一种音频分割方法及装置制造方法及图纸

本发明专利技术实施例公开了一种音频分割方法及装置，方法包括：根据预设的特征提取算法提取目标音频的目标特征值；根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分；将所述目标特征值作为预设高斯模型的输入参数，获得针对所述目标音频的后验概率；根据所述后验概率和预设的分类模型对所述目标语音部分进行分割，得到目标音乐部分和非目标音乐部分，其中，所述预设的分类模型为：基于多特征融合和上下文关联的分类模型；根据所述目标静音部分、所述目标音乐部分和所述非目标音乐部分生成针对所述目标音频的分割结果。应用本发明专利技术实施例提供的方案分割音频，可以把音频分割为静音部分、音乐部分和非音乐部分。

【技术实现步骤摘要】

本专利技术涉及音频处理领域，特别涉及一种音频分割方法及装置。
技术介绍
随着互联网技术的不断发展，图像、视频、音频等多媒体数据已逐渐成为互联网信息处理领域中主要的信息媒体形式。其中，音频数据占有很重要的位置。原始音频数据本身是一种非语义符号表示和非结构化的二进制流，缺乏内容语义的描述和结构化的组织。音频分割技术是提取音频中结构化信息和语义内容的重要手段，是音频和视频内容理解、分析与检索的基础。从本质上来说，音频分类是一个模式识别的问题，它包括两个基本处理过程：特征提取和分类。音频分割是在音频分类的基础上从音频流中提取出不同的音频种类，也就是说在时间轴上对音频流按照类别进行划分。目前，传统的音频分割方法一般是先提取目标音频的梅尔倒谱系数特征，然后，根据梅尔倒谱系数特征和预设的混合高斯分类模型将音频分割为语音部分和静音部分，应用上述传统方法可以实现针对音频的基本划分，然而，实际应用中语音部分的内容是丰富多彩的，例如，广播类音频流中存在复杂多变的音频信号等等，因此，仅仅将区分为语音部分和静音部分，不利用提取音频中的结构化信息和语义内容。可见，提供一种能够区分静音、音乐和非音乐的音频分割方法已经成为一种亟待解决的问题。
技术实现思路
本专利技术实施例公开了一种音频分割方法及装置，以能够区分静音、音乐和非音乐。技术方案如下：为达到上述目的，本专利技术实施例公开了一种音频分割方法，包括步骤：根据预设的特征提取算法提取目标音频的目标特征值；根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部
分；将所述目标特征值作为预设高斯模型的输入参数，获得针对所述目标音频的后验概率；根据所述后验概率和预设的分类模型对所述目标语音部分进行分割，得到目标音乐部分和非目标音乐部分，其中，所述预设的分类模型为：基于多特征融合和上下文关联的分类模型；根据所述目标静音部分、所述目标音乐部分和所述非目标音乐部分生成针对所述目标音频的分割结果。较佳的，根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分，包括：将所述目标音频中取值大于预设阈值的所述目标特征值对应的音频帧确定为所述目标音频的目标语音部分，并将所述目标音频中其他音频帧确定为所述目标音频的目标静音部分。较佳的，根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分，包括:根据所述目标特征值，将所述目标音频划分为初始语音部分和初始静音部分；对所述初始语音部分和所述初始静音部分进行平滑处理，得到所述目标音频的目标语音部分和目标静音部分。较佳的，通过以下方式构建所述预设高斯模型：获得样本音频数据；根据所述样本音频数据的大小，确定初始高斯模型；提取所述样本音频数据的样本特征值；将所述样本特征值作为所述初始高斯模型的输入参数，对所述初始高斯模型进行训练，获得预设高斯模型的模型参数，进而完成构建所述预设高斯模型。较佳的，所述预设的分类模型具体为：基于隐马尔科夫的多特征融合模型。为达到上述目的，本专利技术实施例还公开了一种音频分割装置，包括：特征提取模块，用于根据预设的特征提取算法提取目标音频的目标特征值；第一划分模块，用于根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分；后验概率获得模块，用于将所述目标特征值作为预设高斯模型的输入参数，获得针对所述目标音频的后验概率；第二划分模块，用于根据所述后验概率和预设的分类模型对所述目标语音部分进行分割，得到目标音乐部分和非目标音乐部分，其中，所述预设的分类模型为：基于多特征融合和上下文关联的分类模型；结果生成模块，用于根据所述目标静音部分、所述目标音乐部分和所述非目标音乐部分生成针对所述目标音频的分割结果。较佳的，所述第一划分模块，具体用于将所述目标音频中取值大于预设阈值的所述目标特征值对应的音频帧确定为所述目标音频的目标语音部分，并将所述目标音频中其他音频帧确定为所述目标音频的目标静音部分。较佳的，所述第一划分模块，包括:划分单元，用于根据所述目标特征值，将所述目标音频划分为初始语音部分和初始静音部分；平滑处理单元，用于对所述初始语音部分和所述初始静音部分进行平滑处理，得到所述目标音频的目标语音部分和目标静音部分。较佳的，所述装置还包括：高斯模型建立模块，用于构建所述预设高斯模型；其中，所述高斯模型建立模块，包括：样本获得单元，用于获得样本音频数据；初始模型确定单元，用于根据所述样本音频数据的大小，确定初始高斯模型；样本特征提取单元，用于提取所述样本音频数据的样本特征值；模型构建单元，用于将所述样本特征值作为所述初始高斯模型的输入参数，对所述初始高斯模型进行训练，完成构建所述预设高斯模型。较佳的，所述预设的分类模型具体为：基于隐马尔科夫的多特征融合模型。由上述的技术方案可见，首先，提取目标音频的目标特征值，并根据目标特征值，将目标音频划分为目标语音部分和目标静音部分，然后，将目标特征值作为预设高斯模型的输入参数，获得针对所述目标音频的后验概率，根据后验概率和预设的分类模型对目标语音部分进行分割，得到目标音乐部分和非目标音乐部分。由于上述预设的分类模型为：基于多特征融合和上下文关联的分类模型，所以能够很好的将语音部分分割为音乐部分和非音乐部分。因此，应用本专利技术实施例提供的方案进行音频分割，能够把音频分割为静音部分、音乐部分和非音乐部分。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种音频分割方法的流程示意图；图2为本专利技术实施例提供的另一种音频分割方法的流程示意图；图3为本专利技术实施例提供的一种音频分割装置的结构示意图；图4为本专利技术实施例提供的另一种音频分割装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了解决现有技术中存在的问题，本专利技术实施例公开了一种音频分割方法及装置，以融合多特征的音频分割方法对音频进行分割处理，区分出静音部分、音乐部分和非音乐部分。下面通过具体实施例，对本专利技术进行详细说明。图1为本专利技术实施例提供的一种音频分割方法的流程示意图，包括如下步骤：S101：根据预设的特征提取算法提取目标音频的目标特征值；上述目标特征值可以简单的理解为：目标特征的特征值，其中，目标特征可以包括：目标音频的时域特征和/或频域特征。具体的，目标音频的时域特征可以包括：均方根和过零率，频域特征可以包括：短时梅尔倒谱系数、短时delta系数、长时delta系数，谱中心、谱衰减以及谱流量等等，本申请只是以上述为例进行说明，实际应用中并不对此进行限定。上述特征值可以根据以下公式进行计算，其中，以下公式中涉及的变量或者函数的具体含义如下：n表示采样点的序号，N表示每一帧的总采样点数，x(n)表示序号为n的采样点对应的采样值，k表示本文档来自技高网...

