[發明專利]歌詞識別方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202111465773.3
• 申請日: 2021-12-03
• 公開（公告）號: CN114141250A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 洛晉申;張培熙;黨正軍
• 申請（專利權）人: 廣州酷狗計算機科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/14;G10L15/16
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 孫翠賢;孟維娜

1.一種歌詞識別方法，其特征在于，所述方法包括：

獲取待識別歌詞的目標音頻；

從所述目標音頻中，選取待分析音頻片段；其中，所述待分析音頻片段為屬于唱歌類型的片段；

對所述待分析音頻片段進行語音識別，得到識別結果；

基于所得到的識別結果，生成所述目標音頻的歌詞內容。

2.根據權利要求1所述的方法，其特征在于，從所述目標音頻中，選取待分析音頻片段，包括：

從所述目標音頻中，提取多個音頻片段；其中，所述多個音頻片段的片段內容覆蓋所述目標音頻的音頻內容；

對各個音頻片段進行音頻類型識別，得到各個音頻片段對應的識別結果；其中，所述音頻類型識別所針對的音頻類型包括唱歌類型；

確定所對應識別結果為唱歌類型的音頻片段，作為待分析音頻片段。

3.根據權利要求2所述的方法，其特征在于，所述對各個音頻片段進行音頻類型識別，得到各個音頻片段對應的識別結果，包括：

針對每一音頻片段，將該音頻片段的音頻數據輸入預先訓練的分類模型，得到該音頻片段對應的識別結果；

其中，所述分類模型為預先基于樣本音頻和類型標簽所訓練的分類模型，所述類型標簽包括唱歌類型。

4.根據權利要求2所述的方法，其特征在于，所述從所述目標音頻中，提取多個音頻片段，包括：

采用滑動窗口，從所述目標音頻中依此選取具有指定長度的各個音頻片段，其中，所述指定長度為滑動窗口的窗口大小。

5.根據權利要求4所述的方法，其特征在于，所述滑動窗口的滑動步長小于所述窗口大小。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述待分析音頻片段的數量為多個；

所述對所述待分析音頻片段進行語音識別，得到識別結果，包括：

若多個待分析音頻片段中，存在符合預定整合條件的各個目標片段，則獲取各個目標片段對應的整合片段，其中，所述預定整合條件包括：音頻時間連續且相鄰片段存在重疊的音頻時間；所述整合片段為所述目標音頻中以第一時間點為起始時間點，以第二時間點為終止時間點的音頻片段，所述第一時間點為各個目標片段的起始時間點的最小值，所述第二時間點為各個目標片段的終止時間點的最大值；

對所述整合片段以及其他待分析音頻片段，分別進行語音識別，得到識別結果；其中，其他待分析音頻片段為除各個目標片段以外的待分析音頻片段。

7.根據權利要求1-5任一項所述的方法，其特征在于，所述基于所得到的識別結果，生成所述目標音頻的歌詞內容，包括：

對所識別得到的識別結果進行糾錯處理；

利用糾錯處理后的識別結果，構成所述目標音頻的歌詞內容。

8.一種歌詞識別裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待識別歌詞的目標音頻；

選取模塊，用于從所述目標音頻中，選取待分析音頻片段；其中，所述待分析音頻片段為屬于唱歌類型的片段；

識別模塊，用于對所述待分析音頻片段進行語音識別，得到識別結果；

生成模塊，用于基于所得到的識別結果，生成所述目標音頻的歌詞內容。

9.一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；

存儲器，用于存放計算機程序；

處理器，用于執行存儲器上所存放的程序時，實現權利要求1-7任一所述的方法步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-7任一所述的方法步驟。