[发明专利]基于语音处理的说话人分离方法、装置、设备及存储介质

说明书

本申请涉及一种基于语音处理的说话人分离方法、装置、设备及存储介质。所述方法包括：根据待处理语音的说话人变化点标记及预设的时间尺度对待处理语音进行分割，得到至少一个语音片段集，生成每个语音片段集的语音特征，基于预先构建的模型对每个语音片段集的语音特征执行特征提取和特征融合操作，得到每个语音片段集的目标特征矩阵，计算每个目标特征矩阵的相似度矩阵，基于谱聚类算法对每个相似度特征矩阵进行聚类操作得到每个语音片段集的聚类结果，对每个语音片段集的聚类结果执行投票操作，生成待处理语音的目标结果。本申请可以准确将待处理语音中说话人信息分离出来，得到待处理语音的说话人起始时间点、说话时长及/或说话人标签信息。

技术领域

本申请涉及语音处理技术领域，尤其涉及一种基于语音处理的说话人分离方法、装置、设备及存储介质。

背景技术

目前，说话人分离技术可以根据不同的说话人对语音中各帧音频数据进行分类，从而将属于同一个说话人的音频数据识别出来，以便后续在识别出的数据上标记出说话人信息。

然而，现有的说话人分离技术在实际应用时，无法针对一些复杂语音数据（例如，存在多个说话人同时说话的语音数据）进行说话人分离，导致最后的分离结果准确性较低及鲁棒性较差。

发明内容

鉴于以上内容，本申请提供一种基于语音处理的说话人分离方法、装置、设备及存储介质，其目的在于提高待处理语音中说话人分离结果的准确性及鲁棒性。

第一方面，本申请提供一种基于语音处理的说话人分离方法，该方法包括：

获取待处理语音，根据所述待处理语音的说话人变化点标记及预设的时间尺度对所述待处理语音进行分割，得到至少一个语音片段集；

分别生成每个语音片段集的语音特征，基于预先构建的模型分别对每个语音片段集的语音特征执行特征提取和特征融合操作，得到每个语音片段集的目标特征矩阵；

计算每个目标特征矩阵的相似度矩阵，基于谱聚类算法对每个相似度特征矩阵进行聚类操作得到每个语音片段集的聚类结果；

对每个语音片段集的聚类结果执行投票操作，生成所述待处理语音的目标结果，所述目标结果包括所述待处理语音的说话人起始时间点、说话时长及/或说话人标签信息。

第二方面，本申请提供一种基于语音处理的说话人分离装置，该基于语音处理的说话人分离装置包括：

分割模块：用于获取待处理语音，根据所述待处理语音的说话人变化点标记及预设的时间尺度对所述待处理语音进行分割，得到至少一个语音片段集；

提取模块：用于分别生成每个语音片段集的语音特征，基于预先构建的模型分别对每个语音片段集的语音特征执行特征提取和特征融合操作，得到每个语音片段集的目标特征矩阵；

聚类模块：用于计算每个目标特征矩阵的相似度矩阵，基于谱聚类算法对每个相似度特征矩阵进行聚类操作得到每个语音片段集的聚类结果；

投票模块：用于对每个语音片段集的聚类结果执行投票操作，生成所述待处理语音的目标结果，所述目标结果包括所述待处理语音的说话人起始时间点、说话时长及/或说话人标签信息。

第三方面，本申请提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的基于语音处理的说话人分离方法的步骤。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的基于语音处理的说话人分离方法的步骤。