[发明专利]音频隐水印的添加、提取方法和系统

说明书

本申请实施例提供了一种音频隐水印的添加、提取方法和系统，包括：获取待合成音频对应的第一波形文件；生成与所述第一波形文件对应的用户数据；对所述第一波形文件进行频域转化，得到第一Mel频谱图；将所述用户数据添加到所述第一Mel频谱图中，得到包含隐水印的第二Mel频谱图；对所述第二Mel频谱图进行还原处理，得到包含隐水印的第二波形文件。通过在合成音频的Mel频谱图中注入隐水印的方式，经过水印提取即可得到原始的用户数据，便于根据用户数据进行溯源，了解数据生产方或使用方等信息，增强对传播的音频内容的监控管理能力较差，和对音频内容进行有效的版权保护，从而避免合成的音频内容不合法的应用，减少合成的音频内容对发音人造成的伤害。

技术领域

本申请实施例涉及音频合成技术领域，尤其涉及一种音频隐水印的添加、提取方法、系统、计算机设备及计算机可读存储介质。

背景技术

随着语音合成技术的飞速发展，语音合成技术被大量应用，例如，语音交互(如智能助手或智能客户)，阅读听书(书籍朗读功能)，订单播报(如打车软件、餐饮叫号)等。然而，语音合成技术存在如下几个的缺点：

(1)语音合成技术由机器代替人来生成音频数据，可以自由合成包含敏感信息的音频内容并肆意传播，难以对这些音频进行监控管理；(2)语音合成技术的数据采集来源于真实的发音人，极具拟人效果，通常情况下将难以区分是否是发音人的音频，这可能会对发音人带来伤害；(3)声音和音乐著作是受版权保护的，但是互联网时代，制作音频的副本即可进行传播，对于音频的版权保护非常不利。

发明内容

本申请实施例的目的是提供一种音频隐水印的添加、提取方法、系统、计算机设备及计算机可读存储介质，用于解决以下问题：现有方案对传播的音频内容的监控管理能力较差，无法对音频内容进行有效的版权保护，且合成的音频内容可能会对发音人造成伤害。

本申请实施例的一个方面提供了一种音频隐水印的添加方法，包括：

获取待合成音频对应的第一波形文件；

生成与所述第一波形文件对应的用户数据；

对所述第一波形文件进行频域转化，得到第一Mel频谱图；

将所述用户数据添加到所述第一Mel频谱图中，得到包含隐水印的第二Mel频谱图；

对所述第二Mel频谱图进行还原处理，得到包含隐水印的第二波形文件。

可选地，所述获取待合成音频对应的第一波形文件，包括：

响应于接收到的语音合成指令，获取待合成音频对应的第一波形文件。

可选地，所述将所述用户数据添加到所述第一Mel频谱图中，得到包含隐水印的第二Mel频谱图，包括：

基于预置的隐水印生成模型，将所述用户数据添加到所述第一Mel频谱图中，得到所述第二Mel频谱图。

可选地，在所述生成与所述第一波形文件对应的用户数据的步骤之后，还包括：

对所述用户数据进行加密处理。

可选地，所述用户数据包括：用户ID，数字签名和授权周期。

本申请实施例的一个方面又提供了一种音频隐水印的提取方法，包括：

获取待溯源音频对应的包含隐水印的第二波形文件；

对所述第二波形文件进行频域转化，得到包含隐水印的第二Mel频谱图；

对所述第二Mel频谱图进行水印提取，得到与所述第二波形文件对应的用户数据。

可选地，所述获取待溯源音频对应的第二波形文件，包括：