[发明专利]音频处理方法、装置、设备和存储介质

权利要求书

1.一种音频处理方法，其特征在于，所述方法包括：

对待处理音频数据进行语音分离处理，得到至少两组音频分离结果；其中，待处理音频数据包含有不同音频来源混叠后的音频数据，每组音频分离结果中包含有至少两个语音段；

基于音频分离结果中各语音段的特征信息，确定出每组音频分离结果中语音段之间的第一距离特征值；

基于确定出的音频分离结果中各语音段的音频重叠区域和非音频重叠区域的特征信息，确定出音频分离结果的语音段中音频重叠区域和非音频重叠区域之间的第二距离特征值；

基于第一距离特征值和第二距离特征值，确定出音频分离结果的距离特征值；

从至少两组音频分离结果的距离特征值中选取出目标距离特征值，并将目标距离特征值所对应的音频分离结果作为待处理音频数据的目标分离结果。

2.根据权利要求1所述的方法，其特征在于，所述基于音频分离结果中各语音段的特征信息，确定出每组音频分离结果中语音段之间的第一距离特征值，包括：

基于音频分离结果中各语音段的特征信息，确定出每组音频分离结果中语音段之间的第一特征值集合，其中，第一特征值集合包含以下特征值中的至少一种：音频距离特征值，内容距离特征值以及音频来源距离特征值；

对第一特征值集合所包含的特征值进行加权处理，得到每组音频分离结果中语音段之间的第一距离特征值。

3.根据权利要求1或2所述的方法，其特征在于，所述基于确定出的音频分离结果中各语音段的音频重叠区域和非音频重叠区域的特征信息，确定出音频分离结果的语音段中音频重叠区域和非音频重叠区域之间的第二距离特征值，包括：

基于确定出的音频分离结果中各语音段的音频重叠区域和非音频重叠区域的特征信息，确定出音频分离结果的语音段中音频重叠区域和非音频重叠区域之间的第二特征值集合，其中，第二特征值集合包含以下特征值中的至少一种：音频距离特征值，内容距离特征值以及音频来源距离特征值；

对第二特征值集合所包含的特征值进行加权处理，得到音频分离结果的语音段中音频重叠区域和非音频重叠区域之间的第二距离特征值。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

获取音频分离结果中各语音段的音频特征，将各语音段的音频特征作为语音段的特征信息；和/或，

获取音频分离结果中各语音段的内容特征，将各语音段的内容特征作为语音段的特征信息；和/或，

获取音频分离结果中各语音段的音频来源特征，将各语音段的音频来源特征作为语音段的特征信息。

5.根据权利要求1所述的方法，其特征在于，所述从至少两组音频分离结果的距离特征值中选取出目标距离特征值，包括：

从至少两组音频分离结果的距离特征值中选取出最大值作为目标距离特征值。

6.一种音频处理装置，其特征在于，所述装置包括：

语音分离单元，用于对待处理音频数据进行语音分离处理，得到至少两组音频分离结果；其中，待处理音频数据包含有不同音频来源混叠后的音频数据，每组音频分离结果中包含有至少两个语音段；

特征值确定单元，用于基于音频分离结果中各语音段的特征信息，确定出每组音频分离结果中语音段之间的第一距离特征值；基于确定出的音频分离结果中各语音段的音频重叠区域和非音频重叠区域的特征信息，确定出音频分离结果的语音段中音频重叠区域和非音频重叠区域之间的第二距离特征值；基于第一距离特征值和第二距离特征值，确定出音频分离结果的距离特征值；

筛选单元，用于从至少两组音频分离结果的距离特征值中选取出目标距离特征值，并将目标距离特征值所对应的音频分离结果作为待处理音频数据的目标分离结果。