[發(fā)明專利]一種音頻識別方法、裝置、設(shè)備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202110750209.X | 申請日： | 2021-07-02 |
| 公開（公告）號： | CN113628637A | 公開（公告）日： | 2021-11-09 |
| 發(fā)明（設(shè)計）人： | 張冉;梁先華;王曉瑞 | 申請（專利權(quán)）人： | 北京達(dá)佳互聯(lián)信息技術(shù)有限公司 |
| 主分類號： | G10L25/51 | 分類號： | G10L25/51;G10L25/57;G06K9/00 |
| 代理公司： | 北京中博世達(dá)專利商標(biāo)代理有限公司 11274 | 代理人： | 申健 |
| 地址： | 100085 北京市海淀*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 音頻 識別 方法 裝置 設(shè)備 存儲 介質(zhì) | ||
本公開提供一種關(guān)于音頻識別方法、裝置、設(shè)備及存儲介質(zhì)，涉及視頻處理領(lǐng)域。包括：獲取待分析視頻的音頻數(shù)據(jù)和圖像數(shù)據(jù)；根據(jù)待分析視頻的音頻數(shù)據(jù)，確定待分析視頻的音頻的指紋特征；在音頻庫中不存在與音頻的指紋特征匹配的音頻的情況下，根據(jù)待分析視頻的音頻數(shù)據(jù)，確定待分析視頻中的音樂特征和語音歌詞中的至少一項(xiàng)；以及，根據(jù)待分析視頻的圖像數(shù)據(jù)，確定待分析視頻中的文字歌詞和歌名中的至少一項(xiàng)；根據(jù)特征數(shù)據(jù)中的一項(xiàng)或多項(xiàng)，從音頻庫中匹配待分析視頻的歌曲標(biāo)識?；诖耍ㄟ^視頻中的音頻數(shù)據(jù)和圖像數(shù)據(jù)兩個維度確定視頻中的文件，可以提高識別視頻中的音頻文件的準(zhǔn)確度。
技術(shù)領(lǐng)域
本公開涉及視頻處理領(lǐng)域，尤其涉及一種音頻識別方法、裝置、設(shè)備及存儲介質(zhì)。
背景技術(shù)
相關(guān)技術(shù)中，主要依賴音頻識別方法識別視頻中的音頻文件。例如，采用指紋特征技術(shù)，確定待識別視頻中的音頻文件的指紋特征，并從音頻庫庫中匹配出與待識別視頻中的音頻文件的指紋特征匹配的音頻作為待識別視頻中的音頻文件。
但是受限于音頻識別算法準(zhǔn)確度較低，以及音頻中的噪音影響等因素，采用音頻識別方法識別視頻中的音頻文件的準(zhǔn)確度較低。
發(fā)明內(nèi)容
本公開提供一種音頻識別方法、裝置、設(shè)備及存儲介質(zhì)，以至少解決相關(guān)技術(shù)中采用音頻識別方法識別視頻中的音頻文件的準(zhǔn)確度較低的問題。本公開的技術(shù)方案如下：
根據(jù)本公開實(shí)施例的第一方面，提供一種音頻識別方法，包括：
獲取待分析視頻的音頻數(shù)據(jù)和圖像數(shù)據(jù)；
根據(jù)所述待分析視頻的音頻數(shù)據(jù)，確定所述待分析視頻的音頻的指紋特征，并根據(jù)所述音頻的指紋特征從音頻庫中匹配所述待分析視頻的歌曲標(biāo)識；
在音頻庫中不存在與所述音頻的指紋特征匹配的音頻的情況下，根據(jù)所述待分析視頻的音頻數(shù)據(jù)，確定所述待分析視頻中的音樂特征和語音歌詞中的至少一項(xiàng)；以及，根據(jù)所述待分析視頻的圖像數(shù)據(jù)，確定所述待分析視頻中的文字歌詞和歌名中的至少一項(xiàng)；
根據(jù)特征數(shù)據(jù)中的一項(xiàng)或多項(xiàng)，從音頻庫中匹配所述待分析視頻的歌曲標(biāo)識；所述特征數(shù)據(jù)包括：所述待分析視頻中的音樂特征和語音歌詞中的至少一項(xiàng)、以及所述待分析視頻中的文字歌詞以及歌名中的至少一項(xiàng)；其中，所述音頻庫中包括至少一個歌曲的歌曲標(biāo)識，所述至少一個歌曲中所述每個歌曲的指紋特征，以及所述每個歌曲的所述特征數(shù)據(jù)中的一項(xiàng)或多項(xiàng)。
可選的，在所述音頻庫中存在與所述音頻的指紋特征匹配的音頻的情況下，確定所述與所述的音頻的指紋特征匹配的音頻的歌曲標(biāo)識，為所述待分析視頻的歌曲標(biāo)識。
可選的，在所述音頻庫中存在與所述音頻的指紋特征匹配的音頻的情況下，確定所述待分析視頻中的音頻為原唱歌曲；
在所述音頻庫中不存在與所述音頻的指紋特征匹配的音頻，且從所述音頻庫中匹配到所述待分析視頻的歌曲標(biāo)識的情況下，確定所述待分析視頻中的音頻為翻唱歌曲。
可選的，所述根據(jù)所述待分析視頻的圖像信息，確定所述待分析視頻中的歌曲的文字歌詞和歌名中的至少一項(xiàng)，包括：
獲取所述待分析視頻的封面圖像，并確定所述待分析視頻的封面圖像為所述待分析視頻的圖像信息；
識別所述待分析視頻的封面圖像中的文字信息；
從所述封面圖像中的文字信息中，獲取所述待分析視頻中的歌曲的文字歌詞和歌名中的至少一項(xiàng)。
可選的，在所述獲取所述待分析視頻中的歌曲的文字歌詞的情況下，所述根據(jù)特征數(shù)據(jù)中的一項(xiàng)或多項(xiàng)，從音頻庫中匹配所述待分析視頻的歌曲標(biāo)識，包括：
查詢所述音頻庫中是否存在與所述待分析視頻的封面圖像中的文字歌詞匹配的歌詞；其中，所述音頻庫中包括至少一個歌曲中每個歌曲的歌曲標(biāo)識，以及所述每個歌曲的歌詞；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京達(dá)佳互聯(lián)信息技術(shù)有限公司，未經(jīng)北京達(dá)佳互聯(lián)信息技術(shù)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110750209.X/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
