[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

本申請提供了一種音頻數據的對象識別方法、裝置、設備及存儲介質，方法包括：獲取目標場景下的待識別音頻數據，以及與目標場景相適應的目標聲紋特征集合；基于與目標場景相適應的目標聲紋特征集合，識別待識別音頻數據對應的對象。本申請提供的音頻數據的對象識別方法，由于目標聲紋特征集合與目標場景相適應，因此，基于目標聲紋特征集合能較好地對從目標場景下的待識別音頻數據中提取的聲紋特征進行匹配，從而能夠提升目標場景下待識別音頻數據對應對象的識別效果。

技術領域

本申請涉及音頻數據處理技術領域，尤其涉及一種音頻數據的對象識別方法、裝置、設備及存儲介質。

背景技術

在某些場景(比如，會議、演講、外交等)下，當某個對象發言時，需要將該對象的信息展示出來，以便讓其他對象能夠了解發言對象的信息，從而更容易聽懂該發言對象的發言內容。

可以理解的是，若要將發言對象的信息展示出現，需要在獲取到發言對象的音頻數據后，對該音頻數據對應的對象進行識別。

現有的識別方案是：從待識別音頻數據中提取聲紋特征，將提取的聲紋與聲紋庫中的聲紋特征進行匹配。然而，在某些時候，可能存在提取的聲紋無法匹配的問題，提取的聲紋無法匹配將導致無法獲知音頻數據對應的對象，即，現有的識別方案識別效果不佳。

發明內容

有鑒于此，本申請提供了一種音頻數據的對象識別方法、裝置、設備及存儲介質，用以提供一種識別效果較好的識別方案，該方案如下：

一種音頻數據的對象識別方法，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。

可選的，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。

可選的，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：

基于所述目標音頻數據，獲取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；

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。

可選的，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。

可選的，所述基于所述目標音頻數據，獲取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；