申请/专利权人:北京远鉴信息技术有限公司
申请日:2021-03-04
公开(公告)日:2021-04-09
公开(公告)号:CN112634875A
主分类号:G10L15/02(20060101)
分类号:G10L15/02(20060101);G10L15/06(20130101);G10L15/16(20060101);G10L15/183(20130101);G10L15/26(20060101);G06F16/35(20190101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.06.08#授权;2021.04.27#实质审查的生效;2021.04.09#公开
摘要:本申请提供一种语音分离方法、语音分离装置、电子设备及存储介质,语音分离方法包括:获取原始音频,并以时间窗口滑窗的方式从原始音频中提取语谱图特征序列;将语谱图特征序列输入到预先训练好的语音分割模型中,通过语音分割模型获取嵌入特征序列;将嵌入特征序列输入到预先训练好的语音聚类模型中,通过语音聚类模型获得与嵌入特征序列对应的预测标签序列;根据预测标签序列进行单个说话人语音还原,生成分离的语音。根据本申请的语音分离方法、语音分离装置、电子设备及存储介质解决了语音分离效果不理想的问题,能够从多人交替发言的短时语音音频文件中分离出属于单个说话人的语音片段,并且能够联系上下文信息准确估计说话人数量。
主权项:1.一种语音分离方法,其特征在于,所述语音分离方法包括:获取原始音频,并以时间窗口滑窗的方式从所述原始音频中提取语谱图特征序列;将所述语谱图特征序列输入到预先训练好的语音分割模型中,通过所述语音分割模型获取嵌入特征序列;将所述嵌入特征序列输入到预先训练好的语音聚类模型中,通过所述语音聚类模型获得与所述嵌入特征序列对应的预测标签序列;根据所述预测标签序列进行单个说话人语音还原,生成分离的语音。
全文数据:
权利要求:
百度查询: 北京远鉴信息技术有限公司 语音分离方法、语音分离装置、电子设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。