[發明專利]音頻處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011508130.8
• 申請日: 2020-12-18
• 公開（公告）號: CN112614515A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 曾耀武;黃強;譚安林
• 申請（專利權）人: 廣州虎牙科技有限公司
• 主分類號: G10L25/87
• 分類號: G10L25/87
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張欣欣

本申請提出一種音頻處理方法、裝置、電子設備及存儲介質，涉及互聯網技術領域，通過預設的滑動窗口，并按照時間的先后順序在音頻文件中確定出目標音頻片段，并在確定目標音頻片段為有聲片段，且記錄的輪次標記為有效音頻的情況下，將目標音頻片段添加至預先配置的緩沖區；如此，使得緩沖區內保存的音頻片段被用于標注訓練樣本時，能夠減少低質量訓練樣本的比例，從而提高標注的產出率。

技術領域

本申請涉及互聯網技術領域，具體而言，涉及一種音頻處理方法、裝置、電子設備及存儲介質。

背景技術

隨著人工智能技術的發展，深度學習模型在生活生產中有了更多的應用，比如人機交互、語音識別、電信詐騙檢測等。

其中，在對深度學習模型訓練之前，需要獲取大量有分類標簽的訓練樣本，從而利用對應有分類標簽訓練樣本對深度學習模型進行訓練。

然而，在對訓練樣本進行標注的過程中，可能存在大量質量較低的樣本，導致標注的產出率較低。

發明內容

本申請的目的在于提供一種音頻處理方法、裝置、電子設備及存儲介質，能夠提高標注的產出率。

為了實現上述目的，本申請采用的技術方案如下：

第一方面，本申請提供一種音頻處理方法，所述方法包括：

按照時間的先后順序，利用預設的滑動窗口在音頻文件中確定出目標音頻片段；

若確定所述目標音頻片段為有聲片段，且記錄的輪次標記為有效音頻，則將所述目標音頻片段添加至預先配置的緩沖區；其中，所述輪次標記用于指示當前處理的音頻片段為有效音頻或無效音頻。

第二方面，本申請提供一種音頻處理裝置，所述裝置包括：

滑動模塊，用于按照時間的先后順序，利用預設的滑動窗口在音頻文件中確定出目標音頻片段；

處理模塊，用于若確定所述目標音頻片段為有聲片段，且記錄的輪次標記為有效音頻，則將所述目標音頻片段添加至預先配置的緩沖區；其中，所述輪次標記用于指示當前處理的音頻片段為有效音頻或無效音頻。

第三方面，本申請提供一種電子設備，所述電子設備包括存儲器，用于存儲一個或多個程序；處理器；當所述一個或多個程序被所述處理器執行時，實現上述的音頻處理方法。

第四方面，本申請提供一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現上述的音頻處理方法。

本申請提供的一種音頻處理方法、裝置、電子設備及存儲介質，通過預設的滑動窗口，并按照時間的先后順序在音頻文件中確定出目標音頻片段，并在確定目標音頻片段為有聲片段，且記錄的輪次標記為有效音頻的情況下，將目標音頻片段添加至預先配置的緩沖區；如此，使得緩沖區內保存的音頻片段被用于標注訓練樣本時，能夠減少低質量訓練樣本的比例，從而提高標注的產出率。

為使本申請的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本申請的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本申請的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它相關的附圖。

圖1示出本申請提供的電子設備的一種示意性結構框圖。

圖2示出本申請提供的音頻處理方法的一種示意性流程圖。

圖3示出本申請提供的音頻處理方法的一種場景示意圖。

圖4示出本申請提供的音頻處理方法的一種方框流程圖。