CN108182945A - 一种基于声纹特征的多人声音分离方法及装置 - Google Patents

一种基于声纹特征的多人声音分离方法及装置 Download PDF

Info

Publication number
CN108182945A
CN108182945A CN201810201281.5A CN201810201281A CN108182945A CN 108182945 A CN108182945 A CN 108182945A CN 201810201281 A CN201810201281 A CN 201810201281A CN 108182945 A CN108182945 A CN 108182945A
Authority
CN
China
Prior art keywords
audio
voice
source file
institute
audio source
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810201281.5A
Other languages
English (en)
Inventor
黎智勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Speakin Technologies Co ltd
Original Assignee
Speakin Technologies Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Speakin Technologies Co ltd filed Critical Speakin Technologies Co ltd
Priority to CN201810201281.5A priority Critical patent/CN108182945A/zh
Publication of CN108182945A publication Critical patent/CN108182945A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Abstract

本发明公开了一种基于声纹特征的多人声音分离方法及装置，其中方法包括：S1、获取包含至少2人声音的音频源文件；S2、将音频源文件的格式转换为pcm格式的音频文件；S3、按照预设步长和预设切割长度将pcm格式的音频文件切割成若干个语音单元，其中，预设步长小于预设切割长度；S4、依次提取每个语音单元中的语音特征参数；S5、依次两两比对所有语音单元的语音特征参数，并计算两个语音单元的语音特征参数之间的匹配值；S6、判断两个语音单元的语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个语音单元按顺序保存至同一音频集内；S7、将同一音频集内所有语音单元拼接成为单人音频子文件并保存。

