[发明专利]音频识别方法、装置及存储介质

权利要求书

1.一种音频识别方法，其特征在于，包括：

获取音频文件，以及所述音频文件对应的文本信息，所述文本信息包括多个字；

依次将所述文本信息中的每个字，设置为目标字，并获取所述目标字对应的时间信息，所述时间信息包括所述目标字的开始时间和所述目标字的结束时间；

根据所述目标字的开始时间，确定所述目标字对应的多个开始调整时间，并根据所述目标字的结束时间，确定所述目标字对应的多个结束调整时间；

从所述目标字的多个开始调整时间中，选取目标开始调整时间，并从所述目标字的多个结束调整时间中，选取所述目标开始调整时间对应的目标结束调整时间，得到多个目标调整时间组；

确定每一组所述目标调整时间组对应的音高概率集合，得到多个音高概率集合，所述音高概率集合包括音高、概率以及二者之间的关联关系；

对所述多个音高概率集合进行评分，并选取评分最高的音高概率集合；

根据所述评分最高的音高概率集合，生成所述目标字的音高信息。

2.根据权利要求1所述的音频识别方法，其特征在于，所述根据所述目标字的开始时间，确定所述目标字对应的多个开始调整时间，并根据所述目标字的结束时间，确定所述目标字对应的多个结束调整时间步骤，包括：

获取预设时间步长和预设最大误差值；

根据所述目标字的开始时间、所述预设时间步长和所述预设最大误差值，确定所述目标字对应的多个开始调整时间，并根据所述目标字的结束时间、所述预设时间步长和所述预设最大误差值，确定所述目标字对应的多个结束调整时间。

3.根据权利要求1所述的音频识别方法，其特征在于，所述对所述多个音高概率集合进行评分，并选取评分最高的音高概率集合步骤包括：

根据所述目标字的开始时间、所述目标字的结束时间、所述目标字的多个目标调整时间组，得到多个误差增益值；

所述误差增益值的计算公式为：R_i＝(abs(U_i-Y)+abs(V_i-Z))*Q；

其中，R_i表示误差增益值，U_i表示第i个目标调整时间组中的目标开始调整时间，V_i表示第i个目标调整时间组中的目标结束调整时间，i为正整数，Y表示目标字的开始时间，Z表示目标字的结束时间，Q表示误差减益系数；

依次将所述多个误差增益值，设置为目标误差减益值，并从所述目标误差减益值对应的音高概率集合中，获取第一概率和第二概率，其中所述第一概率为最大概率，所述第二概率为第二大概率；

根据所述第一概率、所述第二概率以及所述目标误差减益值，对所述目标误差减益值对应的音高概率集合进行评分。

4.根据权利要求1所述的音频识别方法，其特征在于，所述确定每一组所述目标调整时间组对应的音高概率集合，得到多个音高概率集合，所述音高概率集合包括音高、概率以及二者之间的关联关系步骤，包括：

根据所述目标调整时间组，对所述音频文件划分多个采样区间；

获取每一个采样区间对应的音高，以及所述音高对应的概率；

将所述音高、所述概率以及二者之间的关联关系存储，生成所述目标调整时间组对应的音高概率集合。

5.根据权利要求1所述的音频识别方法，其特征在于，所述目标字对应的时间信息还包括所述目标字的持续时长；所述依次将所述文本信息中的每个字，设置为目标字，并获取所述目标字对应的时间信息，所述时间信息包括所述目标字的开始时间和所述目标字的结束时间步骤之后，还包括：

确定所述目标字的持续时长是否大于预设持续时长；

如果大于预设持续时长，则对所述目标字进行拆分，并确定拆分后的目标字的持续时长；

重新确定所述拆分后的目标字的持续时长是否大于预设持续时长；

如果大于预设持续时长，则继续对所述拆分后的目标字进行拆分，直至所述文本信息中的每个字的持续时长都不大于预设持续时长为止。