[發明專利]音頻指紋提取方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110260352.0
• 申請日: 2021-03-10
• 公開（公告）號: CN113113051A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 黃潤乾
• 申請（專利權）人: 深圳市聲揚科技有限公司
• 主分類號: G10L25/87
• 分類號: G10L25/87;G10L21/0208;G06F16/683;G06F16/61
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 吳平

本申請涉及一種音頻指紋提取方法、裝置、計算機設備和存儲介質。所述方法包括：獲取音頻信號，對音頻信號進行語音端點檢測處理，識別音頻信號中的噪聲音頻；獲取音頻信號對應的星譜圖，清除噪聲音頻在星譜圖中對應的星點，得到更新星譜圖；根據更新星譜圖，得到音頻特征哈希數據；根據音頻特征哈希數據，得到音頻指紋。采用本方法能夠有效抵御噪聲音頻對音頻指紋提取的影響，提高了噪聲魯棒性。

技術領域

本申請涉及音頻指紋技術領域，特別是涉及一種音頻指紋提取方法、裝置、計算機設備和存儲介質。

背景技術

隨著音頻指紋技術的發展，當前已被廣泛用于音樂識別、版權內容監播等等領域。通過音頻指紋技術可以將音頻信號中獨一無二的特征信息提取出來，用于海量聲音樣本的識別、搜索和定位服務，音頻指紋技術是一種可以自動識別音頻內容的技術。

音頻指紋技術會從音頻信號中提取出噪聲魯棒性的特征，傳統的音頻指紋技術雖然具備噪聲魯棒性，但僅限于微弱的噪聲音頻與目標音頻重疊的情況。在存在噪聲音頻的干擾信號時，不僅包含與目標音頻重疊的疊加噪聲，還包含與目標音頻并列的噪聲的情況，在噪聲音頻較強且與目標音頻未疊加的比例較高時，即噪聲音頻與目標音頻并列的情況下，傳統的音頻指紋技術無法保證其噪聲魯棒性，噪聲音頻對音頻指紋識別的結果影響非常大。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高噪聲魯棒性的音頻指紋提取方法、裝置、計算機設備和存儲介質。

一種音頻指紋提取方法，所述方法包括：

獲取音頻信號，對音頻信號進行語音端點檢測處理，識別音頻信號中的噪聲音頻；

獲取音頻信號對應的星譜圖，清除噪聲音頻在星譜圖中對應的星點，得到更新星譜圖；

根據更新星譜圖，得到音頻特征哈希數據；

根據音頻特征哈希數據，得到音頻指紋。

在其中一個實施例中，音頻信號包括目標音頻和噪聲音頻；獲取音頻信號，對音頻信號進行語音端點檢測處理，識別音頻信號中的噪聲音頻包括：

獲取音頻信號，基于語音端點檢測深度學習模型，對音頻信號進行語音端點檢測處理，識別音頻信號中的噪聲音頻和目標音頻，語音端點檢測深度學習模型通過音頻訓練數據構建。

在其中一個實施例中，更新星譜圖為目標音頻對應的星譜圖；語音端點檢測深度學習模型的訓練過程包括：

獲取攜帶有分類標簽的音頻訓練數據，音頻訓練數據包括目標音頻訓練數據和噪聲音頻訓練數據；

獲取初始的語音端點檢測深度學習模型，根據音頻訓練數據，通過語音端點檢測算法對初始的語音端點檢測深度學習模型進行訓練，得到語音端點檢測深度學習模型。

在其中一個實施例中，獲取音頻信號對應的星譜圖，清除噪聲音頻在星譜圖中對應的星點，得到更新星譜圖之前，還包括：

對目標音頻進行語音增強處理，語音增強處理包括基于譜減法的語音增強處理以及基于深度學習算法的語音增強處理中的任意一種。

在其中一個實施例中，獲取音頻信號對應的星譜圖，清除噪聲音頻在星譜圖中對應的星點，得到更新星譜圖包括：

基于音頻指紋算法，提取音頻信號對應的星譜圖，星譜圖上的星點沿時間軸分布；

沿時間軸對星譜圖中各時刻的星點進行檢測；

當檢測到星點對應的音頻信號為噪聲音頻時，清除噪聲音頻對應的星點，得到更新星譜圖。

在其中一個實施例中，音頻特征哈希數據包括音頻特征哈希表；根據更新星譜圖，得到音頻特征哈希數據包括：