Description

一种基于声纹特征的多人声音分离方法及装置
技术领域
本发明涉及人声分离技术领域，尤其涉及一种基于声纹特征的多人声音分离方法及装置。
背景技术
现在许多重要会议都有进行记录，有很多形式的记录，比如语音，文字等等，这样可以在以后进行会议回顾，或者会议回放。但是经常会遇到一些场景，需要每个人的声音单独出来保存，这样便于保存，打好标记等等，以后可以针对个人进行回放。
文字可以通过不同人的记录来分开每个参加会议的人的记录，但是语音却做不到，因为在会议现场，大家一起说话，会把所有人的声音全部录入到一段音频，这样在音频后期很难进行对人进行标记，比如说我想要听某人当时说了什么，我们只能通过文字去查找那段语音，这样的处理费时费力，而且不能排除出错的概率。
现在会议记录，后期的记录处理更多是人工处理，记录的时候需要人工去使用文字记录，就算使用了录音或者视频记录，录完之后后期还是需要大量的人力去处理，才能做到对一段音频按人进行标记，这样不仅耗费大量的人力物力，由于人耳的分辨是有误差的，人耳能接受的声音频率是有限制的，听出来的效果有一定主观效果，会对分离出来的结果有影响，导致了人声分离结果误差较大的技术问题。
发明内容
本发明提供了一种基于声纹特征的多人声音分离方法及装置，解决了目前对会议记录的录音处理中，需要耗费大量人力物力，且由于人耳的分辨是有误差的，人耳能接受的声音频率是有限制的，听出来的效果有一定主观效果，会对分离出来的结果有影响，导致的人声分离结果误差较大的技术问题。
本发明提供了一种基于声纹特征的多人声音分离方法，包括：
S1、获取包含至少2人声音的音频源文件；
S2、将所述音频源文件的格式转换为pcm格式的音频文件；
S3、按照预设步长和预设切割长度将所述pcm格式的音频文件切割成若干个语音单元，其中，所述预设步长小于所述预设切割长度；
S4、依次提取每个所述语音单元中的语音特征参数；
S5、依次两两比对所有所述语音单元的所述语音特征参数，并计算两个所述语音单元的所述语音特征参数之间的匹配值；
S6、判断两个所述语音单元的所述语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个所述语音单元按顺序保存至同一音频集内；
S7、将同一音频集内所有所述语音单元拼接成为单人音频子文件并保存。
可选地，所述步骤S2具体包括：
读取所述音频源文件的字节长度、采样率和声道信息并存储至信息库中；
将所述音频源文件的字节长度、采样率和声道信息去除，并转换为pcm格式的音频文件。
可选地，所述步骤S2之后，所述步骤S3之前还包括：
根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息，去除所述音频源文件中的空白部分。
可选地，所述步骤S7具体包括：
将同一音频集内所有所述语音单元拼接成为单人音频子文件，并根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息对所述单人音频子文件进行信息添加后保存。
可选地，所述步骤S1之后，所述步骤S2之前还包括：
对所述音频源文件进行采样处理和/或预加重处理和/或预滤波处理和/或加窗处理和/或端点检测处理。
本发明提供了一种基于声纹特征的多人声音分离装置，包括：
获取单元，用于获取包含至少2人声音的音频源文件；
格式转换单元，用于将所述音频源文件的格式转换为pcm格式的音频文件；
切割单元，用于按照预设步长和预设切割长度将所述pcm格式的音频文件切割成若干个语音单元，其中，所述预设步长小于所述预设切割长度；
特征提取单元，用于依次提取每个所述语音单元中的语音特征参数；
比对计算单元，用于依次两两比对所有所述语音单元的所述语音特征参数，并计算两个所述语音单元的所述语音特征参数之间的匹配值；
判断单元，用于判断两个所述语音单元的所述语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个所述语音单元按顺序保存至同一音频集内；
拼接保存单元，用于将同一音频集内所有所述语音单元拼接成为单人音频子文件并保存。
可选地，所述格式转换单元具体包括：
读取子单元，用于读取所述音频源文件的字节长度、采样率和声道信息并存储至信息库中；
转换子单元，用于将所述音频源文件的字节长度、采样率和声道信息去除，并转换为pcm格式的音频文件。
可选地，本发明提供的一种基于声纹特征的多人声音分离装置还包括：
去空白单元，用于根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息，去除所述音频源文件中的空白部分。
可选地，拼接保存单元还用于：
将同一音频集内所有所述语音单元拼接成为单人音频子文件，并根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息对所述单人音频子文件进行信息添加后保存。
可选地，本发明提供的一种基于声纹特征的多人声音分离装置还包括：
