[發(fā)明專(zhuān)利]一種識(shí)別說(shuō)話對(duì)象的方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010693717.4
• 申請(qǐng)日: 2020-07-17
• 公開(kāi)（公告）號(hào): CN111883138A
• 公開(kāi)（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 譚聰慧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類(lèi)號(hào): G10L17/00
• 分類(lèi)號(hào): G10L17/00;G10L17/20
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 彭燕

1.一種識(shí)別說(shuō)話對(duì)象的方法，其特征在于，所述方法包括：

確定目標(biāo)音頻文件中說(shuō)話對(duì)象的相似度值；

根據(jù)所述確定的相似度值和預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述目標(biāo)音頻文件的任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象對(duì)應(yīng)的決策值；其中，所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型用于根據(jù)所述任一幀文件的前后幀文件對(duì)應(yīng)的說(shuō)話對(duì)象確定所述任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象的決策值；

將決策值中最大值對(duì)應(yīng)的說(shuō)話對(duì)象確定為所述任一幀文件的說(shuō)話對(duì)象，以識(shí)別所述目標(biāo)音頻文件中所有幀文件對(duì)應(yīng)的說(shuō)話對(duì)象。

2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述確定的相似度值和預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述目標(biāo)音頻文件的任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象對(duì)應(yīng)的決策值，包括：

根據(jù)預(yù)設(shè)狀態(tài)轉(zhuǎn)移條件對(duì)所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象的相似度進(jìn)行處理，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值；其中，所述預(yù)設(shè)狀態(tài)轉(zhuǎn)移條件用于根據(jù)所述任一幀文件的前一個(gè)幀文件的關(guān)聯(lián)值遞推所述任一幀文件的關(guān)聯(lián)值，其中，M為大于1的正整數(shù)；

根據(jù)所述關(guān)聯(lián)值和所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值。

3.如權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述關(guān)聯(lián)值和所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值，包括：

確定所述任一幀文件是否為所述多個(gè)幀文件中最后一個(gè)幀文件，所述多個(gè)幀文件按照劃分順序排列；

若所述任一幀文件為所述最后一個(gè)幀文件，則從所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型中確定第一預(yù)設(shè)動(dòng)態(tài)規(guī)劃子模型，并根據(jù)所述任一幀文件對(duì)應(yīng)的所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值和所述第一預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值；以及，

確定所述任一幀文件不為所述最后一個(gè)幀文件，則從所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型中確定第二預(yù)設(shè)動(dòng)態(tài)規(guī)劃子模型，并根據(jù)所述任一文件對(duì)應(yīng)的所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值和第二預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值。

4.如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述任一幀文件對(duì)應(yīng)的所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值和所述第一預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值，包括：

將所述最后一個(gè)幀文件對(duì)應(yīng)的所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值，輸入所述第一預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，獲得所述最后一個(gè)幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值；

其中，所述第一預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型用于將所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值作為所述最后一個(gè)幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值輸出。

5.如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述任一幀文件對(duì)應(yīng)的所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值和第二預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值，包括：

將所述任一幀文件對(duì)應(yīng)的任一說(shuō)話對(duì)象的關(guān)聯(lián)值、所述任一幀文件的后一個(gè)幀文件的說(shuō)話對(duì)象的相似度以及所述后一個(gè)幀文件的說(shuō)話對(duì)象與所述任一說(shuō)話對(duì)象是否相同對(duì)應(yīng)的指標(biāo)值和預(yù)設(shè)權(quán)重值，輸入所述第二預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，獲得所述任一幀文件對(duì)應(yīng)的任一說(shuō)話對(duì)象對(duì)應(yīng)的決策值，以確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值；

其中，所述第二預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型用于對(duì)所述任一說(shuō)話對(duì)象的關(guān)聯(lián)值和所述后一個(gè)幀文件的說(shuō)話對(duì)象的相似度進(jìn)行相加處理，獲得第一處理值；以根據(jù)所述指標(biāo)值和所述預(yù)設(shè)權(quán)重值確定第二處理值，并根據(jù)所述第一處理值和所述第二處理值，確定決策值。

6.如權(quán)利要求1所述的方法，其特征在于，所述確定目標(biāo)音頻文件的說(shuō)話對(duì)象的相似度值之前，所述方法還包括：

確定音頻文件的屬性信息，其中，所述屬性信息用于表征所述音頻文件是否錄制完成；

若根據(jù)所述屬性信息確定所述音頻文件為錄制完成文件，則基于所述預(yù)設(shè)幀長(zhǎng)度對(duì)所述音頻文件進(jìn)行劃分處理，以確定目標(biāo)音頻文件；以及，

若確定所述音頻文件為正在錄制文件，則對(duì)所述正在錄制文件已錄制完成的第一文件基于所述預(yù)設(shè)幀長(zhǎng)度進(jìn)行劃分處理，以確定第一音頻文件；將所述第一音頻文件作為目標(biāo)音頻文件，以確定所述目標(biāo)音頻文件。