[发明专利]应用于视频的语音处理方法、电子设备以及存储介质

权利要求书

1.一种应用于视频的语音处理方法，其特征在于，包括：

获取到待处理视频，并确定所述待处理视频中的遮挡区域；其中，所述遮挡区域为对视频画面进行遮挡的区域；

对所述待处理视频中出现的每一个目标对象进行检测；

响应于检测到至少一个所述目标对象进入所述遮挡区域，且采集到所述目标对象在所述遮挡区域发出的待处理语音，对所述待处理语音进行消声处理或变声处理。

2.根据权利要求1所述的语音处理方法，其特征在于，

所述响应于检测到至少一个所述目标对象进入所述遮挡区域，且采集到所述目标对象在所述遮挡区域发出的待处理语音，对所述待处理语音进行消声处理或变声处理的步骤，包括：

响应于检测到所述目标对象进入所述遮挡区域，且采集到所述目标对象在所述遮挡区域发出的所述待处理语音，利用采集的环境噪音替换所述待处理语音；或，

利用预设的音色特征替换所述待处理语音中的音色特征。

3.根据权利要求2所述的语音处理方法，其特征在于，

所述响应于检测到至少一个所述目标对象进入所述遮挡区域，且采集到所述目标对象在所述遮挡区域发出的所述待处理语音，利用采集的环境噪音替换所述待处理语音的步骤，包括：

响应于检测到至少一个所述目标对象进入所述遮挡区域，在当前预设时间段内采集在所述遮挡区域内的任一所述目标对象的所述待处理语音，并记录每段所述待处理语音对应的发声时间段；

响应于在所述当前预设时间段内存在无发声时间段，采集所述遮挡区域的所述环境噪音，并记录每段所述环境噪音分别对应的无发声时间段；其中，所述无发声时间段指的是所述遮挡区域内未检测到任一所述目标对象的所述待处理语音的时间段；

在所述当前预设时间段内调用每个所述发声时间段之前的所述无发声时间段对应的所述环境噪音，以利用对应的所述环境噪音替换每个所述发声时间段内采集到的所述待处理语音。

4.根据权利要求3所述的语音处理方法，其特征在于，

所述响应于检测到至少一个所述目标对象进入所述遮挡区域，在当前预设时间段内采集在所述遮挡区域内的任一所述目标对象的所述待处理语音，并记录每段所述待处理语音对应的发声时间段的步骤后，还包括：

响应于在所述当前预设时间段内不存在所述无发声时间段，获取到所述当前预设时间段之前的预设时间段；

从所述之前的预设时间段内调用最近的无发声时间段对应的所述环境噪音，并利用所述环境噪音替换所述当前预设时间段内采集的每一个所述待处理语音。

5.根据权利要求1所述的语音处理方法，其特征在于，

所述对所述待处理视频中出现的每一个目标对象进行检测的步骤，包括：

响应于在当前预设时间段内采集到所述目标对象的语音，对采集到的语音进行音频特征提取；其中，所述语音包括所述目标对象在非遮挡区域发出的常规语音以及在所述遮挡区域发出的所述待处理语音；

将提取到的音频特征与声音节点列表中存储的声音节点对应的音频特征进行匹配；

响应于所述声音节点列表中不存在与所述提取到的音频特征匹配的声音节点，在所述声音节点列表中建立新的声音节点，并将所述采集到的语音以及所述提取到的音频特征保存至所述新的声音节点中。

6.根据权利要求5所述的语音处理方法，其特征在于，

所述对所述待处理视频中出现的每一个目标对象进行检测的步骤，还包括：

响应于在所述当前预设时间段内采集到所述目标对象的所述语音，利用麦克风阵列声源定位方法确定所述语音的发声位置；

所述响应于检测到至少一个所述目标对象进入所述遮挡区域，且采集到所述目标对象在所述遮挡区域发出的待处理语音，对所述待处理语音进行消声处理或变声处理的步骤，包括：

响应于所述发声位置处于所述遮挡区域，确定所述目标对象进入所述遮挡区域，并将对应采集到的语音确定为所述待处理语音，对所述待处理语音进行消声处理或变声处理。