预处理单元，用于对所述音频源文件进行采样处理和/或预加重处理和/或预滤波处理和/或加窗处理和/或端点检测处理。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供了一种基于声纹特征的多人声音分离方法，包括：S1、获取包含至少2人声音的音频源文件；S2、将所述音频源文件的格式转换为pcm格式的音频文件；S3、按照预设步长和预设切割长度将所述pcm格式的音频文件切割成若干个语音单元，其中，所述预设步长小于所述预设切割长度；S4、依次提取每个所述语音单元中的语音特征参数；S5、依次两两比对所有所述语音单元的所述语音特征参数，并计算两个所述语音单元的所述语音特征参数之间的匹配值；S6、判断两个所述语音单元的所述语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个所述语音单元按顺序保存至同一音频集内；S7、将同一音频集内所有所述语音单元拼接成为单人音频子文件并保存。
本发明中，通过将音频源文件分割成若干个语音单元，并依次提取语音单元的语音特征参数，通过两两比较语音单元的语音特征参数，并计算匹配值，判断匹配值是否高于预设阈值来确定两段语音单元是否属于同一个人的人声，由此，将音频源文件处理为多人的单人音频子文件，解决了目前对会议记录的录音处理中，需要耗费大量人力物力，且由于人耳的分辨是有误差的，人耳能接受的声音频率是有限制的，听出来的效果有一定主观效果，会对分离出来的结果有影响，导致的人声分离结果误差较大的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明提供的一种基于声纹特征的多人声音分离方法的一个实施例的流程示意图；
图2为本发明提供的一种基于声纹特征的多人声音分离方法的另一个实施例的流程示意图；
图3为本发明提供的一种基于声纹特征的多人声音分离装置的一个实施例的结构示意图；
图4为本发明提供的一种基于声纹特征的多人声音分离装置的一个实施例的结构示意图。
具体实施方式
本发明实施例提供了一种基于声纹特征的多人声音分离方法及装置，解决了目前对会议记录的录音处理中，需要耗费大量人力物力，且由于人耳的分辨是有误差的，人耳能接受的声音频率是有限制的，听出来的效果有一定主观效果，会对分离出来的结果有影响，导致的人声分离结果误差较大的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明提供了一种基于声纹特征的多人声音分离方法的一个实施例，包括：
101、获取包含至少2人声音的音频源文件；
102、将音频源文件的格式转换为pcm格式的音频文件；
103、按照预设步长和预设切割长度将pcm格式的音频文件切割成若干个语音单元，其中，预设步长小于预设切割长度；
104、依次提取每个语音单元中的语音特征参数；
105、依次两两比对所有语音单元的语音特征参数，并计算两个语音单元的语音特征参数之间的匹配值；
106、判断两个语音单元的语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个语音单元按顺序保存至同一音频集内；
107、将同一音频集内所有语音单元拼接成为单人音频子文件并保存。
本发明实施例中，通过将音频源文件分割成若干个语音单元，并依次提取语音单元的语音特征参数，通过两两比较语音单元的语音特征参数，并计算匹配值，判断匹配值是否高于预设阈值来确定两段语音单元是否属于同一个人的人声，由此，将音频源文件处理为多人的单人音频子文件，解决了目前对会议记录的录音处理中，需要耗费大量人力物力，且由于人耳的分辨是有误差的，人耳能接受的声音频率是有限制的，听出来的效果有一定主观效果，会对分离出来的结果有影响，导致的人声分离结果误差较大的技术问题。
以上是本发明提供的一种基于声纹特征的多人声音分离方法的一个实施例的说明，以下将对本发明提供的一种基于声纹特征的多人声音分离方法的另一个实施例进行说明。
请参阅图2，本发明提供了一种基于声纹特征的多人声音分离方法的另一个实施例，包括：
201、获取包含至少2人声音的音频源文件；
需要说明的是，当处理的音频源文件为会议记录或报告录音时，音频源文件中通常包括至少2人的声音才需要进行人声分离处理。
202、对音频源文件进行采样处理和/或预加重处理和/或预滤波处理和/或加窗处理和/或端点检测处理；
需要说明的是，获取了包含至少2人声音的音频源文件后，需要对音频源文件进行采样处理和/或预加重处理和/或预滤波处理和/或加窗处理和/或端点检测处理预处理。
203、读取音频源文件的字节长度、采样率和声道信息并存储至信息库中；
需要说明的是，对音频源文件进行预处理操作后，读取音频源文件的字节长度、采样率和声道信息，并将所有信息存储至信息库中以便后续处理。
204、将音频源文件的字节长度、采样率和声道信息去除，并转换为pcm格式的音频文件；
需要说明的是，将音频源文件的字节长度、采样率和声道信息去除掉，并转换为pcm格式的音频文件，即去除头的pcm格式的音频文件。
205、根据信息库中的音频源文件的字节长度、采样率和声道信息，去除音频源文件中的空白部分；
