申请/专利权人：上海依图网络科技有限公司

申请日：2020-10-15

公开（公告）日：2024-05-17

公开（公告）号：CN112242137B

主分类号：G10L15/04

分类号：G10L15/04;G10L15/06;G10L15/183;G10L15/26;G10L17/02;G10L17/04;G10L17/18

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2021.02.05#实质审查的生效;2021.01.19#公开

摘要：本申请公开了一种人声分离模型的训练以及人声分离方法和装置，属于人工智能技术领域，该方法包括，获取各音频样本以及相应的人声分离标注信息，并将各音频样本输入至人声分离模型，获得相应的人声分离结果，以及根据各音频样本的人声分离结果和人声分离标注信息，对人声分离模型的参数进行调整，获得调整后的人声分离模型。以及采用粗分离模块确定待识别的目标音频对应的语音用户的用户标识信息，并分别将目标音频相应的每一用户标识信息以及目标音频，输入至人声分离模型，获得每一语音用户为目标音频中的每一目标音频片段对应的用户的概率，以及分别根据每一目标音频片段对应的各概率，确定相应的目标语音用户。这样，提高了人声分离的精确度。

主权项：1.一种人声分离模型的训练方法，其特征在于，包括：获取各音频样本以及相应的人声分离标注信息，所述人声分离标注信息表示音频中的各时刻对应的语音用户；基于卷积神经网络，分别提取每一音频样本中的各细分音频片段对应的第一声纹特征，所述细分音频片段是按照第一预设时长划分获得的；基于声纹提取模块，分别提取每一音频样本中的各粗分音频片段对应的第二声纹特征，所述粗分音频片段是按照第二预设时长划分获得的；基于粗分离模块，分别确定每一音频样本中识别出的语音用户对应的用户标识信息；采用卷积神经网络和循环神经网络，分别对每一音频样本对应的第一声纹特征、第二声纹特征以及用户标识信息进行处理，获得相应的人声分离结果；根据各音频样本的人声分离结果和人声分离标注信息，对人声分离模型的参数进行调整，获得调整后的人声分离模型，其中，所述人声分离模型是基于所述卷积神经网络、所述声纹提取模块、所述粗分离模块以及所述循环神经网络构建的；采用卷积神经网络和循环神经网络，分别对每一音频样本对应的第一声纹特征、第二声纹特征以及用户标识信息进行处理，获得相应的人声分离结果，包括：分别针对每一音频样本，执行以下步骤：根据音频样本中的各粗分音频片段对应的第二声纹特征和用户标识信息，分别确定每一用户标识信息对应的各第二声纹特征；分别根据每一用户标识信息对应的各第二声纹特征的平均值，获得相应的平均声纹特征；采用卷积神经网络和循环神经网络，对所述音频样本对应的各第一声纹特征、各第二声纹特征、各用户标识信息以及各用户标识信息对应的平均声纹特征进行上下文处理，获得上下文信息；根据所述上下文信息，分别确定每一语音用户为所述音频样本中的每一目标音频片段对应的用户的概率，所述目标音频片段是将所述音频样本按照第三预设时长划分后获得的；分别根据每一语音用户和每一目标音频片段对应的概率，获得相应的识别结果，所述识别结果表示所述语音用户是否为所述目标音频片段对应的用户。

全文数据：

权利要求：

百度查询： 上海依图网络科技有限公司 一种人声分离模型的训练以及人声分离方法和装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD