[发明专利]一种说话人分离方法及其相关设备

权利要求书

1.一种说话人分离方法，其特征在于，所述方法包括：

获取待分离语音数据；其中，所述待分离语音数据包括至少一个说话人的语音信息；

将所述待分离语音数据输入预先构建的语音分离模型，得到所述语音分离模型输出的至少一个语音分离数据，以使各个语音分离数据所携带语音信息的说话人不同；

根据所述至少一个语音分离数据，确定所述待分离语音数据的说话人分离结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个语音分离数据，确定所述待分离语音数据的说话人分离结果，包括：

根据所述至少一个语音分离数据和预先训练好的语音活性检测模型，确定所述至少一个语音分离数据的语音边界信息；

分别按照各个语音分离数据的语音边界信息对各个语音分离数据进行说话人标注，得到各个语音分离数据的说话人标注结果；

根据所述至少一个语音分离数据的说话人标注结果，确定所述待分离语音数据的说话人分离结果。

3.根据权利要求2所述的方法，其特征在于，若所述语音分离数据的个数为N，则第n个语音分离数据的语音边界信息的确定过程，包括：

对所述第n个语音分离数据进行频谱特征提取，得到所述第n个语音分离数据的频谱特征和所述第n个语音分离数据对应的映射关系；其中，所述第n个语音分离数据对应的映射关系用于描述所述第n个语音分离数据中各帧音频数据与所述第n个语音分离数据的频谱特征中各个数据特征之间的对应关系；其中，n为正整数，n≤N，N为正整数；

将所述第n个语音分离数据的频谱特征输入所述语音活性检测模型，得到所述语音活性检测模型输出的所述第n个语音分离数据对应的语音边界检测结果；

根据所述第n个语音分离数据对应的语音边界检测结果和所述第n个语音分离数据对应的映射关系，确定所述第n个语音分离数据的语音边界信息。

4.根据权利要求2所述的方法，其特征在于，若所述语音分离数据的个数为N，则第n个语音分离数据的说话人标注结果的确定过程，包括：

按照所述第n个语音分离数据的语音边界信息，对所述第n个语音分离数据进行语音边界标注，得到所述第n个语音分离数据的语音边界标注结果；其中，n为正整数，n≤N，N为正整数；

确定所述第n个语音分离数据对应的说话人标识，以使所述第n个语音分离数据对应的说话人标识不同于N个语音分离数据中除了所述第n个语音分离数据以外其他任一语音分离数据对应的说话人标识；

根据所述第n个语音分离数据的语音边界标注结果和所述第n个语音分离数据的对应的说话人标识，确定所述第n个语音分离数据的说话人标注结果。

5.根据权利要求4所述的方法，其特征在于，若所述第n个语音分离数据包括M帧音频数据，则所述第n个语音分离数据中第m帧音频数据的说话人标注结果的确定过程，包括：

若所述第n个语音分离数据中第m帧音频数据的语音边界标注结果满足预设标注条件，则将所述第n个语音分离数据的对应的说话人标识，确定为所述第n个语音分离数据中第m帧音频数据的说话人标注结果；其中，m为正整数，m≤M，M为正整数；

若所述第n个语音分离数据中第m帧音频数据的语音边界标注结果不满足预设标注条件，则将所述第n个语音分离数据中第m帧音频数据的语音边界标注结果，确定为所述第n个语音分离数据中第m帧音频数据的说话人标注结果。

6.根据权利要求2所述的方法，其特征在于，若所述语音分离数据的个数为N，则所述待分离语音数据的说话人分离结果的确定过程，包括：

将N个语音分离数据的说话人标注结果按照预设合并方式进行合并，得到所述待分离语音数据的说话人分离结果。