(A_T)中的主題和/或情感，每個(gè)主題和/或情感是針對所述文本(A_T)中的相應(yīng)文本片段來確定的，所述方法還包括以下步驟：通過確定所述包含語音的音頻數(shù)據(jù)(A)中的與所述文本片段相對應(yīng)的時(shí)間段來生成所述特征數(shù)據(jù)([D])；以及生成所述時(shí)間段與表示所述主題的主題標(biāo)識符(TID)和/或表示所述情感的情感標(biāo)識符(SID)之間的關(guān)聯(lián)。

10.根據(jù)權(quán)利要求9所述的方法，其中，對所述文本運(yùn)行所述主題劃分算法，以關(guān)于至少兩個(gè)不同粒度水平確定所述主題。