[發明專利]用于標記說話人的方法、裝置和電子設備

在審

• 申請號: 202210139621.2
• 申請日: 2022-02-15
• 公開（公告）號: CN114550728A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 劉藝;范文之;薛政;馬澤君
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/14;G10L17/16;G10L25/51
• 代理公司: 泰和泰律師事務所 51219
• 代理人: 祝海燕

本公開實施例公開了用于標記說話人的方法、裝置和電子設備。該方法的一具體實施方式包括：獲取聲音數據幀序列，以及獲取與聲音數據幀序列中的聲音數據幀對應的聲源位置信息；基于聲源位置信息，確定聲學模型的至少一種描述參數；基于所述聲學模型，確定所述聲音數據幀序列的說話人標識序列，所述說話人標識序列中的說話人標識指示聲音數據幀序列中的聲音數據幀所對應的說話人。由此，提供了一種新的用于標記說話人的方式。

技術領域

本公開涉及計算機技術領域，尤其涉及一種用于標記說話人的方法、裝置和電子設備。

背景技術

隨著計算機的發展，用戶可以使用電子設備實現各種功能。例如，用戶可以通過電子設備與他人進行多媒體會議，實現不受時間或者空間限制地開啟會議。

在一些場景中，說話人標記是將一段語音中不同說話人的說話區間標記出來的技術，又稱為說話人分割聚類。說話人標記常用于會議錄音的轉錄，使用戶能夠直接從文本上分辨出每段話對應的說話人，更好地理解會議內容。

發明內容

提供該公開內容部分以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該公開內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

第一方面，本公開實施例提供了一種用于標記說話人的方法，該方法包括：獲取聲音數據幀序列，以及獲取與聲音數據幀序列中的聲音數據幀對應的聲源位置信息；基于聲源位置信息，確定聲學模型的至少一種描述參數；基于所述聲學模型，確定所述聲音數據幀序列的說話人標識序列，所述說話人標識序列中的說話人標識指示聲音數據幀序列中的聲音數據幀所對應的說話人。

第二方面，本公開實施例提供了一種用于標記說話人的裝置，包括：獲取單元，用于獲取聲音數據幀序列，以及獲取與聲音數據幀序列中的聲音數據幀對應的聲源位置信息；第一確定單元，用于基于聲源位置信息，確定聲學模型的至少一種描述參數；第二確定單元，用于基于所述聲學模型，確定所述聲音數據幀序列的說話人標識序列，所述說話人標識序列中的說話人標識指示聲音數據幀序列中的聲音數據幀所對應的說話人。

第三方面，本公開實施例提供了一種電子設備，包括：至少一個處理器；存儲裝置，用于存儲至少一個程序，當所述至少一個程序被所述一個或多個處理器執行，使得所述至少一個處理器實現如第一方面所述的用于標記說話人的方法。

第四方面，本公開實施例提供了一種計算機可讀介質，其上存儲有計算機程序，該程序被處理器執行時實現如第一方面所述的用于標記說話人的方法的步驟。

本公開實施例提供的用于標記說話人的方法、裝置和電子設備，首先可以獲取聲音數據幀序列，以及獲取與聲音數據幀序列中的聲音數據幀對應的聲源位置信息；基于聲源位置信息，確定聲學模型的至少一種描述參數，以及基于所述聲學模型，確定所述聲音數據幀序列的說話人標識序列，所述說話人標識序列中的說話人標識指示聲音數據幀序列中的聲音數據幀所對應的說話人。由此，可以提供一種新的標記說話人的方式，這種新的方式綜合考慮語音信號的聲學信息和聲源的位置信息，可以提高標記準確率。

附圖說明

結合附圖并參考以下具體實施方式，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。貫穿附圖中，相同或相似的附圖標記表示相同或相似的元素。應當理解附圖是示意性的，原件和元素不一定按照比例繪制。

圖1是根據本公開的用于標記說話人的方法的一個實施例的流程圖；

圖2是根據本公開的用于標記說話人的方法的一個應用場景的示意圖；

圖3是根據本公開的用于標記說話人的方法的另一個實施例的流程圖；

圖4是根據本公開的用于標記說話人的方法的一種示例性實現方式的流程圖；

圖5是根據本公開的用于標記說話人的裝置的一個實施例的結構示意圖；