[发明专利]音频获取的方法、装置、电子设备及存储介质

说明书

本申请公开了一种音频获取的方法、装置、电子设备及存储介质。本方法包括：获取目标人物的目标人脸特征信息；基于目标人脸特征信息，获取包含目标人物的目标视频片段；获取目标视频片段对应的目标音频片段；从目标音频片段中获取目标人物的说话音频片段。一方面，本方法实现了在无需人工参与的情况下自动获取目标人物的说话音频片段，提高目标人物的说话音频片段的获取效率；另一方面，本方法确定包含目标人物的目标视频片段的过程中充分利用丰富的互联网资源，进而保证了获取到的目标人物的音频说话音频片段的丰富性和多样性。

技术领域

本申请涉及音频信号处理技术领域，更具体地，涉及一种音频获取的方法、装置、电子设备及存储介质。

背景技术

随着人机语音交互技术的发展,个性化语音的生成已经成为人机语音交互场景中重要的需求，即在语音交互系统中，为用户提供语音音色的个性化定制服务。

在相关技术中，基于人工智能的语音音色转换技术往往需要预先收集指定人物的说话音频片段，比如明星、动漫人物等的说话音频片段。但是通过人工录音并标注的方式得到指定人物的说话音频片段，不仅效率低下，而且需要投入大量的人力财力。

发明内容

本申请实施例提供一种音频获取的方法、装置、电子设备及存储介质。

第一方面，本申请一些实施例提供一种音频获取的方法，该方法包括：获取目标人物的目标人脸特征信息；基于目标人脸特征信息，获取包含目标人物的目标视频片段。获取目标视频片段对应的目标音频片段，从目标音频片段中获取目标人物的说话音频片段。

第二方面，本申请一些实施例还提供一种音频获取的装置，该装置包括：目标人脸特征信息获取模块、目标视频片段获取模块、目标音频片段获取模块和说话音频片段获取模块。其中，目标人脸特征信息获取模块用于获取目标人物的目标人脸特征信息。目标视频片段获取模块用于基于目标人脸特征信息，获取包含目标人物的目标视频片段。目标音频片段获取模块用于获取目标视频片段对应的目标音频片段。说话音频片段获取模块用于从目标音频片段中获取目标人物的说话音频片段。

第三方面，本申请一些实施例还提供一种电子设备，该电子设备包括：一个或多个处理器、存储器和一个或多个应用程序。其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述音频获取的方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读取存储介质中存储有计算机程序指令，计算机程序指令可被处理器调用执行上述音频获取的方法。

第五方面，本申请实施例还提供一种计算机程序产品，该计算机程序产品被执行时，实现上述音频获取的方法。

本申请实施例提出了的一种音频获取的方法、装置、电子设备及存储介质。在本方法中，基于目标人物的目标人脸特征信息确定包含目标人物的目标视频片段，接着获取该目标视频片段对应的目标音频片段，最后从该目标音频片段中提取目标人物的说话音频片段。一方面，本方法实现了在无需人工参与的情况下自动获取目标人物的说话音频片段，提高目标人物的说话音频片段的获取效率；另一方面，本方法确定包含目标人物的目标视频片段的过程中充分利用丰富的互联网资源，进而保证了获取到的目标人物的音频说话音频片段的丰富性和多样性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请第一实施例提供的一种音频获取的方法的流程示意图。

图2示出了本申请第二实施例提供的一种音频获取的方法的流程示意图。

图3示出了本申请第三实施例提供的一种音频获取的方法的流程示意图。