[发明专利]发声对象确定方法、装置、计算设备和介质

说明书

本发明公开了一种发声对象确定方法、装置、计算设备和介质。该方法，包括：获取第二发声对象发出的目标音频帧以及第二发声对象的目标位置信息；确定目标位置信息与第一目标音频段对应的第一位置信息不匹配，则提取第二目标音频段的目标声纹特征，其中，第一目标音频段包括目标音频帧的前N个音频帧；第一目标音频段中的音频帧的发声对象和第二目标音频段中的音频帧的发声对象相同；第一目标音频段为第二目标音频段的至少一部分；N为大于或等于1的整数；根据目标声纹特征确定第二目标音频段的目标发声对象。能够提高确定发声对象的准确性。

技术领域

本发明涉及数据处理领域，尤其涉及一种发声对象确定方法、装置、计算设备和介质。

背景技术

在日常生活、会议以及电话对话等很多场景下，都存在对话语音。在实际应用中，为了能够对语音信号作更为准确的分析，不仅需要进行语音识别，还需要对语音进行角色分离，以判定每部分语音的发声对象。在确定语音的发声对象之后，会产生更为广阔的应用空间。例如，对于多人大会议室的场景，通过对会议中的语音进行角色分离，则可以快速完成会议记录，记录出会议室中的每个发言人所发言的内容。

目前，大多通过声纹识别技术实现确定发声对象，但是准确度较低。因此，急需提供一种准确度较高的发声对象确定方法。

发明内容

本发明实施例提供一种发声对象确定方法、装置、计算设备和介质，能够解决确定发声对象的准确度低下的问题。

根据本发明实施例的第一方面，提供一种发声对象确定方法，包括：

获取第二发声对象发出的目标音频帧以及所述第二发声对象的目标位置信息；

确定所述目标位置信息与第一目标音频段对应的第一位置信息不匹配，则提取第二目标音频段的目标声纹特征，其中，所述第一目标音频段包括所述目标音频帧的前N个音频帧；所述第一目标音频段中的音频帧的发声对象和所述第二目标音频段中的音频帧的发声对象相同；所述第一目标音频段为所述第二目标音频段的至少一部分；N为大于或等于1的整数；

根据所述目标声纹特征确定所述第二目标音频段的目标发声对象。

根据本发明实施例的第二方面，提供一种发声对象确定方法，包括：

获取第二发声对象发出的目标音频帧以及所述第二发声对象的目标位置信息；

确定所述目标位置信息与第一目标音频段对应的第一位置信息不匹配，则提取所述第一目标音频段的目标声纹特征，其中，所述第一目标音频段包括第一发声对象发出的全部连续音频帧，所述第一发声对象为发出所述目标音频帧的前一音频帧的发声对象；所述第一目标音频段的终点为所述目标音频帧的前一音频帧；

根据所述目标声纹特征确定所述第一目标音频段的发声对象。

根据本发明实施例的第三方面，提供一种发声内容起点确定方法，包括：

获取第二发声对象发出的目标音频帧以及所述第二发声对象的目标位置信息；

确定所述目标位置信息与第一目标音频段对应的第一位置信息不匹配，则将所述目标音频帧确定为所述第二发声对象发声内容的起点；

其中，所述第一目标音频段包括第一发声对象发出的全部连续音频帧，所述第一发声对象为发出所述目标音频帧的前一音频帧的发声对象；所述第一目标音频段的终点为所述目标音频帧的前一音频帧。

根据本发明实施例的第四方面，提供一种发声对象标识变更方法，包括：

获取第二发声对象发出的目标音频帧以及所述第二发声对象的目标位置信息；