[发明专利]数据建库的人声分离方法、装置、终端及可读存储介质

说明书

本发明公开了一种数据建库的人声分离方法，检测原始语音是否存在多人混音，若所述原始语音存在多人混音，对所述原始语音进行降噪处理，得到第一多人声语音，将所述第一多人声语音按时序分成若干个预设时长的语音片段，提取所述语音片段中的第一单人声语音，并提取各所述语音片段中剩余的第二多人声语音，将所述第一单人声语音的频率作为筛选频率，以获取第二单人声语音，剔除所述第二单人声语音得到第三多人声语音，使用预设二分算法分离所述第三多人声语音得到第三单人声语音，将所有单人声语音存入语音数据库中。本发明还公开了一种装置、终端及可读存储介质。提高了语音会议记录处理效率，降低了语音会议记录处理的误差。

技术领域

本发明涉及人声分离技术领域，尤其涉及数据建库的人声分离方法、装置、终端及可读存储介质。

背景技术

当前会议记录有很多形式，比如语音，以便进行会议回顾。但是，会议过程中会有如讨论、争论等情形，这种多人同时讲话加上其他噪声，给后期的人工处理语音会议记录，也就是将参会人员所说的内容分别记录带来了巨大的难度，需要花费大量的时间来处理，而计算机又难以将参会人员所说的内容分开记录，并且由于人的主观性，会导致处理语音会议记录时出现误差，造成了语音会议记录处理效率低、误差大的问题。

发明内容

本发明的主要目的在于提供一种涉及数据建库的人声分离方法、装置、终端及可读存储介质，旨在解决语音会议记录处理过程中出现的效率低、误差大的技术问题。

为实现上述目的，本发明提供一种数据建库的人声分离方法，所述数据建库的人声分离方法包括：

检测待处理的原始语音是否存在多人混音，若所述原始语音存在多人混音，对所述原始语音进行降噪处理，得到第一多人声语音，其中，所述多人声语音为包含单人声和多人混音或只包含多人混音的语音；

将所述第一多人声语音按时序分成若干个预设时长的语音片段；

提取各所述语音片段中存在的单人声语音，以作为第一单人声语音，并提取各所述语音片段中剩余的第二多人声语音，其中，所述单人声语音为只包含一种人声的语音；

将所述第一单人声语音的频率作为筛选频率，获取所述第二多人声语音中语音频率与所述筛选频率相同的第二单人声语音；

剔除所述第二多人声语音中的所述第二单人声语音得到第三多人声语音；

使用预设二分算法在预设初始频率区间内将所述第三多人声语音进行分离，得到第三单人声语音；

将所述第一单人声语音、所述第二单人声语音和所述第三单人声语音存入语音数据库中。

可选地，所述使用预设二分算法在预设初始频率区间内将所述第三多人声语音进行分离，得到第三单人声语音的步骤包括：

确定预设初始频率区间，基于预设二分算法，将所述初始频率区间分为两个子频率区间；

根据所述子频率区间，对所述第三多人声语音进行语音分离，直至提取所有单人声语音，以作为第三单人声语音。

可选地，所述根据所述子频率区间，对所述第三多人声语音进行语音分离的步骤具体包括：

根据所述子频率区间，对所述第三多人声语音进行语音分离，得到分离中间结果；

判断所述分离中间结果是否只包含单人声语音；

若所述分离中间结果只包含单人声语音，则将所述分离中间结果作为第三单人声语音；

若所述分离中间结果为多人声语音，则基于预设二分算法对所述子频率区间拆分，形成新的子频率区间，执行所述根据所述子频率区间，对所述第三多人声语音进行语音分离，得到分离中间结果的步骤，直至所述分离中间结果只包含单人声语音，将所述分离中间结果作为第三单人声语音。