[發明專利]音頻處理方法及裝置、存儲介質

有效

• 申請號: 201911215165.X
• 申請日: 2019-12-02
• 公開（公告）號: CN110992984B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 楊文謹;周玎;徐常亮
• 申請（專利權）人: 新華智云科技有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L15/26;G10L17/00;G10L21/0272;G10L13/04;G10L13/047
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 陳貞健;王路豐

本申請實施例公開了一種音頻處理方法及裝置、存儲介質。所述音頻處理方法，包括：獲取原始音頻；基于所述原始音頻的聲學特征，識別出所述原始音頻中包含的特殊事件；獲得所述原始音頻的文本數據，提取所述文本數據的關鍵詞；根據所述特殊事件及所述關鍵詞，標注所述原始音頻生成音頻標簽。

技術領域

本申請涉及音頻技術領域，尤其涉及一種音頻處理方法及裝置、存儲介質。

背景技術

音頻是被播放后，用戶能夠聽到播放產生的聲音。在錄制或者獲取了一個原始音頻之后，用戶可能需要加工原始音頻的需求。但是現有方案完全依賴人工聽取和合成重點語音片段：用戶聽到音頻中的重點片段，手動選取時間范圍，打上有關標簽。例如，現有的音頻標注需要用戶反復拖動音頻播放條，對音頻內容反復查看，操作繁瑣特別是在直播型報道中，操作極其不便；用戶不能在第一時間將多段標注的素材輸出成一段音頻。

發明內容

有鑒于此，本申請實施例期望提供一種音頻處理方法及裝置、存儲介質。

本申請的技術方案是這樣實現的：

本申請實施例第一方面提供一種音頻處理方法，包括：

獲取原始音頻；

基于所述原始音頻的聲學特征，識別出所述原始音頻中包含的特殊事件；

獲得所述原始音頻的文本數據，提取所述文本數據的關鍵詞；

根據所述特殊事件及所述關鍵詞，標注所述原始音頻生成音頻標簽。

基于上述方案，所述方法還包括：

將所述原始音頻中不同語者的音頻數據，分離到不同音軌中得到分軌語音數據；

為每一個所述分軌語音數據分配語者標簽；其中，所述語者標簽為所述音頻標簽的一種。

基于上述方案，所述方法還包括：

根據所述音頻標簽，得到所述原始音頻的結構化音頻；

合成多個所述結構化音頻得到目標音頻。

基于上述方案，所述合成多個所述結構化音頻得到目標音頻，包括：

根據音頻模板，合成多個所述結構化音頻得到目標音頻。

基于上述方案，所述音頻模板包括：音頻獲取配置和/或音頻合成配置；

所述音頻獲取配置，用于選擇待合成所述目標音頻的所述結構化音頻；

所述音頻合成配置，用于將選擇的多個所述結構化音頻合成所述目標音頻。

基于上述方案，所述音頻獲取配置包括：音頻來源配置、標簽命中規則及音頻過濾規則的至少其中之一；

所述音頻合成配置包括：觸發規則、特殊事件預測規則、背景音樂BGM配置及音效配置的至少其中之一。

基于上述方案，所述基于所述原始音頻的聲學特征，識別出所述原始音頻中包含的特殊事件，包括：

根據所述聲學特征進行異常音分類及對異常音進行打分獲得打分值；

得到所述打分值最高的K個所述異常音的分類，其中，K為正整數；

確定K個所述異常音的分類為所述特殊事件。

基于上述方案，所述獲得所述原始音頻的文本數據，提取所述文本數據的關鍵詞，包括：

根據所述文本數據的詞頻，選擇詞頻滿足預定條件的字詞確定為所述關鍵詞。

基于上述方案，所述方法還包括：