[发明专利]情感信息的确定方法和装置

说明书

本发明公开了一种情感信息的确定方法和装置。其中，该方法包括：获取目标音频，目标音频包括多个音频段；从多个音频段中识别出多个第一文本信息，任意一个第一文本信息是从对应的一个音频段中识别出的，音频段具有语音特征，第一文本信息具有文本特征；基于多个音频段的语音特征和多个第一文本信息具有的文本特征确定多个音频段的目标情感信息。本发明解决了相关技术中无法准确识别说话者的情感信息的技术问题。

技术领域

本发明涉及互联网领域，具体而言，涉及一种情感信息的确定方法和装置。

背景技术

现在，伴随着多媒体内容的增加，从市场上需求可进行短时间内的视听的内容概要技术。此外，内容的种类呈现多样化的趋势，例如电影、连续剧、家庭录像、新闻、纪录片、音乐内容、生活实时场景、网络小说、文字新闻等，对应于此，试听者的视听要求也越来越多样化。

伴随着这种视听要求的多样化，需要用于对试听者的视听要求立即检索、提示要观看的适配、场面的技术。例如内容概要技术，即基于包含的文字信息而概要内容，在内容概要技术中，通过对文字信息进行分析，从而确定文字信息携带的情感，如笑、生气、悲伤等。

上述的分析方法中，可采用基于音频的情感检测方法对说话者的音频进行检测，使用音频进行情感检测，对说话者具有比较明显的情感表达的情况具有比较好的作用，当说话人的情感表达不强烈，比如一个很高兴的事情，用很平淡的语气表达出来，此时音频中几乎不带有用于表达高兴的特征，对于这种情况，基于语音的情感检测就失去作用，没有办法根据语音特征进行准确判决，甚至可能得到错误的判决结果。

针对相关技术中无法准确识别说话者的情感信息的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种情感信息的确定方法和装置，以至少解决相关技术中无法准确识别说话者的情感信息的技术问题。

根据本发明实施例的一个方面，提供了一种情感信息的确定方法，该确定方法包括：获取目标音频，目标音频包括多个音频段；从多个音频段中识别出多个第一文本信息，任意一个第一文本信息是从对应的一个音频段中识别出的，音频段具有语音特征，第一文本信息具有文本特征；基于多个音频段的语音特征和多个第一文本信息具有的文本特征确定多个音频段的目标情感信息。

根据本发明实施例的另一方面，还提供了一种情感信息的确定装置，该确定装置包括：第一获取单元，获取目标音频，其中，目标音频包括多个音频段；识别单元，用于从多个音频段中识别出多个第一文本信息，任意一个第一文本信息是从对应的一个音频段中识别出的，音频段具有语音特征，第一文本信息具有文本特征；第一确定单元，用于基于多个音频段的语音特征和多个第一文本信息具有的文本特征确定多个音频段的目标情感信息。

在本发明实施例中，在获取目标音频时，从目标音频的每个音频段中识别出一个第一文本信息，然后基于第一文本信息具有的文本特征和音频段具有的语音特征确定音频段的目标情感信息，在文本信息具有明显的情感表露时能够通过文本信息的文本特征来确定情感信息，在音频段具有明显的情感表露时能够通过音频段的语音特征来确定情感信息，并且每个音频段都存在对应的一个是情感识别结果，可以解决了相关技术中无法准确识别说话者的情感信息的技术问题，进而达到提高识别说话者的情感信息的准确度的技术效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的情感信息的确定方法的硬件环境的示意图；

图2是根据本发明实施例的一种可选的情感信息的确定方法的流程图；

图3是根据本发明实施例的一种可选的模型训练方法的流程图；