需要说明的是，根据信息库中的音频源文件的字节长度、采样率和声道信息，对音频源文件进行去空白处理，去除音频源文件中的空白信息部分。
206、按照预设步长和预设切割长度将pcm格式的音频文件切割成若干个语音单元，其中，预设步长小于预设切割长度；
需要说明的是，在去除了音频源文件中的空白部分后，按照预设步长和预设切割长度将pcm格式的音频文件切割成若干个语音单元，其中，预设步长小于预设切割长度，即冗余切割，避免在切割过程中，将一个人的声音切断或者一个字切割成两个音节。
207、依次提取每个语音单元中的语音特征参数；
需要说明的是，依次提取每个语音单元中的语音特征参数，语音特征参数包括但不限于梅尔频率倒谱系数。
208、依次两两比对所有语音单元的语音特征参数，并计算两个语音单元的语音特征参数之间的匹配值；
需要说明的是，在提取了每个语音单元中的语音特征参数后，依次两两比对所有语音单元的语音特征参数，并计算两个语音单元的语音特征参数之间的匹配值，例如，分离出5段语音单元，则依次进行比对，需要进行5+4+3+2+1次比对，同时计算比对中的两个语音单元的语音特征参数之间的匹配值。
209、判断两个语音单元的语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个语音单元按顺序保存至同一音频集内；
需要说明的是，判断两个语音单元的语音特征参数之间的匹配值是否高于预设阈值，若是，则意味着两个语音单元属于同一个人的声音，将两个语音单元按顺序保存至同一音频集内，即一个人的音频集中。
210、将同一音频集内所有语音单元拼接成为单人音频子文件，并根据信息库中的音频源文件的字节长度、采样率和声道信息对单人音频子文件进行信息添加后保存；
需要说明的是，将同一音频集内所有语音单元拼接成为单人音频子文件，并根据信息库中的音频源文件的字节长度、采样率和声道信息对单人音频子文件进行信息添加后保存。
以上是对本发明提供的一种基于声纹特征的多人声音分离方法的另一个实施例进行的说明，以下将对本发明提供的一种基于声纹特征的多人声音分离装置的一个实施例进行说明。
请参阅图3，本发明提供了一种基于声纹特征的多人声音分离装置的一个实施例，包括：
获取单元301，用于获取包含至少2人声音的音频源文件；
格式转换单元302，用于将音频源文件的格式转换为pcm格式的音频文件；
切割单元303，用于按照预设步长和预设切割长度将pcm格式的音频文件切割成若干个语音单元，其中，预设步长小于预设切割长度；
特征提取单元304，用于依次提取每个语音单元中的语音特征参数；
比对计算单元305，用于依次两两比对所有语音单元的语音特征参数，并计算两个语音单元的语音特征参数之间的匹配值；
判断单元306，用于判断两个语音单元的语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个语音单元按顺序保存至同一音频集内；
拼接保存单元307，用于将同一音频集内所有语音单元拼接成为单人音频子文件并保存。
本发明实施例中，通过切割单元303将音频源文件分割成若干个语音单元，并通过特征提取单元304依次提取语音单元的语音特征参数，通过比对计算单元305两两比较语音单元的语音特征参数，并计算匹配值，最后判断单元306判断匹配值是否高于预设阈值来确定两段语音单元是否属于同一个人的人声，由此，将音频源文件处理为多人的单人音频子文件，解决了目前对会议记录的录音处理中，需要耗费大量人力物力，且由于人耳的分辨是有误差的，人耳能接受的声音频率是有限制的，听出来的效果有一定主观效果，会对分离出来的结果有影响，导致的人声分离结果误差较大的技术问题。
以上是对本发明提供的一种基于声纹特征的多人声音分离装置的一个实施例进行的说明，以下将对本发明提供的一种基于声纹特征的多人声音分离装置的另一个实施例进行说明。
请参阅图4，本发明提供了一种基于声纹特征的多人声音分离装置的另一个实施例，包括：
获取单元401，用于获取包含至少2人声音的音频源文件；
格式转换单元402，用于将音频源文件的格式转换为pcm格式的音频文件；
格式转换单元402具体包括：
读取子单元4021，用于读取音频源文件的字节长度、采样率和声道信息并存储至信息库中；
转换子单元4022，用于将音频源文件的字节长度、采样率和声道信息去除，并转换为pcm格式的音频文件；
去空白单元403，用于根据信息库中的音频源文件的字节长度、采样率和声道信息，去除音频源文件中的空白部分；
切割单元404，用于按照预设步长和预设切割长度将pcm格式的音频文件切割成若干个语音单元，其中，预设步长小于预设切割长度；
特征提取单元405，用于依次提取每个语音单元中的语音特征参数；
比对计算单元406，用于依次两两比对所有语音单元的语音特征参数，并计算两个语音单元的语音特征参数之间的匹配值；
判断单元407，用于判断两个语音单元的语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个语音单元按顺序保存至同一音频集内；
