[发明专利]基于声纹的音频输出方法、装置、设备及可读存储介质

权利要求书

1.一种基于声纹的音频输出方法，其特征在于，所述基于声纹的音频输出方法包括以下步骤：

当接收到音频信息时，获取所述音频信息中的声纹信息，并在声纹数据库中查找与所述声纹信息对应的声纹样本；

判断音频数据库中是否存在与所述音频信息对应的音频样本；

若所述音频数据库中不存在与所述音频信息对应的音频样本，则向视频识别装置输出唇形获取指令，以获取目标唇形；

根据所述目标唇形和所述声纹样本生成目标音频，并将所述目标音频输出；

其中，所述根据所述目标唇形和所述声纹样本生成目标音频的步骤包括：

将所述目标唇形对应的音频输入基于所述声纹样本构建的声纹模型中，接收所述声纹模型输出的目标音频。

2.如权利要求1所述的基于声纹的音频输出方法，其特征在于，所述当接收到音频信息时，获取所述音频信息中的声纹信息，并在声纹数据库中查找与所述声纹信息对应的声纹样本的步骤之后，包括：

若在所述声纹数据库中未查找到与所述声纹信息对应的声纹样本，则输出发言人异常的提示信息；

若在所述声纹数据库中查找到与所述声纹信息对应的声纹样本，则执行所述判断音频数据库中是否存在与所述音频信息对应的音频样本的步骤。

3.如权利要求1所述的基于声纹的音频输出方法，其特征在于，所述向视频识别装置输出唇形获取指令，以获取目标唇形的步骤包括：

若基于唇形获取指令未获取到有效唇形，则输出发言角度异常的提示信息；

若基于唇形获取指令获取到有效唇形，则判断唇形数据库中是否存在与所述有效唇形匹配的唇形样本；

若所述唇形数据库中存在与所述有效唇形匹配的唇形样本，则将所述有效唇形作为目标唇形。

4.如权利要求3所述的基于声纹的音频输出方法，其特征在于，所述若所述唇形数据库中存在与所述有效唇形匹配的唇形样本，则将所述有效唇形作为目标唇形的步骤之后，包括：

判断所述唇形样本是否属于预设唇形集合，其中，所述预设唇形集合由不发出声音的唇形对应的唇形样本组成；

若所述唇形样本属于所述预设唇形集合，则向音频播放装置输出禁播指令，以使所述音频播放装置不播出任何音频；

若所述唇形样本不属于所述预设唇形集合，则执行所述根据所述目标唇形和所述声纹样本生成目标音频，并将所述目标音频输出的步骤。

5.如权利要求1所述的基于声纹的音频输出方法，其特征在于，所述当接收到音频信息时，获取所述音频信息中的声纹信息，并在声纹数据库中查找与所述声纹信息对应的声纹样本的步骤包括：

当接收到音频信息时，获取所述音频信息中的声纹信息，提取所述声纹信息中的特征，并根据所述特征建立声纹模型；

在声纹数据库中查找与所述声纹模型相似度最高且超过预设相似度的目标声纹模型，并将所述目标声纹模型作为声纹样本。

6.如权利要求1所述的基于声纹的音频输出方法，其特征在于，所述判断音频数据库中是否存在与所述音频信息对应的音频样本的步骤之后，包括：

若所述音频数据库中存在与所述音频信息对应的音频样本，则获取所述音频信息中的音频强度，将所述音频强度调整为预设音频强度，并将调整了音频强度后的音频信息输出；

若所述音频数据库中不存在与所述音频信息对应的音频样本，则获取目标音频的音频强度，将所述音频强度调整为预设音频强度，并将调整了音频强度后的目标音频输出。

7.如权利要求1至6任意一项所述的基于声纹的音频输出方法，其特征在于，所述若所述音频数据库中不存在与所述音频信息对应的音频样本，则向视频识别装置输出唇形获取指令，以获取目标唇形的步骤包括：

若音频数据库中不存在与音频信息对应的音频样本，则判断所述音频信息是否属于噪声音频集合；

若所述音频信息属于所述噪声音频集合，则向音频播放装置输出禁播指令，以使所述音频播放装置不播出任何音频；

若所述音频信息不属于所述噪声音频集合，则向视频识别装置输出唇形获取指令，以获取目标唇形。