[發明專利]直播間歌唱識別方法、裝置及服務器、存儲介質

有效

• 申請號: 201911229100.0
• 申請日: 2019-12-04
• 公開（公告）號: CN111147871B
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 張大威
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: H04N21/2187
• 分類號: H04N21/2187;H04N21/233;H04N21/439;G10L25/30;G10L25/24
• 代理公司: 北京先進知識產權代理有限公司 11648
• 代理人: 邵勁草

本公開關于一種直播間歌唱識別方法、裝置及服務器、存儲介質，涉及直播領域。首先通過經音樂聲分類模型對聲音特征向量序列進行分類，并得到分類結果；如果分類結果表征聲音特征向量序列包括音樂聲特征向量，則從直播流中提取出包括音樂聲特征向量的音頻流；然后提取出包括音樂聲特征向量的音頻流中的人聲特征向量；最后經清唱聲分類模型對人聲特征向量進行分類，并得到分類結果。通過上述的方式分析得出分別通過先通過音樂聲分類模型對聲音特征向量序列進行分類、再經過清唱聲分類模型對人聲特征向量進行分類，從而得到的分類結果更加精確，能夠更準的確定當前的直播間的主播是否正在進行歌唱表演。

技術領域

本公開涉及直播領域，尤其涉及一種直播間歌唱識別方法、裝置及服務器、存儲介質。

背景技術

隨著移動互聯網的發展，直播應用的發展有著長足的進步和發展，主播僅需在直播應用開設直播間即可僅需直播表演。聽主播演唱歌曲是直播應用用戶感興趣的表演方式之一

相關技術中，常采用混合高斯模型(Gaussian Mixture Model,GMM)或者支持向量機(Support Vector Machine,SVM)等傳統的淺層模型方法進行歌唱識別，準確率低，常將主播在聊天、放背景音樂、做游戲甚至離開，即包括了許多用戶不感興趣的內容誤推送至觀眾端，然而當用戶根據直播間的摘要信息進入直播間時，導致用戶的觀看體驗低。

發明內容

本公開提供一種直播間歌唱識別方法、裝置及系統，以至少解決相關技術中對演唱語音直播片段的識別準確度低的問題。本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種直播間歌唱識別方法，所述方法包括：

獲得目標應用程序的直播間處于播放狀態的直播流，并對所述直播流進行處理，以得到所述直播流的聲音特征向量序列；

經音樂聲分類模型對所述聲音特征向量序列進行分類，并得到分類結果，其中，所述音樂聲分類模型的目標函數用于將所述聲音特征向量序列是否包括音樂聲特征向量作為分類基準進行分類；

如果所述分類結果表征所述聲音特征向量序列包括音樂聲特征向量，則從所述直播流中提取出包括音樂聲特征向量的音頻流；

提取出所述包括音樂聲特征向量的音頻流中的人聲特征向量；

經清唱聲分類模型對所述人聲特征向量進行分類，并得到分類結果，其中，所述清唱聲分類模型的目標函數用于將所述人聲特征向量是否包括清唱聲特征向量作為分類基準進行分類。

根據本公開實施例的第二方面，提供了一種直播間歌唱識別裝置，裝置包括：

向量獲得單元，被配置為執行獲得目標應用程序的直播間處于播放狀態的直播流，并對所述直播流進行處理，以得到所述直播流的聲音特征向量序列；

第一分類單元，被配置為執行經音樂聲分類模型對所述聲音特征向量序列進行分類，并得到分類結果，其中，所述音樂聲分類模型的目標函數用于將所述聲音特征向量序列是否包括音樂聲特征向量作為分類基準進行分類；

音頻流提取單元，被配置為執行如果所述分類結果表征所述聲音特征向量序列包括音樂聲特征向量，則從所述直播流中提取出包括音樂聲特征向量的音頻流；

人聲特征向量提取單元，被配置為執行提取出所述包括音樂聲特征向量的音頻流中的人聲特征向量；

第二分類單元，被配置為執行經清唱聲分類模型對所述人聲特征向量進行分類，并得到分類結果，其中，所述清唱聲分類模型的目標函數用于將所述人聲特征向量是否包括清唱聲特征向量作為分類基準進行分類。

根據本公開實施例的第三方面，提供了一種服務器，包括：

處理器；

用于存儲處理器可執行指令的存儲器；