[發(fā)明專利]建立音頻檢索索引的方法、裝置及計算機(jī)設(shè)備

在審

• 申請?zhí)枺?/td>: 201811550607.1
• 申請日: 2018-12-18
• 公開（公告）號: CN109635151A
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計）人: 鄭勇;王輝
• 申請（專利權(quán)）人: 深圳市沃特沃德股份有限公司
• 主分類號: G06F16/61
• 分類號: G06F16/61;G06F16/65
• 代理公司: 深圳市明日今典知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝

本發(fā)明提出了一種建立音頻檢索索引的方法、裝置及計算機(jī)設(shè)備，其中建立音頻檢索索引的方法包括：將目標(biāo)音頻分成若干個語音段，其中，每個所述語音段中僅包括一個人物的語音；確定各個語音段所對應(yīng)的人物；根據(jù)各個語音段所對應(yīng)的不同人物，對各個語音段進(jìn)行分類；將分類后的語音段與目標(biāo)音頻進(jìn)行關(guān)聯(lián)保存，以在語音段和目標(biāo)音頻間建立索引關(guān)系，形成音頻檢索索引。在建立了音頻檢索索引之后，用戶能夠檢索出音頻內(nèi)包含有某個特定人物的語音的所有語音段，以及精準(zhǔn)確定檢索出來的語音段在音頻中的具體播放位置，便于用戶對音頻進(jìn)行回看或整理。

技術(shù)領(lǐng)域

本發(fā)明涉及到索引建立領(lǐng)域，特別是涉及到一種建立音頻檢索索引的方法、裝置及計算機(jī)設(shè)備。

背景技術(shù)

在現(xiàn)有的音頻或者視頻文件中，人們?nèi)绻胍乜匆纛l或者視頻中的某一部分，一般都是采用快進(jìn)或者快退，或者手動拉動進(jìn)度條，以調(diào)整到自己想要回看的部分，這種回看方式只適合于純粹觀看或者只是偶爾回看的場景。當(dāng)人們需要對音頻或者視頻中的某一個特定人物所說的話進(jìn)行檢索或者整理時，采用這種回看方式就費(fèi)時費(fèi)力，而且效率低下。因此，以上問題亟待解決。

發(fā)明內(nèi)容

本發(fā)明的主要目的為提供一種建立音頻檢索索引的方法、裝置及計算機(jī)設(shè)備，可以建立音頻文件中的各個語音段與目標(biāo)音頻之間的索引關(guān)系。

本發(fā)明提出一種建立音頻檢索索引的方法，包括：

將目標(biāo)音頻分成若干個語音段；其中，每個語音段中僅包括一個人物的語音；

確定各個語音段所對應(yīng)的人物；

根據(jù)各個語音段所對應(yīng)的不同人物，對各個語音段進(jìn)行分類；

將分類后的語音段與目標(biāo)音頻進(jìn)行關(guān)聯(lián)保存，以在語音段和目標(biāo)音頻之間建立索引關(guān)系，形成音頻檢索索引。

進(jìn)一步地，將目標(biāo)音頻分成若干個語音段的步驟，包括：

識別目標(biāo)音頻中包含的所有原始語音段；

對每個原始語音段的起點(diǎn)和終點(diǎn)進(jìn)行標(biāo)記，形成若干個語音段。

進(jìn)一步地，確定各個語音段所對應(yīng)的人物的步驟，包括：

在各個語音段之間進(jìn)行語音特征參數(shù)的互相對比；

對語音特征參數(shù)相同的語音段做同一分類標(biāo)記。

進(jìn)一步地，在在各個語音段之間進(jìn)行語音特征參數(shù)的互相對比的步驟之前，包括：

提取每個語音段的語音特征參數(shù)。

進(jìn)一步地，根據(jù)各個語音段所對應(yīng)的不同人物，對各個語音段進(jìn)行分類的步驟，包括：

根據(jù)分類標(biāo)記，對各個語音段進(jìn)行分類。

進(jìn)一步地，在將分類后的語音段與目標(biāo)音頻進(jìn)行關(guān)聯(lián)保存，形成音頻檢索索引的步驟之前，還包括：

參照目標(biāo)音頻的原始播放時間，對每個語音段播放時間的信息進(jìn)行記錄；

根據(jù)記錄的播放時間的信息，按照播放時間的先后順序排列各個分類內(nèi)的語音段。

進(jìn)一步地，在將分類后的語音段與目標(biāo)音頻進(jìn)行關(guān)聯(lián)保存，以在語音段和目標(biāo)音頻間建立索引關(guān)系，形成音頻檢索索引的步驟之后，還包括：

將每個分類內(nèi)中的每個語音段的語音識別為文字；

將文字與對應(yīng)的語音段進(jìn)行關(guān)聯(lián)保存。

本發(fā)明還提出了一種建立音頻檢索索引的裝置，包括：

分割模塊，用于將目標(biāo)音頻分成若干個語音段；其中，每個語音段中僅包括一個人物的語音；

確定模塊，用于確定各個語音段所對應(yīng)的人物；