[发明专利]声音分离方法、装置及计算机可读存储介质有效
| 申请号： | 201910466401.9 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110246512B | 公开（公告）日： | 2023-05-26 |
| 发明（设计）人： | 王健宗;程宁 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G10L21/0208 | 分类号： | G10L21/0208;G10L21/0272;G10L25/30;G10L25/57;G06V40/16;G06V10/764;G06N3/045;G06N3/0442;G06N3/0464;G06N3/08 |
| 代理公司： | 深圳市沃德知识产权代理事务所(普通合伙) 44347 | 代理人： | 高杰;于志光 |
| 地址： | 518000 广东省深圳市福田区福*** | 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： | 本发明公开了一种声音分离方法，该方法包括：将原始音视频样本分割成多个音视频段，提取每个音视频段的视频流及音频流；确定每个音视频段的视频流中的人脸特征；利用音频变换压缩方法，获取每个音视频段的音频流中的音频特征；将每个音视频段的人脸特征及音频特征进行结合，生成每个音视频段的视听特征；将每个音视频段的视听特征作为声音分离模型的输入，对所述声音分离模型进行训练，得到训练好的声音分离模型；将所述目标音视频数据作为所述训练好的声音分离模型的输入，输出所述目标音视频数据中人的音频数据。本发明还提出一种声音分离装置以及一种计算机可读存储介质。本发明能实现声音与说话者的准确映射，显著提高语音分离的质量。 | ||
| 搜索关键词： | 声音 分离 方法 装置 计算机 可读 存储 介质 | ||
【主权项】：
1.一种声音分离方法，其特征在于，所述方法包括：获取原始音视频样本；将原始音视频样本分割成多个音视频段，提取每个音视频段的视频流及音频流；确定每个音视频段的视频流中的人脸特征；利用音频变换压缩方法，获取每个音视频段的音频流中的音频特征；通过连接学习将每个音视频段的人脸特征及音频特征进行结合，生成每个音视频段的视听特征；将每个音视频段的视听特征作为声音分离模型的输入，对所述声音分离模型进行训练，得到训练好的声音分离模型；获取目标音视频数据；将所述目标音视频数据作为所述训练好的声音分离模型的输入，输出所述目标音视频数据中人的音频数据。
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平安科技（深圳）有限公司，未经平安科技（深圳）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/201910466401.9/，转载请声明来源钻瓜专利网。
- 上一篇：双麦克降噪方法及移动终端
- 下一篇：语音信号的处理方法及移动终端
