[發(fā)明專利]音頻的處理方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010920160.3
• 申請(qǐng)日: 2020-09-04
• 公開(kāi)（公告）號(hào): CN112183107A
• 公開(kāi)（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 楊宇庭;徐廣平;錢莉;杜俊
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司;中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類號(hào): G06F40/30
• 分類號(hào): G06F40/30;G10L15/22
• 代理公司: 北京龍雙利達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11329
• 代理人: 張卿;時(shí)林

1.一種音頻處理方法，其特征在于，應(yīng)用于會(huì)議系統(tǒng)，其中，所述會(huì)議系統(tǒng)包括至少一個(gè)音頻采集設(shè)備，所述方法包括：

接收所述至少一個(gè)音頻采集設(shè)備采集的至少一段音頻；

確定所述至少一段音頻中多個(gè)目標(biāo)的語(yǔ)音；

分別對(duì)所述多個(gè)目標(biāo)中每個(gè)目標(biāo)的語(yǔ)音進(jìn)行語(yǔ)音識(shí)別，以獲取每個(gè)所述目標(biāo)的語(yǔ)音對(duì)應(yīng)的語(yǔ)義。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述至少一段音頻中多個(gè)目標(biāo)的語(yǔ)音，包括：

判斷待處理語(yǔ)音是否為所述多個(gè)目標(biāo)中第一目標(biāo)的語(yǔ)音，所述待處理語(yǔ)音是從所述至少一段音頻中確定的；

當(dāng)所述待處理語(yǔ)音不是所述第一目標(biāo)的語(yǔ)音時(shí)，對(duì)所述待處理語(yǔ)音進(jìn)行語(yǔ)音分離，以獲得分離語(yǔ)音；

識(shí)別所述分離語(yǔ)音對(duì)應(yīng)的目標(biāo)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

當(dāng)所述待處理語(yǔ)音不是所述第一目標(biāo)的語(yǔ)音時(shí)，判斷所述待處理語(yǔ)音是否存在語(yǔ)音重疊；

所述對(duì)所述待處理語(yǔ)音進(jìn)行語(yǔ)音分離，包括：當(dāng)所述待處理語(yǔ)音存在語(yǔ)音重疊時(shí)，對(duì)所述待處理語(yǔ)音進(jìn)行語(yǔ)音分離。

4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述方法還包括：

獲取檢測(cè)語(yǔ)音；

對(duì)所述檢測(cè)語(yǔ)音進(jìn)行語(yǔ)音識(shí)別，以確定所述檢測(cè)語(yǔ)音的語(yǔ)義；

當(dāng)所述檢測(cè)語(yǔ)音的語(yǔ)義為預(yù)設(shè)內(nèi)容時(shí)，對(duì)所述檢測(cè)語(yǔ)音進(jìn)行特征提取，以得到所述第一目標(biāo)的語(yǔ)音特征；

所述判斷所述待處理語(yǔ)音是否為第一目標(biāo)的語(yǔ)音，包括：根據(jù)所述第一目標(biāo)的語(yǔ)音特征，判斷所述待處理語(yǔ)音是否為所述第一目標(biāo)的語(yǔ)音。

5.根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的方法，其特征在于，所述確定所述至少一段音頻中多個(gè)目標(biāo)的語(yǔ)音，包括：

利用聲音狀態(tài)檢測(cè)VAD算法，確定所述至少一段音頻中的多段連續(xù)語(yǔ)音；

從所述多段連續(xù)語(yǔ)音中確定所述多個(gè)目標(biāo)中每個(gè)目標(biāo)的語(yǔ)音。

6.根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的方法，其特征在于，所述至少一個(gè)音頻采集設(shè)備包括多個(gè)終端設(shè)備，所述至少一段音頻包括每個(gè)所述終端設(shè)備采集的音頻，

所述確定所述至少一段音頻中多個(gè)目標(biāo)的語(yǔ)音，包括：

利用多通道濾波器算法對(duì)所述多段音頻進(jìn)行處理，以得到去除噪聲后的音頻；

從所述去除噪聲后的音頻中確定所述多個(gè)目標(biāo)的語(yǔ)音。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

獲取所述多段音頻中每段音頻的時(shí)間信息，以實(shí)現(xiàn)所述多段音頻的時(shí)間同步；

所述利用多通道濾波器算法對(duì)多段采集音頻進(jìn)行處理，包括：利用所述多通道濾波器算法對(duì)實(shí)現(xiàn)時(shí)間同步的所述多段音頻進(jìn)行處理。

8.根據(jù)權(quán)利要求1-7中任一項(xiàng)所述的方法，其特征在于，所述分別對(duì)所述多個(gè)目標(biāo)中每個(gè)目標(biāo)的語(yǔ)音進(jìn)行語(yǔ)音識(shí)別，包括：

將所述多個(gè)目標(biāo)的語(yǔ)音輸入多個(gè)語(yǔ)音識(shí)別模型，所述多個(gè)語(yǔ)音識(shí)別模型用于并行進(jìn)行語(yǔ)音識(shí)別。

9.根據(jù)權(quán)利要求1-8中任一項(xiàng)所述的方法，其特征在于，所述方法還包括：

輸出會(huì)議紀(jì)要，所述會(huì)議紀(jì)要包括所述每個(gè)所述目標(biāo)的語(yǔ)音對(duì)應(yīng)的語(yǔ)義。

10.根據(jù)權(quán)利要求1-9中任一項(xiàng)所述的方法，其特征在于，所述至少一個(gè)音頻包括多段連續(xù)語(yǔ)音，

所述確定所述至少一段音頻中多個(gè)目標(biāo)的語(yǔ)音，包括：從每段所述連續(xù)語(yǔ)音中確定至少一個(gè)目標(biāo)的語(yǔ)音；

所述方法還包括：對(duì)每段所述連續(xù)語(yǔ)音中每個(gè)目標(biāo)的語(yǔ)音對(duì)應(yīng)的語(yǔ)義進(jìn)行處理，得到每段所述連續(xù)語(yǔ)音中每個(gè)目標(biāo)的語(yǔ)音對(duì)應(yīng)的主題。

11.根據(jù)權(quán)利要求10所述的方法，其特征在于，所述方法還包括：

獲取第一查詢信息，所述第一查詢信息包括用于指示第一主題的主題信息；

根據(jù)每段所述連續(xù)語(yǔ)音中每個(gè)目標(biāo)的語(yǔ)音對(duì)應(yīng)的主題，輸出第一音頻數(shù)據(jù)，所述第一音頻數(shù)據(jù)包括所述第一主題對(duì)應(yīng)的至少一個(gè)語(yǔ)音。