[發明專利]語音分離方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 201911006481.6
• 申請日: 2019-10-22
• 公開（公告）號: CN110718228B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 賴勇銓;陳文;賀亞運;李美玲
• 申請（專利權）人: 中信銀行股份有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/14;G10L17/18;G10L17/22;G10L21/0272
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

1.一種語音分離方法，其特征在于，包括：

獲取目標通話音頻對應的聲譜圖；

基于預訓練的卷積神經網絡提取所述聲譜圖的三維特征，所述三維特征包括時間維度特征、頻率維度特征、通道維度特征；

對所述三維特征在頻率維度進行平均池化處理，得到池化處理后的特征；

將所述池化處理后的特征輸入至預訓練的循環神經網絡，得到時間維度上的分割標簽；

基于所述時間維度上的分割標簽對所述目標通話音頻進行語音分離，所述基于所述時間維度上的分割標簽對所述目標通話音頻進行語音分離包括：基于所述時間維度上的分割標簽將所述目標通話音頻分割為多個音頻片段；將相同的所述時間維度上的分割標簽對應的各個音頻片段進行拼接，得到所述目標通話音頻進行分離處理后的音頻；

提取任一所述分割標簽對應的音頻片段的聲紋特征；

計算所述任一所述分割標簽對應的音頻片段的聲紋特征與預存儲的至少一個客服的聲紋特征的相似度；

基于所述任一所述分割標簽對應的音頻片段的聲紋特征與預存儲的至少一個客服的聲紋特征的相似度計算結果確定待識別的所述目標通話音頻分離后的音頻是目標對象的音頻或客服的音頻。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標通話音頻對應的聲譜圖，之前包括：

獲取目標通話音頻；

對所述目標通話音頻進行標準化處理，得到所述目標通話音頻對應的數字信號；

基于所述數字信號通過滑動窗口方法以及FFT變換，得到所述目標通話音頻對應的聲譜圖。

3.根據權利要求1所述的方法，其特征在于，該方法還包括：

提取所述目標通話音頻進行分離處理后的音頻的聲紋特征；

計算所述目標通話音頻進行分離處理后的音頻的聲紋特征與預存儲的至少一個客服的聲紋特征的相似度；

基于所述目標通話音頻進行分離處理后的音頻的聲紋特征與預存儲的至少一個客服的聲紋特征的相似度計算結果確定待識別的所述目標通話音頻分離后的音頻是目標對象的音頻或客服的音頻。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述目標通話音頻為信用卡申請人與客服的通話音頻。

5.根據權利要求4所述的方法，其特征在于，該方法還包括：

對所述目標通話音頻進行語音分離得到信用卡申請人的音頻；

基于所述信用卡申請人的音頻進行欺詐識別。

6.一種語音分離裝置，其特征在于，包括：

第一獲取模塊，用于獲取目標通話音頻對應的聲譜圖；

提取模塊，用于基于預訓練的卷積神經網絡提取所述聲譜圖的三維特征，所述三維特征包括時間維度特征、頻率維度特征、通道維度特征；

池化處理模塊，用于對所述三維特征在頻率維度進行平均池化處理，得到池化處理后的特征；

分割標簽模塊，用于將所述池化處理后的特征輸入至預訓練的循環神經網絡，得到時間維度上的分割標簽；

語音分離模塊，用于基于所述時間維度上的分割標簽對所述目標通話音頻進行語音分離，提取任一所述分割標簽對應的音頻片段的聲紋特征；基于相似度計算結果確定待識別的所述目標通話音頻分離后的音頻是目標對象的音頻或客服的音頻；

所述相似度計算結果為基于所述任一所述分割標簽對應的音頻片段的聲紋特征與預存儲的至少一個客服的聲紋特征的相似度計算結果。

7.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲器；

一個或多個應用程序，其中所述一個或多個應用程序被存儲在所述存儲器中并被配置為由所述一個或多個處理器執行，所述一個或多個程序配置用于：執行根據權利要求1至5任一項所述的語音分離方法。

8.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質用于存儲計算機指令，當其在計算機上運行時，使得計算機可以執行上述權利要求1至5中任一項所述的語音分離方法。