[发明专利]一种基于长短期记忆模型的人声分割方法及系统在审
| 申请号： | 201810026363.0 | 申请日： | 2018-01-11 |
| 公开（公告）号： | CN108257592A | 公开（公告）日： | 2018-07-06 |
| 发明（设计）人： | 郑渊中 | 申请（专利权）人： | 广州势必可赢网络科技有限公司 |
| 主分类号： | G10L15/04 | 分类号： | G10L15/04;G10L15/02;G10L15/05;G10L15/06;G10L19/038;G10L25/30 |
| 代理公司： | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人： | 王仲凯 |
| 地址： | 510000 广东省广州市天*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于长短期记忆模型的人声分割方法及系统，解决了现有的技术中，递归神经网络在处理过长的输入序列时，新的信息会覆盖旧的信息，导致的产生被动遗忘的技术问题。其中方法包括：S1、获取待分割音频，按照第一预设步长和第一预设语音窗长度依次提取所述待分割音频片段的第一声学特征向量；S2、将所述第一声学特征向量依次输入至已训练的长短期记忆模型神经网络中，逐一得到所述第一声学特征向量的d‑vector特征矢量；S3、将所述d‑vector特征矢量转换为第一标签值，并将所述第一标签值之间的差值在预设阈值之内的所述d‑vector对应的待分割音频片段按照时间顺序拼接，得到分割后的单通道人声音频文件。 | ||
| 搜索关键词： | 分割 声学特征向量 记忆模型 预设 特征矢量 音频片段 标签 递归神经网络 神经网络 时间顺序 输入序列 音频文件 单通道 拼接 遗忘 语音 转换 覆盖 | ||
【主权项】：
1.一种基于长短期记忆模型的人声分割方法，其特征在于，包括：S1、获取待分割音频，按照第一预设步长和第一预设语音窗长度依次提取所述待分割音频片段的第一声学特征向量；S2、将所述第一声学特征向量依次输入至已训练的长短期记忆模型神经网络中，逐一得到所述第一声学特征向量的d‑vector特征矢量；S3、将所述d‑vector特征矢量转换为第一标签值，并将所述第一标签值之间的差值在预设阈值之内的所述d‑vector对应的待分割音频片段按照时间顺序拼接，得到分割后的单通道人声音频文件。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州势必可赢网络科技有限公司，未经广州势必可赢网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810026363.0/，转载请声明来源钻瓜专利网。
