[發明專利]一種音頻數據的對象識別方法、裝置、設備及存儲介質

有效

• 申請號: 201811580955.3
• 申請日: 2018-12-24
• 公開（公告）號: CN109410956B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 張享;高建清;王智國;胡國平;胡郁;劉慶峰
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L17/08
• 分類號: G10L17/08;G10L17/02;G10L17/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王云曉;王寶筠

1.一種音頻數據的對象識別方法，其特征在于，包括：

獲取目標場景下的待識別音頻數據，以及與所述目標場景相適應的目標聲紋特征集合；

基于與所述目標場景相適應的目標聲紋特征集合，識別所述待識別音頻數據對應的對象；

其中，獲取與所述目標場景相適應的目標聲紋特征集合，包括：

獲取所述目標場景下的目標音頻數據，其中，所述目標音頻數據至少包括所述待識別音頻數據；

根據所述目標音頻數據對預先收集的多條歷史音頻數據對應的多個聲紋特征進行遷移，以得到與所述目標場景相適應的目標聲紋特征集合；

其中，所述根據所述目標音頻數據對預先收集的多條歷史音頻數據對應的多個聲紋特征進行遷移，以得到與所述目標場景相適應的目標聲紋特征集合，包括：

以使所述歷史音頻數據對應的聲學特征與所述目標音頻數據對應的聲學特征距離最小為目標，對所述多條歷史音頻數據分別對應的聲學特征進行遷移，得到所述多條歷史音頻數據分別對應的、能夠適應所述目標場景的目標聲學特征；

根據所述多條歷史音頻數據分別對應的目標聲學特征，獲得與所述目標場景相適應的目標聲紋特征集合。

2.根據權利要求1所述的音頻數據的對象識別方法，其特征在于，所述多條歷史音頻數據為多個對象的歷史音頻數據；

所述根據所述多條歷史音頻數據分別對應的目標聲學特征，獲得與所述目標場景相適應的目標聲紋特征集合，包括：

通過所述多條歷史音頻數據分別對應的目標聲學特征，獲取所述多個對象分別對應的聲紋特征；

所述多個對象分別對應的聲紋特征組成的集合，作為與所述目標場景相適應的目標聲紋特征集合。

3.根據權利要求2所述音頻數據的對象識別方法，其特征在于，所述根據所述目標音頻數據對預先收集的多條歷史音頻數據對應的多個聲紋特征進行遷移，以得到與所述目標場景相適應的目標聲紋特征集合，還包括：

利用預先建立的遷移變換模型，對所述多個對象分別對應的聲紋特征進行遷移變換，獲得所述多個對象分別對應的遷移變換后的聲紋特征；

所述多個對象分別對應的遷移變換后的聲紋特征組成的集合，作為與所述目標場景相適應的目標聲紋特征集合。

4.根據權利要求1所述的音頻數據的對象識別方法，其特征在于，所述以使所述歷史音頻數據對應的聲學特征與所述目標音頻數據對應的聲學特征距離最小為目標，對所述多條歷史音頻數據分別對應的聲學特征進行遷移，得到所述多條歷史音頻數據分別對應的、能夠適應所述目標場景的目標聲學特征，包括：

從所述目標音頻數據中提取聲學特征，獲得所述目標音頻數據對應的聲學特征，并分別從所述多條歷史音頻數據中提取聲學特征，獲得所述多條歷史音頻數據分別對應的聲學特征；

基于所述目標音頻數據對應的聲學特征，對所述多條歷史音頻數據分別對應的聲學特征進行遷移變換，遷移變換后獲得所述多條歷史音頻數據分別對應的、能夠適應所述目標場景的目標聲學特征；

其中，所述遷移變換用于使所述歷史音頻數據對應的聲學特征與所述目標音頻數據對應的聲學特征距離最小。

5.根據權利要求4所述的音頻數據的對象識別方法，其特征在于，所述基于所述目標音頻數據對應的聲學特征，對所述多條歷史音頻數據分別對應的聲學特征進行遷移變換，包括：

針對任一條歷史音頻數據：

基于該條歷史音頻數據對應的聲學特征和所述目標音頻數據對應的聲學特征，確定該條歷史音頻數據對應的遷移變換矩陣；

利用該條歷史音頻數據對應的遷移變換矩陣對該條歷史音頻數據對應的聲學特征進行遷移變換，遷移變換后的聲學特征作為目標聲學特征；

以得到所述多條歷史音頻數據分別對應的目標聲學特征。