[发明专利]混合音频标记方法和装置

权利要求书

1.一种混合音频标记方法，其特征在于，包括：

获取待标记的第一音频，和与所述第一音频同步的第一视频，其中，所述第一音频中包括多个对象的音频，所述第一视频中包括所述多个对象的面部信息；

识别所述第一视频中当前对象的口型，得到所述当前对象产生音频的第一时间段，其中，所述多个对象中包括所述当前对象；

为所述第一音频中处于所述第一时间段的目标音频添加所述当前对象的身份标识。

2.根据权利要求1所述的方法，其特征在于，所述识别所述第一视频中所述当前对象的口型，得到所述当前对象产生音频的第一时间段包括：

识别所述第一视频的每一帧中，所述当前对象的第一面部信息；

将所述第一面部信息中，口型处于打开状态的第一帧图像所在的时间点作为所述第一时间段的开始时间点；

将所述第一面部信息中，口型处于打开状态的最后一针图像所在的时间点作为所述第一时间段的结束时间点。

3.根据权利要求1所述的方法，其特征在于，在为所述第一音频中处于所述第一时间段的所述目标音频添加所述当前对象的所述身份标识之前，所述方法还包括：

将所述当前对象的第一面部信息与数据库中预存的多个面部信息进行比对，其中，所述数据库中预存的每一个所述面部信息对应一个身份标识；

在所述第一面部信息与所述数据库中的当前面部信息的相似度大于或等于第二阈值的情况下，将所述当前面部信息对应的身份标识确定为所述当前对象的身份标识；

在所述第一面部信息与所述数据库中的每个所述面部信息的相似度均小于所述第二阈值的情况下，为所述当前对象创建身份标识；

将所述当前对象的所述第一面部信息与所述当前对象的身份标识保存到所述数据库中。

4.根据权利要求1至3任意一项所述的方法，其特征在于，在为所述第一音频中处于所述第一时间段的所述目标音频添加所述当前对象的所述身份标识之后，所述方法还包括：

将所述目标音频转换成第一文字信息；

获取所述当前对象的目标文字信息，其中，所述目标文字信息为所述第一视频中所述当前对象陈述的内容；

在所述第一文字信息与所述目标文字信息相似度大于或等于第一阈值的情况下，将所述第一文字信息添加到与所述当前对象的身份标识对应的存储位置；

在所述第一文字信息与所述目标文字信息相似度小于第一阈值的情况下，删除为所述目标音频添加的所述身份标识。

5.根据权利要求1至3任意一项所述的方法，其特征在于，在为所述第一音频中处于所述第一时间段的所述目标音频添加所述当前对象的所述身份标识之后，所述方法还包括：

从所述第一音频中截取所述目标音频；

将截取的所述目标音频存储到与所述当前对象的身份标识对应的存储位置。

6.一种混合音频标记装置，其特征在于，包括：

第一获取单元，用于获取待标记的第一音频，和与所述第一音频同步的第一视频，其中，所述第一音频中包括多个对象的音频，所述第一视频中包括所述多个对象的面部信息；

识别单元，用于识别所述第一视频中当前对象的口型，得到所述当前对象产生音频的第一时间段，其中，所述多个对象中包括所述当前对象；

第一添加单元，用于为所述第一音频中处于所述第一时间段的目标音频添加所述当前对象的身份标识。

7.根据权利要求6所述的装置，其特征在于，所述识别单元包括：

识别模块，用于识别所述第一视频的每一帧中，所述当前对象的第一面部信息；

第一确定模块，用于将所述第一面部信息中，口型处于打开状态的第一帧图像所在的时间点作为所述第一时间段的开始时间点；

第二确定模块，用于将所述第一面部信息中，口型处于打开状态的最后一针图像所在的时间点作为所述第一时间段的结束时间点。