[发明专利]一种音频提取方法、装置、设备和存储介质

权利要求书

1.一种音频提取方法，其特征在于，包括：

获取待处理音频和注册音频，所述注册音频为所述待处理音频中的一段目标对象的语音音频；

对所述待处理音频进行切分，得到多个窗口片段；

提取所述注册音频以及所述窗口片段的特征向量；

对所述窗口片段的特征向量与所述注册音频的特征向量进行相似度分析；

基于当前窗口片段以及与当前窗口片段相邻的窗口片段与所述注册音频的特征向量的相似度，判断所述当前窗口片段是否为目标对象的语音音频；

将目标对象的语音音频确定为提取音频。

2.根据权利要求1所述的音频提取方法，其特征在于，基于当前窗口片段以及与当前窗口片段相邻的窗口片段与所述注册音频的特征向量的相似度，判断所述当前窗口片段是否为目标对象的语音音频，包括：

计算当前窗口片段与所述注册音频的特征向量的相似度，记为第一相似度；

判断第一相似度是否大于预设分数阈值；

当不大于预设分数阈值时，则确定所述当前窗口片段不为目标对象的语音音频；

当大于预设分数阈值时，获取第二相似度和第三相似度，所述第二相似度为与所述当前窗口片段相邻且位于所述当前窗口片段之前的一个窗口片段与所述注册音频的特征向量的相似度，所述第三相似度为与所述当前窗口片段相邻且位于所述当前窗口片段之后的一个窗口片段与所述注册音频的特征向量的相似度；

基于所述第一相似度、所述第二相似度和所述第三相似度判断所述当前窗口片段是否为目标对象的语音音频。

3.根据权利要求2所述的音频提取方法，其特征在于，基于所述第一相似度、所述第二相似度和所述第三相似度判断所述当前窗口片段是否为目标对象的语音音频，包括：

判断所述第一相似度、所述第二相似度和所述第三相似度是否满足第一预设条件和第二预设条件；

所述第一预设条件为：所述当前窗口片段和与其相邻的窗口片段之间的声纹相似度均低于设定值；

所述第二预设条件为：所述第二相似度和所述第三相似度的值均小于所述预设分数阈值；

当满足所述第一预设条件和所述第二预设条件中的任意一项时，则确定所述当前窗口片段不是目标对象的语音音频，否则，则确定所述当前窗口片段是目标对象的语音音频。

4.根据权利要求3所述的音频提取方法，其特征在于，所述第一预设条件具体为：所述第一相似度和所述第二相似度的差值、以及所述第一相似度和所述第三相似度的差值均大于预设分差阈值。

5.根据权利要求1-4任一项所述的音频提取方法，其特征在于，对所述待处理音频进行切分，包括：

对所述待处理音频进行语音活动检测，去除所述待处理音频中的静音期；

使用滑动窗口对去除静音期后的待处理音频进行切分。

6.根据权利要求1-4任一项所述的音频提取方法，其特征在于，提取所述注册音频以及所述窗口片段的特征向量，包括：

提取数据增强后的注册音频的特征向量；

提取数据增强后的窗口片段的特征向量。

7.一种音频提取装置，其特征在于，包括：

音频获取单元，用于获取待处理音频和注册音频，所述注册音频为所述待处理音频中的一段目标对象的语音音频；

音频处理单元，用于对所述待处理音频进行切分，得到多个窗口片段；

特征向量提取单元，用于提取所述注册音频以及所述窗口片段的特征向量；

相似度计算单元，用于对所述窗口片段的特征向量与所述注册音频的特征向量进行相似度分析；

目标音频检测单元，用于基于当前窗口片段以及与当前窗口片段相邻的窗口片段与所述注册音频的特征向量的相似度，判断所述当前窗口片段是否为目标对象的语音音频；将目标对象的语音音频确定为提取音频。