[發(fā)明專利]音頻識(shí)別方法及裝置、存儲(chǔ)介質(zhì)及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201711486757.6
• 申請(qǐng)日: 2017-12-29
• 公開(kāi)（公告）號(hào): CN108198573B
• 公開(kāi)（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 黃瑛;胡明清;王濤;楊琛
• 申請(qǐng)（專利權(quán)）人: 北京奇藝世紀(jì)科技有限公司
• 主分類號(hào): G10L25/48
• 分類號(hào): G10L25/48;G06F16/683
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李偉;王寶筠

1.一種音頻識(shí)別方法，其特征在于，包括：

依據(jù)預(yù)設(shè)的第一選取規(guī)則，在待識(shí)別音頻中分段選取目標(biāo)音頻樣本；

按第一音頻指紋提取密度，在所述目標(biāo)音頻樣本中提取多個(gè)音頻指紋；

將提取的所述多個(gè)音頻指紋與預(yù)建立的音頻指紋庫(kù)中的指紋進(jìn)行匹配；所述預(yù)建立的音頻指紋庫(kù)按第二音頻指紋提取密度進(jìn)行音頻指紋的提取，所述第一音頻指紋提取密度小于所述第二音頻指紋提取密度；

當(dāng)未匹配成功時(shí)，在所述待識(shí)別音頻中，重新選取新的目標(biāo)音頻樣本，直至匹配成功，以實(shí)現(xiàn)對(duì)待識(shí)別音頻的識(shí)別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)預(yù)設(shè)的選取規(guī)則，在待識(shí)別音頻中分段選取目標(biāo)音頻樣本，包括：

確定第一時(shí)間長(zhǎng)度；

在所述待識(shí)別音頻中隨機(jī)選取時(shí)長(zhǎng)為所述第一時(shí)間長(zhǎng)度的音頻作為目標(biāo)音頻樣本。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)預(yù)設(shè)的選取規(guī)則，在待識(shí)別音頻中分段選取目標(biāo)音頻樣本包括：

對(duì)所述待識(shí)別音頻中的各個(gè)音頻片段進(jìn)行音頻能量檢測(cè)；

在音頻能量大于預(yù)設(shè)音頻能量閾值的各個(gè)音頻片段中，選取一個(gè)音頻片段作為目標(biāo)音頻樣本。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將提取的多個(gè)音頻指紋與預(yù)建立的音頻指紋庫(kù)中的指紋進(jìn)行匹配包括：

對(duì)所述提取的多個(gè)音頻指紋進(jìn)行降采樣處理；

將經(jīng)過(guò)降采樣處理的所述多個(gè)音頻指紋，與預(yù)建立的音頻指紋庫(kù)中的指紋進(jìn)行匹配。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在待識(shí)別音頻中，重新選取新的目標(biāo)音頻樣本包括：

依據(jù)預(yù)設(shè)的第二選取規(guī)則，在所述待識(shí)別音頻中重新選取新的目標(biāo)音頻樣本，所述第二選取規(guī)則不同于所述第一選取規(guī)則。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

當(dāng)匹配成功時(shí)，獲取所述待識(shí)別音頻對(duì)應(yīng)的音頻信息，并將所述音頻信息反饋至客戶端。

7.一種音頻識(shí)別裝置，其特征在于，包括：

第一選取單元，用于依據(jù)預(yù)設(shè)的第一選取規(guī)則，在待識(shí)別音頻中分段選取目標(biāo)音頻樣本；

提取單元，用于按第一音頻指紋提取密度，在所述目標(biāo)音頻樣本中提取多個(gè)音頻指紋；

匹配單元，用于將提取的所述多個(gè)音頻指紋與預(yù)建立的音頻指紋庫(kù)中的指紋進(jìn)行匹配；所述預(yù)建立的音頻指紋庫(kù)按第二音頻指紋提取密度進(jìn)行音頻指紋的提取，所述第一音頻指紋提取密度小于所述第二音頻指紋提取密度；

第二選取單元，用于當(dāng)未匹配成功時(shí)，在所述待識(shí)別音頻中，重新選取新的目標(biāo)音頻樣本，直至匹配成功，以實(shí)現(xiàn)對(duì)待識(shí)別音頻的識(shí)別。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，還包括：

反饋單元，用于當(dāng)匹配成功時(shí)，獲取所述待識(shí)別音頻對(duì)應(yīng)的音頻信息，并將所述音頻信息反饋至客戶端。

9.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)包括存儲(chǔ)的程序，其中，在所述程序運(yùn)行時(shí)控制所述存儲(chǔ)介質(zhì)所在的設(shè)備執(zhí)行如權(quán)利要求1～6任意一項(xiàng)所述的音頻識(shí)別方法。

10.一種電子設(shè)備，其特征在于，包括存儲(chǔ)器，以及一個(gè)或者一個(gè)以上的程序，其中一個(gè)或者一個(gè)以上程序存儲(chǔ)于存儲(chǔ)器中，且經(jīng)配置以由一個(gè)或者一個(gè)以上處理器執(zhí)行如權(quán)利要求1～6任意一項(xiàng)所述的音頻識(shí)別方法。