[发明专利]一种基于文本信息的辅助说话人分离方法及相关装置

权利要求书

1.一种基于文本信息的辅助说话人分离方法，其特征在于，包括：

获取待分离的第一语音信息；

对所述待分离的第一语音信息进行第一分离处理，得到第一分离结果，所述第一分离处理是指对第一语音信息中的不同说话人进行初步分割和聚类；

对所述第一分离结果进行语音处理，得到第二语音信息，所述语音处理包括语音识别或语音表征信息采集，其中，所述语音表征信息包括：文本表征、置信表征和语音特征表征；

将所述第二语音信息输入预先训练好的说话人转变点识别模型，确定所述第二语音信息中的说话人的转变点；

根据所述说话人的转变点和第一分离结果得到目标分离结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一分离结果进行语音处理，得到第二语音信息，包括：

对所述第一分离结果进行语音表征信息采集，得到所述第二语音信息，所述第二语音信息包括文本表征、置信度表征和语音特征表征；或，

将所述第一分离结果进行语音识别，得到语音文本信息；

根据所述语音文本信息进行语音分词，得到分词结果；

标记所述分词结果的属性信息，所述属性信息包括分词词性和分词词义。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一分离结果进行语音表征信息采集，得到所述第二语音信息，所述第二语音信息包括文本表征、置信度表征和语音特征表征，包括：

将所述第一分离结果通过第一预设表征提取模型提取文本表征；

确定所述第一分离结果中每个字的字边界；

将所述字边界输入第二预设表征提取模型提取语音特征表征；

识别所述第一分离结果的每个字的识别置信度向量；

获取预设置信度向量矩阵；

根据所述识别置信度向量和所述预设置信度向量矩阵确定置信度向量表征。

4.根据权利要求3所述的方法，其特征在于，当所述第二语音信息为文本表征时，所述将所述第二语音信息输入预先训练好的说话人转变点识别模型，确定所述第二语音信息中的说话人的转变点，包括：

将所述文本表征输入预先训练好的说话人转变点识别模型，进行说话人转变点检测，得到检测结果；

根据所述检测结果对所述第一分离结果进行重确认，确定说话人转变点。

5.根据权利要求3所述的方法，其特征在于，所述第二语音信息包括文本表征、置信度表征和语音特征表征，所述将所述第二语音信息输入预先训练好的说话人转变点识别模型，确定所述第二语音信息中的说话人的转变点，包括：

将所述文本表征、置信度表征和语音特征表征进行首尾拼接，得到综合表征向量；

将所述综合表征向量输入预先训练好的说话人转变点识别模型，进行说话人转变点检测，得到检测结果；

根据所述检测结果对所述第一分离结果进行重确认，确定说话人转变点。

6.根据权利要求2所述的方法，其特征在于，所述将所述第二语音信息输入预先训练好的说话人转变点识别模型，确定所述第二语音信息中的说话人的转变点，包括：

将所述分词词性和所述分词词义输入预先训练好的说话人转变点识别模型，进行说话人转变点检测，得到检测结果；

根据所述检测结果对所述第一分离结果进行重确认，确定说话人转变点。

7.根据权利要求1所述的方法，其特征在于，所述对所述待分离的第一语音信息进行第一分离处理，得到第一分离结果，包括：

提取所述待分离的第一语音信息的发声特征，所述发声特征包括声纹、音色和音调；

将所述发声特征输入预设说话人分离模型进行处理，得到第一分离结果。