[發(fā)明專利]波形特征提取方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110496090.8
• 申請(qǐng)日: 2021-05-07
• 公開（公告）號(hào): CN113763931B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計(jì)）人: 林永業(yè);王珺
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G10L15/04
• 分類號(hào): G10L15/04;G10L15/02;G10L15/16;G10L15/22;G10L15/26;G06N3/0442;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 張所明

本申請(qǐng)實(shí)施例公開了一種波形特征提取方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。該方法包括：按照多個(gè)尺度分別對(duì)語音波形進(jìn)行分割，得到多個(gè)尺度對(duì)應(yīng)的波形序列，分別對(duì)每個(gè)尺度對(duì)應(yīng)的波形序列中的多個(gè)波形片段進(jìn)行編碼，得到每個(gè)尺度對(duì)應(yīng)的第一特征序列，分別將每個(gè)尺度對(duì)應(yīng)的第一特征序列中的多個(gè)波形特征進(jìn)行融合，得到每個(gè)尺度對(duì)應(yīng)的第二特征序列，將多個(gè)尺度對(duì)應(yīng)的第二特征序列進(jìn)行拼接，得到語音波形對(duì)應(yīng)的波形特征信息，按照多個(gè)尺度對(duì)語音波形進(jìn)行分割成多個(gè)波形片段，并對(duì)每個(gè)尺度對(duì)應(yīng)的波形片段的波形特征進(jìn)行增強(qiáng)處理，以提高每個(gè)波形特征的準(zhǔn)確性，將每個(gè)尺度對(duì)應(yīng)的波形特征進(jìn)行拼接，提高了波形特征信息的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別涉及一種波形特征提取方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，語音處理技術(shù)的應(yīng)用越來越廣泛。在多種場(chǎng)景下，如語音交互場(chǎng)景、語音識(shí)別場(chǎng)景等，通常都需要對(duì)語音數(shù)據(jù)對(duì)應(yīng)的語音波形進(jìn)行處理，以獲知語音波形中包含的語義。相關(guān)技術(shù)中，直接對(duì)語音波形進(jìn)行特征提取，來獲取語音波形的波形特征。但這種特征提取的方式簡(jiǎn)單，得到的波形特征的準(zhǔn)確性差。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種波形特征提取方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，能夠提高波形特征信息的準(zhǔn)確性。所述技術(shù)方案如下：

一方面，提供了一種波形特征提取方法，所述方法包括：

按照多個(gè)尺度分別對(duì)語音波形進(jìn)行分割，得到所述多個(gè)尺度對(duì)應(yīng)的波形序列，任一尺度對(duì)應(yīng)的波形序列包括屬于所述任一尺度的多個(gè)波形片段；

分別對(duì)每個(gè)尺度對(duì)應(yīng)的波形序列中的多個(gè)波形片段進(jìn)行編碼，得到所述每個(gè)尺度對(duì)應(yīng)的第一特征序列，任一尺度對(duì)應(yīng)的第一特征序列包括屬于所述任一尺度的多個(gè)波形片段編碼得到的波形特征；

分別將所述每個(gè)尺度對(duì)應(yīng)的第一特征序列中的多個(gè)波形特征進(jìn)行融合，得到所述每個(gè)尺度對(duì)應(yīng)的第二特征序列；

將所述多個(gè)尺度對(duì)應(yīng)的第二特征序列進(jìn)行拼接，得到所述語音波形對(duì)應(yīng)的波形特征信息。

在一種可能實(shí)現(xiàn)方式中，所述語音波形為語音通話場(chǎng)景中的語音波形；所述將所述多個(gè)尺度對(duì)應(yīng)的第二特征序列進(jìn)行拼接，得到所述語音波形對(duì)應(yīng)的波形特征信息之后，所述方法還包括：

將所述波形特征信息進(jìn)行語音轉(zhuǎn)換，得到所述波形特征對(duì)應(yīng)的語音信息；

播放所述語音信息。

另一方面，提供了一種波形特征提取裝置，所述裝置包括：

分割模塊，用于按照多個(gè)尺度分別對(duì)語音波形進(jìn)行分割，得到所述多個(gè)尺度對(duì)應(yīng)的波形序列，任一尺度對(duì)應(yīng)的波形序列包括屬于所述任一尺度的多個(gè)波形片段；

編碼模塊，用于分別對(duì)每個(gè)尺度對(duì)應(yīng)的波形序列中的多個(gè)波形片段進(jìn)行編碼，得到所述每個(gè)尺度對(duì)應(yīng)的第一特征序列，任一尺度對(duì)應(yīng)的第一特征序列包括屬于所述任一尺度的多個(gè)波形片段編碼得到的波形特征；

融合模塊，用于分別將所述每個(gè)尺度對(duì)應(yīng)的第一特征序列中的多個(gè)波形特征進(jìn)行融合，得到所述每個(gè)尺度對(duì)應(yīng)的第二特征序列；

拼接模塊，用于將所述多個(gè)尺度對(duì)應(yīng)的第二特征序列進(jìn)行拼接，得到所述語音波形對(duì)應(yīng)的波形特征信息。

在一種可能實(shí)現(xiàn)方式中，所述融合模塊，包括：

分割單元，用于對(duì)于任一尺度，對(duì)所述尺度對(duì)應(yīng)的第一特征序列進(jìn)行分割，得到多個(gè)第一子序列，每個(gè)第一子序列包括至少一個(gè)第一波形特征，每個(gè)第一波形特征與一個(gè)波形片段對(duì)應(yīng)；