拼接保存单元408，用于将同一音频集内所有语音单元拼接成为单人音频子文件，并根据信息库中的音频源文件的字节长度、采样率和声道信息对单人音频子文件进行信息添加后保存。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于声纹特征的多人声音分离方法，其特征在于，包括：
S1、获取包含至少2人声音的音频源文件；
S2、将所述音频源文件的格式转换为pcm格式的音频文件；
S3、按照预设步长和预设切割长度将所述pcm格式的音频文件切割成若干个语音单元，其中，所述预设步长小于所述预设切割长度；
S4、依次提取每个所述语音单元中的语音特征参数；
S5、依次两两比对所有所述语音单元的所述语音特征参数，并计算两个所述语音单元的所述语音特征参数之间的匹配值；
S6、判断两个所述语音单元的所述语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个所述语音单元按顺序保存至同一音频集内；
S7、将同一音频集内所有所述语音单元拼接成为单人音频子文件并保存。
2.根据权利要求1所述的基于声纹特征的多人声音分离方法，其特征在于，所述步骤S2具体包括：
读取所述音频源文件的字节长度、采样率和声道信息并存储至信息库中；
将所述音频源文件的字节长度、采样率和声道信息去除，并转换为pcm格式的音频文件。
3.根据权利要求2所述的基于声纹特征的多人声音分离方法，其特征在于，所述步骤S2之后，所述步骤S3之前还包括：
根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息，去除所述音频源文件中的空白部分。
4.根据权利要求3所述的基于声纹特征的多人声音分离方法，其特征在于，所述步骤S7具体包括：
将同一音频集内所有所述语音单元拼接成为单人音频子文件，并根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息对所述单人音频子文件进行信息添加后保存。
5.根据权利要求1所述的基于声纹特征的多人声音分离方法，其特征在于，所述步骤S1之后，所述步骤S2之前还包括：
对所述音频源文件进行采样处理和/或预加重处理和/或预滤波处理和/或加窗处理和/或端点检测处理。
6.一种基于声纹特征的多人声音分离装置，其特征在于，包括：
获取单元，用于获取包含至少2人声音的音频源文件；
格式转换单元，用于将所述音频源文件的格式转换为pcm格式的音频文件；
切割单元，用于按照预设步长和预设切割长度将所述pcm格式的音频文件切割成若干个语音单元，其中，所述预设步长小于所述预设切割长度；
特征提取单元，用于依次提取每个所述语音单元中的语音特征参数；
比对计算单元，用于依次两两比对所有所述语音单元的所述语音特征参数，并计算两个所述语音单元的所述语音特征参数之间的匹配值；
判断单元，用于判断两个所述语音单元的所述语音特征参数之间的匹配值是否高于预设阈值，若是，则将两个所述语音单元按顺序保存至同一音频集内；
拼接保存单元，用于将同一音频集内所有所述语音单元拼接成为单人音频子文件并保存。
7.根据权利要求6所述的基于声纹特征的多人声音分离装置，其特征在于，所述格式转换单元具体包括：
读取子单元，用于读取所述音频源文件的字节长度、采样率和声道信息并存储至信息库中；
转换子单元，用于将所述音频源文件的字节长度、采样率和声道信息去除，并转换为pcm格式的音频文件。
8.根据权利要求7所述的基于声纹特征的多人声音分离装置，其特征在于，还包括：
去空白单元，用于根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息，去除所述音频源文件中的空白部分。
9.根据权利要求8所述的基于声纹特征的多人声音分离装置，其特征在于，拼接保存单元还用于：
将同一音频集内所有所述语音单元拼接成为单人音频子文件，并根据所述信息库中的所述音频源文件的字节长度、采样率和声道信息对所述单人音频子文件进行信息添加后保存。
10.根据权利要求6所述的基于声纹特征的多人声音分离装置，其特征在于，还包括：
预处理单元，用于对所述音频源文件进行采样处理和/或预加重处理和/或预滤波处理和/或加窗处理和/或端点检测处理。
CN201810201281.5A 2018-03-12 2018-03-12 一种基于声纹特征的多人声音分离方法及装置 Pending CN108182945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810201281.5A CN108182945A (zh) 2018-03-12 2018-03-12 一种基于声纹特征的多人声音分离方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810201281.5A CN108182945A (zh) 2018-03-12 2018-03-12 一种基于声纹特征的多人声音分离方法及装置

