[發(fā)明專利]一種基于人聲模型的聲音分離方法和裝置以及設(shè)備

在審

• 申請?zhí)枺?/td>: 202010364792.6
• 申請日: 2020-04-30
• 公開（公告）號: CN111583932A
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計(jì)）人: 肖龍?jiān)?/a>;李稀敏;葉志堅(jiān);劉曉葳
• 申請（專利權(quán)）人: 廈門快商通科技股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/02
• 代理公司: 廈門原創(chuàng)專利事務(wù)所(普通合伙) 35101
• 代理人: 黃一敏

1.一種基于人聲模型的聲音分離方法，其特征在于，包括：

采集每個參加音頻會議的參會人員的聲音數(shù)據(jù)和個人特征；其中，所述個人特征包括性別和/或年齡和/或工作單位和/或工作地點(diǎn)和/或工作電話；

對所述采集的每個參會人員的聲音數(shù)據(jù)進(jìn)行聲紋特征提取；

構(gòu)建關(guān)聯(lián)所述個人特征和對應(yīng)所述個人特征的聲紋特征的人聲模型；

對音頻會議內(nèi)容進(jìn)行對應(yīng)所述人聲模型的人聲分離；其中，所述音頻會議內(nèi)容關(guān)聯(lián)的參會人員為所述采集的每個參會人員的聲音數(shù)據(jù)對應(yīng)的參會人員中的部分人員或全部人員；

按時間戳方式，將所述人聲分離后的音頻會議內(nèi)容中的每個參會人員的聲音數(shù)據(jù)分別進(jìn)行關(guān)聯(lián)所述個人特征的標(biāo)記；

根據(jù)所述經(jīng)分別標(biāo)記后的每個參會人員的聲音數(shù)據(jù)，形成所述音頻會議內(nèi)容的文本會議記錄。

2.如權(quán)利要求1所述的基于人聲模型的聲音分離方法，其特征在于，所述構(gòu)建關(guān)聯(lián)所述個人特征和對應(yīng)所述個人特征的聲紋特征的人聲模型，包括：

根據(jù)所述個人特征，篩選出對應(yīng)所述個人特征的聲紋特征的聲紋特征集合，根據(jù)所述聲紋特征集合，構(gòu)建關(guān)聯(lián)所述個人特征和對應(yīng)所述個人特征的聲紋特征的人聲模型。

3.如權(quán)利要求1所述的基于人聲模型的聲音分離方法，其特征在于，所述對音頻會議內(nèi)容進(jìn)行對應(yīng)所述人聲模型的人聲分離，包括：

從音頻會議內(nèi)容中獲取人聲聲紋特征，對比所述人聲模型中的聲紋特征和所述人聲聲紋特征，采用將所述人聲聲紋特征中與所述人聲模型中的聲紋特征相同的聲紋特征對應(yīng)的音頻會議內(nèi)容進(jìn)行分離的方式，對所述音頻會議內(nèi)容進(jìn)行對應(yīng)所述人聲模型的人聲分離。

4.如權(quán)利要求1所述的基于人聲模型的聲音分離方法，其特征在于，所述按時間戳方式，將所述人聲分離后的音頻會議內(nèi)容中的每個參會人員的聲音數(shù)據(jù)分別進(jìn)行關(guān)聯(lián)所述個人特征的標(biāo)記，包括：

根據(jù)所述人聲分離后的音頻會議內(nèi)容中的每個參會人員的聲音數(shù)據(jù)對應(yīng)的時間戳，生成關(guān)聯(lián)所述時間戳的標(biāo)簽，根據(jù)所述生成的標(biāo)簽，將所述人聲分離后的音頻會議內(nèi)容中的每個參會人員的聲音數(shù)據(jù)分別進(jìn)行關(guān)聯(lián)所述個人特征的標(biāo)記。

5.如權(quán)利要求1所述的基于人聲模型的聲音分離方法，其特征在于，在所述根據(jù)所述經(jīng)分別標(biāo)記后的每個參會人員的聲音數(shù)據(jù)，形成所述音頻會議內(nèi)容的文本會議記錄之后，還包括：

根據(jù)所述形成的文本會議記錄，配置所述音頻會議內(nèi)容關(guān)聯(lián)的參會人員的文本會議記錄。

6.一種基于人聲模型的聲音分離裝置，其特征在于，包括：

采集模塊、提取模塊、構(gòu)建模塊、分離模塊、標(biāo)記模塊和記錄模塊；

所述采集模塊，用于采集每個參加音頻會議的參會人員的聲音數(shù)據(jù)和個人特征；其中，所述個人特征包括性別和/或年齡和/或工作單位和/或工作地點(diǎn)和/或工作電話；

所述提取模塊，用于對所述采集的每個參會人員的聲音數(shù)據(jù)進(jìn)行聲紋特征提取；

所述構(gòu)建模塊，用于構(gòu)建關(guān)聯(lián)所述個人特征和對應(yīng)所述個人特征的聲紋特征的人聲模型；

所述分離模塊，用于對音頻會議內(nèi)容進(jìn)行對應(yīng)所述人聲模型的人聲分離；其中，所述音頻會議內(nèi)容關(guān)聯(lián)的參會人員為所述采集的每個參會人員的聲音數(shù)據(jù)對應(yīng)的參會人員中的部分人員或全部人員；

所述標(biāo)記模塊，用于按時間戳方式，將所述人聲分離后的音頻會議內(nèi)容中的每個參會人員的聲音數(shù)據(jù)分別進(jìn)行關(guān)聯(lián)所述個人特征的標(biāo)記；

所述記錄模塊，用于根據(jù)所述經(jīng)分別標(biāo)記后的每個參會人員的聲音數(shù)據(jù)，形成所述音頻會議內(nèi)容的文本會議記錄。

7.如權(quán)利要求6所述的基于人聲模型的聲音分離裝置，其特征在于，所述構(gòu)建模塊，具體用于：

根據(jù)所述個人特征，篩選出對應(yīng)所述個人特征的聲紋特征的聲紋特征集合，根據(jù)所述聲紋特征集合，構(gòu)建關(guān)聯(lián)所述個人特征和對應(yīng)所述個人特征的聲紋特征的人聲模型。