[發(fā)明專利]教師聲音和非教師聲音的區(qū)分方法、裝置、設(shè)備以及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210338821.0
• 申請日: 2022-04-01
• 公開（公告）號: CN114822556A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計）人: 孫德宇
• 申請（專利權(quán)）人: 北京中慶現(xiàn)代技術(shù)股份有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/08;G06K9/62
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 趙萬凱

本申請涉及一種教師聲音和非教師聲音的區(qū)分方法、裝置、設(shè)備以及介質(zhì)，涉及聲音分類的技術(shù)領(lǐng)域，其方法包括采集課堂聲音，根據(jù)所述課堂聲音得到多段聲音片段的聲紋向量；采用BIRTCH聚類算法和Calinski?Harabaz指數(shù)結(jié)合的方法，基于所述聲紋向量進行聲紋聚類，區(qū)分與所述聲紋向量對應(yīng)的聲音片段為非教師聲音還是教師聲音。本申請具有精準(zhǔn)地區(qū)分出課堂中的聲音是教師聲音還是非教師聲音的效果。

技術(shù)領(lǐng)域

本申請涉及聲音分類的技術(shù)領(lǐng)域，尤其是涉及一種教師聲音和非教師聲音的區(qū)分方法、裝置、設(shè)備以及介質(zhì)。

背景技術(shù)

在課堂中，經(jīng)常能聽到教師的聲音和非教師的聲音，在課堂分析過程中，往往需要區(qū)分出課堂中這些不同的聲音，以便分析課堂中不同的教學(xué)行為，例如教師講授等。

目前，通常采用人工、簡單的K-means算法或GMM-Kmeans算法區(qū)分出課堂中的聲音是教師聲音還是非教師聲音，其中，人工區(qū)分工作量大，成本高，K-means算法或GMM-Kmeans算法的區(qū)分精度不高，準(zhǔn)確性較差。

發(fā)明內(nèi)容

為了精準(zhǔn)地區(qū)分出課堂中的聲音是教師聲音還是非教師聲音，本申請?zhí)峁┮环N教師聲音和非教師聲音的區(qū)分方法、裝置、設(shè)備以及介質(zhì)。

第一方面，本申請?zhí)峁┮环N教師聲音和非教師聲音的區(qū)分方法，采用如下的技術(shù)方案：

一種教師聲音和非教師聲音的區(qū)分方法，包括：

采集課堂聲音，根據(jù)所述課堂聲音得到多段聲音片段的聲紋向量；

采用BIRTCH聚類算法和Calinski-Harabaz指數(shù)結(jié)合的方法，基于所述聲紋向量進行聲紋聚類，區(qū)分與所述聲紋向量對應(yīng)的聲音片段為非教師聲音還是教師聲音。

通過采用上述技術(shù)方案，利用BIRTCH聚類算法對聲紋向量進行聲紋聚類，利用Calinski-Harabaz指數(shù)評價聚類效果好壞的特性來提高聚類的精準(zhǔn)度，使得聚類結(jié)果更加準(zhǔn)確，進而能夠精準(zhǔn)地區(qū)分出課堂中的聲音是教師聲音還是非教師聲音。

優(yōu)選的，所述采集課堂聲音，根據(jù)所述課堂聲音得到多段聲音片段的聲紋向量，包括：

將所述課堂聲音輸入至訓(xùn)練好的聲紋模型中，得到多段聲音片段的聲紋向量。

優(yōu)選的，將所述課堂聲音輸入至訓(xùn)練好的聲紋模型中，得到多段聲音片段的聲紋向量，包括：

將所述課堂聲音分割為多段聲音片段；

對所述多段聲音片段分別進行聲紋提取，得到所述聲紋向量。

優(yōu)選的，所述將所述課堂聲音分割為多段聲音片段，包括：

將所述課堂聲音劃分為多個片段，相鄰片段之間具有共有部分和非共有部分；

分別計算共有部分與相鄰片段的非共有部分的聲紋特征匹配度；

基于所述聲紋特征匹配度，獲取切換點；

按照所述切換點將所述課堂聲音分割為多段聲音片段。

通過采用上述技術(shù)方案，基于聲紋特征匹配度檢測出切換點，將課堂聲音分割為多段聲音片段，每段聲音片段均是同一類聲音，例如，其中一段聲音片段為教師聲音，一段聲音片段為噪音；由此，便于后期對每段聲音片段進行分類。

優(yōu)選的，所述聲紋模型的訓(xùn)練方法，包括：

獲取開源的聲音數(shù)據(jù)集，將預(yù)先采集的課堂聲音制作為課堂聲音數(shù)據(jù)集，將開源的聲音數(shù)據(jù)集和課堂聲音數(shù)據(jù)集共同作為樣本集；

將所述樣本集中的樣本輸入至所述聲紋模型中，利用深度學(xué)習(xí)算法對所述聲紋模型進行訓(xùn)練。