一种音频标注方法及装置制造方法及图纸
【技术实现步骤摘要】
一种音频标注方法及装置
本专利技术涉及音频分析和处理领域，尤其涉及一种音频标注方法及装置。
技术介绍
对音频文件进行标注，是音频分析和处理领域不可或缺的知识训练源。现有技术中，对音频进行标注时，经常采用两种方法，人工标注(即专家标注)法和基于统计标注法，在采用人工标注法对音频进行标注时，人力成本投入大、耗时长，而且标注的准确率不高，在利用统计进行音频标注时，只能对音频中之前被标注过的那部分音频进行标注，不能对音频中之前未被标注过的那部分音频进行标注，导致标注的准确率较低。
技术实现思路
本专利技术的目的是解决现有技术中音频标注耗费人力资源大、耗时长且标注准确率低的问题。第一方面，本专利技术提供了一种音频标注方法，包括以下步骤：将音频文件切分成多个音频片段，并从中选取至少一个音频片段；提取所述至少一个音频片段的声学特征和图像特征，所述声学特征包括调性和/或频率分布特征；将所述至少一个音频片段中相同的音频片段的所述声学特征和所述图像特征进行合成，获得所述至少一个音频片段中相同的音频片段的特征向量；对所述至少一个音频片段的特征向量进行训练和预测，获得相应的概率分布，选择概率...
【技术保护点】
一种音频标注方法，其特征在于，包括以下步骤：将音频文件切分成多个音频片段，并从中选取至少一个音频片段；提取所述至少一个音频片段的声学特征和图像特征，所述声学特征包括调性和/或频率分布特征；将所述至少一个音频片段中相同的音频片段的所述声学特征和所述图像特征进行合成，获得所述至少一个音频片段中相同的音频片段的特征向量；对所述至少一个音频片段的特征向量进行训练和预测，获得相应的概率分布，选择概率值中的最大值对应的标签作为所述音频文件的标签。
【技术特征摘要】
1.一种音频标注方法，其特征在于，包括以下步骤：将音频文件切分成多个音频片段，并从中选取至少一个音频片段；提取所述至少一个音频片段的声学特征和图像特征，所述声学特征包括调性和/或频率分布特征；将所述至少一个音频片段中相同的音频片段的所述声学特征和所述图像特征进行合成，获得所述至少一个音频片段中相同的音频片段的特征向量；对所述至少一个音频片段的特征向量进行训练和预测，获得相应的概率分布，选择概率值中的最大值对应的标签作为所述音频文件的标签。2.根据权利要求1所述的方法，其特征在于，所述将音频文件切分成多个音频片段，并从中选取至少一个音频片段步骤，包括：通过ffmpeg工具将音频文件切分成多个音频片段，并从中选取开头部分、中间部分和结尾部分三个音频片段。3.根据权利要求1所述的方法，其特征在于，所述提取所述至少一个音频片段的声学特征步骤，包括：通过marsyas工具提取所述至少一个音频片段的声学特征，当所述音频片段为单声道时，提取包括调性特征和频率分布特征在内的31个特征，并计算其均方差，获得31个特征值；当所述音频片段为双声道时,则提取的特征个数为62，并计算其均方差，获得62个特征值；所述单声道的音频片段合成一个62维的向量，所述双声道的音频片段合成一个124维的向量；所述提取所述至少一个音频片段的图像特征步骤，包括：通过marsyas工具提取所述至少一个音频片段的频谱分布图；将所述频谱分布图切分成10个频谱分布小图；计算每个所述频谱分布小图的59个LBP向量；将所述10个频谱分布小图的59个LBP向量合成一个590维的向量。4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述至少一个音频片段中相同的音频片段的所述声学特征和所述图像特征进行合成，获得所述至少一个音频片段中相同的音频片段的特征向量步骤，包括：当所述音频片段为单声道时，将所述62维的向量和所述590维的向量合成652维的向量，获得所述至少一个音频片段中相同的音频片段的特征向量；当所述音频片段为双声道时，将所述124维的向量和所述590维的向量合成714维的向量，获得所述至少一个音频片段中相同的音频片段的特征向量。5.根据权利要求1所述的方法，其特征在于，所述对所述至少一个音频片段的特征向量进行训练和预测，获得相应的概率分布，选择概率值中的最大值对应的标签作为所述音频文件的标签步骤，包括：通过SVM将所述至少一个音频片段的特征向量和训练集进行训练和预测；获得所述至少一个音频片段在预设标签上的概率分布；通过预设规则对所述至少一个音频片段在预设标签上的概率分布进行合成，选择概率值中的最大值对应的标签作为所述音频...
【专利技术属性】
技术研发人员：高玉敏，王志鹏，
申请(专利权)人：亿览在线网络技术北京有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。