Publications (1)

Publication Number Publication Date
CN108182945A true CN108182945A (zh) 2018-06-19

Family

ID=62553436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810201281.5A Pending CN108182945A (zh) 2018-03-12 2018-03-12 一种基于声纹特征的多人声音分离方法及装置

Country Status (1)

Country Link
CN (1) CN108182945A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109065023A (zh) * 2018-08-23 2018-12-21 广州势必可赢网络科技有限公司 一种语音鉴定方法、装置、设备及计算机可读存储介质
CN109147831A (zh) * 2018-09-26 2019-01-04 深圳壹账通智能科技有限公司 一种语音连接播放方法、终端设备及计算机可读存储介质
CN109346107A (zh) * 2018-10-10 2019-02-15 中山大学 一种基于lstm的独立说话人语音发音逆求解的方法
CN109410934A (zh) * 2018-10-19 2019-03-01 深圳魔听文化科技有限公司 一种基于声纹特征的多人声音分离方法、***及智能终端
CN110322872A (zh) * 2019-06-05 2019-10-11 平安科技（深圳）有限公司 会议语音数据处理方法、装置、计算机设备和存储介质
CN110827849A (zh) * 2019-11-11 2020-02-21 广州国音智能科技有限公司 数据建库的人声分离方法、装置、终端及可读存储介质
CN110875036A (zh) * 2019-11-11 2020-03-10 广州国音智能科技有限公司 语音分类方法、装置、设备及计算机可读存储介质
CN111105801A (zh) * 2019-12-03 2020-05-05 云知声智能科技股份有限公司 一种角色语音分离方法及装置
CN112863491A (zh) * 2021-03-12 2021-05-28 云知声智能科技股份有限公司 一种语音转写方法、装置及电子设备
CN113593578A (zh) * 2021-09-03 2021-11-02 北京紫涓科技有限公司 一种会议语音数据采集方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719659A (zh) * 2016-02-03 2016-06-29 努比亚技术有限公司 基于声纹识别的录音文件分离方法及装置
CN106782565A (zh) * 2016-11-29 2017-05-31 重庆重智机器人研究院有限公司 一种声纹特征识别方法及***
CN107004427A (zh) * 2014-12-12 2017-08-01 华为技术有限公司 增强多声道音频信号内语音分量的信号处理装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107004427A (zh) * 2014-12-12 2017-08-01 华为技术有限公司 增强多声道音频信号内语音分量的信号处理装置
CN105719659A (zh) * 2016-02-03 2016-06-29 努比亚技术有限公司 基于声纹识别的录音文件分离方法及装置
CN106782565A (zh) * 2016-11-29 2017-05-31 重庆重智机器人研究院有限公司 一种声纹特征识别方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张效藩: "基于语音分离的声纹识别技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
郑燕琳，杨晓炯，许星宇: "电话语音中基于多说话人的声纹识别***", 《电信科学》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109065023A (zh) * 2018-08-23 2018-12-21 广州势必可赢网络科技有限公司 一种语音鉴定方法、装置、设备及计算机可读存储介质
CN109147831A (zh) * 2018-09-26 2019-01-04 深圳壹账通智能科技有限公司 一种语音连接播放方法、终端设备及计算机可读存储介质
CN109346107A (zh) * 2018-10-10 2019-02-15 中山大学 一种基于lstm的独立说话人语音发音逆求解的方法
CN109346107B (zh) * 2018-10-10 2022-09-30 中山大学 一种基于lstm的独立说话人语音发音逆求解的方法
CN109410934A (zh) * 2018-10-19 2019-03-01 深圳魔听文化科技有限公司 一种基于声纹特征的多人声音分离方法、***及智能终端
CN110322872A (zh) * 2019-06-05 2019-10-11 平安科技（深圳）有限公司 会议语音数据处理方法、装置、计算机设备和存储介质
CN110875036A (zh) * 2019-11-11 2020-03-10 广州国音智能科技有限公司 语音分类方法、装置、设备及计算机可读存储介质
CN110827849B (zh) * 2019-11-11 2022-07-26 广州国音智能科技有限公司 数据建库的人声分离方法、装置、终端及可读存储介质
CN110827849A (zh) * 2019-11-11 2020-02-21 广州国音智能科技有限公司 数据建库的人声分离方法、装置、终端及可读存储介质
CN111105801A (zh) * 2019-12-03 2020-05-05 云知声智能科技股份有限公司 一种角色语音分离方法及装置
CN111105801B (zh) * 2019-12-03 2022-04-01 云知声智能科技股份有限公司 一种角色语音分离方法及装置
CN112863491A (zh) * 2021-03-12 2021-05-28 云知声智能科技股份有限公司 一种语音转写方法、装置及电子设备
CN113593578A (zh) * 2021-09-03 2021-11-02 北京紫涓科技有限公司 一种会议语音数据采集方法及***

