[發明專利]音頻分類方法及裝置

在審

• 申請號: 202110170724.0
• 申請日: 2021-02-08
• 公開（公告）號: CN112992181A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 馬進
• 申請（專利權）人: 上海嗶哩嗶哩科技有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/03;G10L25/30;G10L25/18
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 劉曉楠

1.一種音頻分類方法，其特征在于，包括：

提取多個待分類音頻的第一音頻特征以及第二音頻特征；

根據所述第一音頻特征對所述多個待分類音頻進行聚類處理，生成至少兩個聚類簇；

確定目標聚類簇對應的待分類音頻集，并根據所述待分類音頻集中待分類音頻的第二音頻特征，對所述待分類音頻集中的待分類音頻進行篩選獲得目標分類音頻集，其中，所述目標聚類簇為所述至少兩個聚類簇之一；

根據獲得的至少兩個目標分類音頻集確定所述多個待分類音頻的音頻分類結果。

2.根據權利要求1所述的音頻分類方法，其特征在于，所述提取多個待分類音頻的第一音頻特征，包括：

獲取多個待分類音頻的脈沖編碼調制信號，將所述脈沖編碼調制信號輸入音頻特征提取模型進行處理，生成所述多個待分類音頻的第一音頻特征。

3.根據權利要求2所述的音頻分類方法，其特征在于，所述將所述脈沖編碼調制信號輸入音頻特征提取模型進行處理，生成所述多個待分類音頻的第一音頻特征，包括：

將所述脈沖編碼調制信號輸入音頻特征提取模型進行處理，生成所述脈沖編碼調制信號的時序特征向量以及空間特征向量；

對所述時序特征向量及所述空間特征向量進行向量融合，生成所述多個待分類音頻的第一音頻特征。

4.根據權利要求3所述的音頻分類方法，其特征在于，所述將所述脈沖編碼調制信號輸入音頻特征提取模型進行處理，生成所述脈沖編碼調制信號的時序特征向量以及空間特征向量，包括：

將所述脈沖編碼調制信號輸入音頻特征提取模型；

通過所述音頻特征提取模型中的時序特征提取模塊提取所述脈沖編碼調制信號的時序特征向量，以及，通過所述音頻特征提取模型中的空間特征提取模塊提取所述脈沖編碼調制信號的空間特征向量。

5.根據權利要求2所述的音頻分類方法，其特征在于，所述獲取多個待分類音頻的脈沖編碼調制信號，包括：

按預設采樣頻率對多個待分類音頻的音頻信號進行采樣；

對采樣值幅度進行量化，并對量化結果進行編碼生成所述多個待分類音頻的脈沖編碼調制信號。

6.根據權利要求1所述的音頻分類方法，其特征在于，所述提取多個待分類音頻的第一音頻特征以及第二音頻特征，包括：

通過音頻特征提取模型提取多個待分類音頻的第一音頻特征；以及，

將所述多個待分類音頻進行頻譜化，生成所述多個待分類音頻的頻譜圖；

基于所述頻譜圖提取所述多個待分類音頻的第二音頻特征。

7.根據權利要求6所述的音頻分類方法，其特征在于，所述將所述多個待分類音頻進行頻譜化，生成所述多個待分類音頻的頻譜圖，包括：

對所述多個待分類音頻進行短時傅里葉變換，生成所述多個待分類音頻的頻譜圖。

8.根據權利要求1所述的音頻分類方法，其特征在于，所述根據所述第一音頻特征對所述多個待分類音頻進行聚類處理，包括：

利用聚類分析算法及所述第一音頻特征對所述多個待分類音頻進行聚類處理。

9.根據權利要求1所述的音頻分類方法，其特征在于，所述確定目標聚類簇對應的待分類音頻集，并根據所述待分類音頻集中待分類音頻的第二音頻特征，對所述待分類音頻集中的待分類音頻進行篩選獲得目標分類音頻集，包括：

基于目標聚類簇對應的待分類音頻集中待分類音頻的第二音頻特征，計算所述待分類音頻集中任意兩個待分類音頻間的距離；

根據距離計算結果對所述待分類音頻集中的待分類音頻進行篩選獲得目標分類音頻集。