[发明专利]音频资源处理方法、装置、设备及存储介质

说明书

本申请提供一种音频资源处理方法、装置、设备及存储介质，涉及数据处理技术领域。方法包括：采用预先训练的神经网络模型，对输入的音频资源进行属性分析，得到音频资源的属性标签和音频特征；将音频资源、及其属性标签、音频特征写入数据库。通过采用得到验证的多个音频资源标注样本，训练得到神经网络模型，并采用该模型，对音频资源进行属性分析，使得分析得到的音频资源的属性标签和音频特征准确性更高，根据音频资源及其属性标签、音频特征得到数据库，使得数据库中音频资源的标签及特征准确性较高，从而根据输入的音频资源在数据库中检索目标音频资源时，检索效率高且检索结果更加准确，避免人工设定标签带来的标签可靠性和准确性低的问题。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种音频资源处理方法、装置、设备及存储介质。

背景技术

声音是人类认知世界的重要媒介之一，设计良好的声音可以极大提升影视、游戏作品的沉浸感。因此，在高品质电影和电子游戏中，丰富的声音资源是必不可少的组成部分，也催生了音频设计师这一专门负责声音的设计、资源创作和编辑的职业。寻找参考资源是所有设计师获得创作灵感、开始设计工作的第一步。显然，一个可以智能分析理解音频内容的高效的音频管理系统，可以极大地提升音频设计师的工作效率。

现有的音频管理系统中，音频资源的标签来自人工设定，随着资源量的增长和运行时间的增加，数据库中音频的标签会变得越来越混乱，维护的成本会越来越高，且很容易引入大量不可靠的标签，从而导致使用音频管理系统进行音频资源处理时，处理结果准确性较差。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种音频资源处理方法、装置、设备及存储介质，以解决现有技术中存在音频资源处理结果准确性较差的问题。

为实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种音频资源处理方法，包括：

采用预先训练的神经网络模型，对输入的音频资源进行属性分析，得到所述音频资源对应的属性标签和音频特征；

将所述音频资源、以及所述音频资源对应的所述属性标签和所述音频特征写入数据库，其中，所述属性标签用于通过文字检索目标音频资源，所述音频特征用于通过音频文件检索目标音频资源。

可选地，所述采用预先训练的神经网络模型，对输入的音频资源进行的属性分析，得到所述音频资源对应的属性标签和音频特征，包括：

采用预先训练的神经网络模型，对输入的音频资源进行至少一个维度的属性分析，得到所述音频资源的至少一个属性标签及音频特征。

可选地，所述音频资源的类型为：人声，所述至少一个属性标签为下述至少一个：声优标签、是否为同一声优的标签、性别标签、年龄标签、语言标签、声线风格标签；或者，

所述音频资源的类型为音乐，所述至少一个属性标签为下述至少一个：乐器标签、流派标签、情感标签；或者，

所述音频资源的类型为音效，所述至少一个属性标签为下述至少一个：功能标签、内容标签、类型标签。

可选地，所述方法还包括：

接收检索文字；

根据所述检索文字确定所述检索文字对应的检索标签；

根据所述检索标签，从所述数据库中，查找所述检索标签对应的候选音频资源；

从所述候选音频资源中确定目标音频资源。

可选地，所述根据所述检索文字确定所述检索文字对应的检索标签，包括：

采用自然语言处理NLP算法，对所述检索文字进行处理，得到所述检索标签。