【技术保护点】
一种音频分割方法，其特征在于，所述方法包括步骤：根据预设的特征提取算法提取目标音频的目标特征值；根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分；将所述目标特征值作为预设高斯模型的输入参数，获得针对所述目标音频的后验概率；根据所述后验概率和预设的分类模型对所述目标语音部分进行分割，得到目标音乐部分和非目标音乐部分，其中，所述预设的分类模型为：基于多特征融合和上下文关联的分类模型；根据所述目标静音部分、所述目标音乐部分和所述非目标音乐部分生成针对所述目标音频的分割结果。

【技术特征摘要】
1.一种音频分割方法，其特征在于，所述方法包括步骤：根据预设的特征提取算法提取目标音频的目标特征值；根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分；将所述目标特征值作为预设高斯模型的输入参数，获得针对所述目标音频的后验概率；根据所述后验概率和预设的分类模型对所述目标语音部分进行分割，得到目标音乐部分和非目标音乐部分，其中，所述预设的分类模型为：基于多特征融合和上下文关联的分类模型；根据所述目标静音部分、所述目标音乐部分和所述非目标音乐部分生成针对所述目标音频的分割结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分，包括：将所述目标音频中取值大于预设阈值的所述目标特征值对应的音频帧确定为所述目标音频的目标语音部分，并将所述目标音频中其他音频帧确定为所述目标音频的目标静音部分。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标特征值，将所述目标音频划分为目标语音部分和目标静音部分，包括：根据所述目标特征值，将所述目标音频划分为初始语音部分和初始静音部分；对所述初始语音部分和所述初始静音部分进行平滑处理，得到所述目标音频的目标语音部分和目标静音部分。4.根据权利要求1～3任一项所述的方法，其特征在于，通过以下方式构建所述预设高斯模型：获得样本音频数据；根据所述样本音频数据的大小，确定初始高斯模型；提取所述样本音频数据的样本特征值；将所述样本特征值作为所述初始高斯模型的输入参数，对所述初始高斯模型进行训练，获得预设高斯模型的模型参数，进而完成构建所述预设高斯模型。5.根据权利要求1～3任一项所述的方法，其特征在于，所述预设的分类模型具体为：基于隐马尔科夫的多特征融合模型。6.一种音频分割装置，其特征在于，所述装置包括：特征提取模块，用于根...

【专利技术属性】
技术研发人员：谭应伟，王涛，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京;11