[发明专利]一种音频检测方法及装置

权利要求书

1.一种音频检测方法，其特征在于，包括：

对音频进行时频转换处理得到声谱图，所述声谱图上的每一帧对应一个语音信号组，所述一个语音信号组中各个语音信号的频率不同；

对所述声谱图进行特征提取，确定各帧的初始语音特征，并对归属于同一帧中且处于不同频率的初始语音特征进行池化处理，确定各帧的聚合语音特征；

分别确定各个初始语音特征的第一上下文关联度，和各个聚合语音特征的第二上下文关联度，其中，一个第一上下文关联度表征了一个初始语音特征与所述各个初始语音特征之间的相关性，一个第二上下文关联度表征了一个聚合语音特征与所述各个聚合语音特征之间的相关性；

基于各个第一上下文关联度确定各帧包含的声音事件，以及基于各个第二上下文关联度对各帧包含的声音事件进行分类，并确定各个声音事件的起止时间。

2.如权利要求1所述的方法，其特征在于，对所述声谱图进行特征提取，确定各帧的初始语音特征，包括：

将所述声谱图输入梅尔滤波器中，将各帧所包含的频谱转换为梅尔特征，并将各帧的梅尔特征作为所述各帧的初始语音特征。

3.如权利要求1所述的方法，其特征在于，在确定各帧的初始语音特征和聚合语音特征之后，在确定各个第一上下文关联度和第二上下文关联度之前，进一步包括：

根据设定的单位频率的长度，分别确定所述各帧的初始语音特征的位置编码，以及所述各帧的聚合语音特征的位置编码。

4.如权利要求1～3任一项所述的方法，其特征在于，通过以下方式确定所述各个声音事件的起止时间，包括：

分别将归属于同一声音事件的帧数总和与设定的单位帧长相乘，将各个乘积结果确定为对应的声音事件的起止时间。

5.一种音频检测装置，其特征在于，包括：

转换单元，用于对音频进行时频转换处理得到声谱图，所述声谱图上的每一帧对应一个语音信号组，所述一个语音信号组中各个语音信号的频率不同；

特征提取单元，用于对所述声谱图进行特征提取，确定各帧的初始语音特征，并对归属于同一帧中且处于不同频率的初始语音特征进行池化处理，确定各帧的聚合语音特征；

分别确定各个初始语音特征的第一上下文关联度，和各个聚合语音特征的第二上下文关联度，其中，一个第一上下文关联度表征了一个初始语音特征与所述各个初始语音特征之间的相关性，一个第二上下文关联度表征了一个聚合语音特征与所述各个聚合语音特征之间的相关性；

检测单元，用于基于各个第一上下文关联度确定各帧包含的声音事件，以及基于各个第二上下文关联度对各帧包含的声音事件进行分类，并确定各个声音事件的起止时间。

6.如权利要求5所述的装置，其特征在于，所述特征提取单元用于：

将所述声谱图输入梅尔滤波器中，将各帧所包含的频谱转换为梅尔特征，并将各帧的梅尔特征作为所述各帧的初始语音特征。

7.如权利要求5所述的装置，其特征在于，所述特征提取单元进一步用于：

根据设定的单位频率的长度，分别确定所述各帧的初始语音特征的位置编码，以及所述各帧的聚合语音特征的位置编码。

8.如权利要求5～7任一项所述的装置，其特征在于，所述检测单元用于：

分别将归属于同一声音事件的帧数总和与设定的单位帧长相乘，将各个乘积结果确定为对应的声音事件的起止时间。

9.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1-4任一项所述的方法。

10.一种存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1-4任一项所述的方法。