[發明專利]一種音頻提取方法、裝置、設備和存儲介質

在審

• 申請號: 202111328474.5
• 申請日: 2021-11-10
• 公開（公告）號: CN114049898A
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 郭震;李良斌;陳孝良
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L25/51
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 魯梅

1.一種音頻提取方法，其特征在于，包括：

獲取待處理音頻和注冊音頻，所述注冊音頻為所述待處理音頻中的一段目標對象的語音音頻；

對所述待處理音頻進行切分，得到多個窗口片段；

提取所述注冊音頻以及所述窗口片段的特征向量；

對所述窗口片段的特征向量與所述注冊音頻的特征向量進行相似度分析；

基于當前窗口片段以及與當前窗口片段相鄰的窗口片段與所述注冊音頻的特征向量的相似度，判斷所述當前窗口片段是否為目標對象的語音音頻；

將目標對象的語音音頻確定為提取音頻。

2.根據權利要求1所述的音頻提取方法，其特征在于，基于當前窗口片段以及與當前窗口片段相鄰的窗口片段與所述注冊音頻的特征向量的相似度，判斷所述當前窗口片段是否為目標對象的語音音頻，包括：

計算當前窗口片段與所述注冊音頻的特征向量的相似度，記為第一相似度；

判斷第一相似度是否大于預設分數閾值；

當不大于預設分數閾值時，則確定所述當前窗口片段不為目標對象的語音音頻；

當大于預設分數閾值時，獲取第二相似度和第三相似度，所述第二相似度為與所述當前窗口片段相鄰且位于所述當前窗口片段之前的一個窗口片段與所述注冊音頻的特征向量的相似度，所述第三相似度為與所述當前窗口片段相鄰且位于所述當前窗口片段之后的一個窗口片段與所述注冊音頻的特征向量的相似度；

基于所述第一相似度、所述第二相似度和所述第三相似度判斷所述當前窗口片段是否為目標對象的語音音頻。

3.根據權利要求2所述的音頻提取方法，其特征在于，基于所述第一相似度、所述第二相似度和所述第三相似度判斷所述當前窗口片段是否為目標對象的語音音頻，包括：

判斷所述第一相似度、所述第二相似度和所述第三相似度是否滿足第一預設條件和第二預設條件；

所述第一預設條件為：所述當前窗口片段和與其相鄰的窗口片段之間的聲紋相似度均低于設定值；

所述第二預設條件為：所述第二相似度和所述第三相似度的值均小于所述預設分數閾值；

當滿足所述第一預設條件和所述第二預設條件中的任意一項時，則確定所述當前窗口片段不是目標對象的語音音頻，否則，則確定所述當前窗口片段是目標對象的語音音頻。

4.根據權利要求3所述的音頻提取方法，其特征在于，所述第一預設條件具體為：所述第一相似度和所述第二相似度的差值、以及所述第一相似度和所述第三相似度的差值均大于預設分差閾值。

5.根據權利要求1-4任一項所述的音頻提取方法，其特征在于，對所述待處理音頻進行切分，包括：

對所述待處理音頻進行語音活動檢測，去除所述待處理音頻中的靜音期；

使用滑動窗口對去除靜音期后的待處理音頻進行切分。

6.根據權利要求1-4任一項所述的音頻提取方法，其特征在于，提取所述注冊音頻以及所述窗口片段的特征向量，包括：

提取數據增強后的注冊音頻的特征向量；

提取數據增強后的窗口片段的特征向量。

7.一種音頻提取裝置，其特征在于，包括：

音頻獲取單元，用于獲取待處理音頻和注冊音頻，所述注冊音頻為所述待處理音頻中的一段目標對象的語音音頻；

音頻處理單元，用于對所述待處理音頻進行切分，得到多個窗口片段；

特征向量提取單元，用于提取所述注冊音頻以及所述窗口片段的特征向量；

相似度計算單元，用于對所述窗口片段的特征向量與所述注冊音頻的特征向量進行相似度分析；

目標音頻檢測單元，用于基于當前窗口片段以及與當前窗口片段相鄰的窗口片段與所述注冊音頻的特征向量的相似度，判斷所述當前窗口片段是否為目標對象的語音音頻；將目標對象的語音音頻確定為提取音頻。