Similar Documents

Publication Publication Date Title
CN108182945A (zh) 一种基于声纹特征的多人声音分离方法及装置
US10593332B2 (en) Diarization using textual and audio speaker labeling
US10977299B2 (en) Systems and methods for consolidating recorded content
CN103035247B (zh) 基于声纹信息对音频/视频文件进行操作的方法及装置
US6697564B1 (en) Method and system for video browsing and editing by employing audio
CN108986830B (zh) 一种音频语料筛选方法及装置
CN111524527B (zh) 话者分离方法、装置、电子设备和存储介质
US20170323643A1 (en) Method for Speaker Diarization
CN103500579B (zh) 语音识别方法、装置及***
CN111128223A (zh) 一种基于文本信息的辅助说话人分离方法及相关装置
US9311914B2 (en) Method and apparatus for enhanced phonetic indexing and search
CN109065023A (zh) 一种语音鉴定方法、装置、设备及计算机可读存储介质
CN106302987A (zh) 一种音频推荐方法及设备
CN106372653A (zh) 一种基于堆栈式自动编码器的广告识别方法
CN115150660B (zh) 一种基于字幕的视频编辑方法和相关设备
CN109410934A (zh) 一种基于声纹特征的多人声音分离方法、***及智能终端
CN113921011A (zh) 音频处理方法、装置及设备
Venkatesan et al. Automatic language identification using machine learning techniques
JP2005532763A (ja) 圧縮ビデオをセグメント化する方法
CN113782026A (zh) 一种信息处理方法、装置、介质和设备
CN113327619B (zh) 一种基于云—边缘协同架构的会议记录方法及***
US20070083367A1 (en) Method and system for bandwidth efficient and enhanced concatenative synthesis based communication
CN112579744B (zh) 一种在线心理咨询中风险控制的方法
CN114125506B (zh) 语音审核方法及装置
EP1197952B1 (fr) Procédé de codage de la prosodie pour un codeur de parole à très bas débit

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180619

RJ01 Rejection of invention patent application after publication