[发明专利]一种音频的标签化处理方法、装置和计算设备

权利要求书

1.一种音频的标签化处理方法，包括：

获取原始音频信号；

对所述原始音频信号进行离散化，得到目标音频；

通过时序卷积神经网络CNN提取所述目标音频的特征，得到所述目标音频的特征向量；

对所述特征向量进行聚类分析，得到所述特征向量对应的原始音频的不同分类；

针对所述特征向量对应的原始音频的不同分类，提取同一类中的原始音频对应的标题中的关键字，并根据预定规则从所述关键字中选取一个或多个关键字作为该类别的音频标签。

2.根据权利要求1所述的方法，其中，对所述原始音频信号进行离散化，包括：

按指定采样频率对所述原始音频信号进行采样，对采样值幅度进行量化，并编码为脉冲编码调制PCM信号。

3.根据权利要求1所述的方法，其中，通过时序卷积神经网络CNN提取所述目标音频的特征，得到所述目标音频的特征向量，包括：

对所述目标音频按时间窗口进行分帧，得到n个音频帧；

通过时序CNN提取每个音频帧的特征，得到每个音频帧对应的m维特征向量；

将n个所述m维特征向量按时间顺序连接，得到一n×m维特征向量；

对所述n×m维特征向量进行降维分析，得到所述目标音频的最终的指定维数的特征向量，其中，n和m为大于1的自然数。

4.根据权利要求3所述的方法，其中，通过时序CNN提取每个音频帧的特征，得到每个音频帧对应的m维特征向量，包括：

对每个音频帧进行短时傅里叶变换STFT，得到该音频帧的频谱图；

对每个音频帧的所述频谱图进行对数-梅尔log-mel变换，得到该音频帧的log-mel声谱图；

将每个音频帧的所述log-mel声谱图输入时序CNN进行特征提取，得到每个音频帧对应的m维特征向量。

5.根据权利要求3所述的方法，其中，对所述n×m维特征向量进行降维分析，包括：

对所述n×m维特征向量进行平均池化average pooling。

6.根据权利要求1所述的方法，其中，所述聚类分析包括K-means聚类。

7.根据权利要求1所述的方法，其中，提取同一类中的原始音频对应的标题中的关键字，包括：

对同一类中的每个原始音频对应的标题进行分词，得到多个分词；

根据预定筛选策略从所述多个分词中选择一个或多个分词作为该原始音频的关键字。

8.一种音频的标签化处理装置，包括：

音频获取模块，适于获取原始音频信号；

离散化模块，适于对所述原始音频信号进行离散化，得到目标音频；

特征提取模块，适于通过时序卷积神经网络CNN提取所述目标音频的特征，得到所述目标音频的特征向量；

聚类分析模块，适于对所述特征向量进行聚类分析，得到所述特征向量对应的原始音频的不同分类；以及

标签化模块，适于针对所述特征向量对应的原始音频的不同分类，提取同一类中的原始音频对应的标题中的关键字，并根据预定规则从所述关键字中选取一个或多个关键字作为该类别的音频标签。

9.一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行根据权利要求1-7中任一项所述的音频的标签化处理方法。

10.一种计算设备，包括：

处理器；以及

存储有计算机程序代码的存储器；

当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行根据权利要求1-7中任一项所述的音频的标签化处理方法。