语音分离方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请提供了一种语音分离方法、装置、电子设备及计算机可读存储介质，应用于语音处理技术领域，其中该方法包括：提取目标通话音频对应的声谱图的三维特征，充分利用了说话者的信息，能够提升语音切分的准确性；此外，通过预训练的循环神经网络自动输出目标通话音频的分割标签，对转换点的判断更加精准，进而提升语音切分的准确性，再者，不需要另外的聚类算法进行聚类处理，从而能够实现语音分离的端到端处理。

【技术实现步骤摘要】
语音分离方法、装置、电子设备及计算机可读存储介质
本申请涉及语音处理
，具体而言，本申请涉及一种语音分离方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着多媒体技术的发展，大量的音频文件不断增加。如何对海量的音频信息进行有效地管理和应用，使音频数据从“无序”变成“有序”是一个很重要的问题，而对音频进行说话人分割，是解决这一问题的关键技术。目前，对音频进行语音分割是通过跳变点检测和聚类的方法实现的，即先利用说话者跳变点检测方法，将语音分割成很多语音小段，再采用自底向上聚类，把相同说话人归并到一起。然而，由于没有语音中说话人信息的先验知识，在分割和聚类的过程中，说话者信息利用不够充分，所以会影响音频切分的准确度。因此，现有的通过跳变点检测和聚类的方法实现语音分割的方法，存在说话者信息利用不够充分，语音切分准确度低的问题。
技术实现思路
本申请提供了一种语音分离方法、装置、电子设备及计算机可读存储介质，用于提升信用卡申请审核的效率、降低新增申请的欺诈风险以及发现存量申请中的欺诈申请，本申请采用的技术方案如下：本文档来自技高网...

【技术保护点】
1.一种语音分离方法，其特征在于，包括：/n获取目标通话音频对应的声谱图；/n基于预训练的卷积神经网络提取所述声谱图的三维特征，所述三维特征包括时间维度特征、频率维度特征、通道维度特征；/n对所述三维特征在频率维度进行平均池化处理，得到池化处理后的特征；/n将所述池化处理后的特征输入至预训练的循环神经网络，得到时间维度上的分割标签；/n基于所述时间维度上的分割标签对所述目标通话音频进行语音分离。/n

【技术特征摘要】
1.一种语音分离方法，其特征在于，包括：
获取目标通话音频对应的声谱图；
基于预训练的卷积神经网络提取所述声谱图的三维特征，所述三维特征包括时间维度特征、频率维度特征、通道维度特征；
对所述三维特征在频率维度进行平均池化处理，得到池化处理后的特征；
将所述池化处理后的特征输入至预训练的循环神经网络，得到时间维度上的分割标签；
基于所述时间维度上的分割标签对所述目标通话音频进行语音分离。


2.根据权利要求1所述的方法，其特征在于，所述获取目标通话音频对应的声谱图，之前包括：
获取目标通话音频；
对所述目标通话音频进行标准化处理，得到所述目标通话音频对应的数字信号；
基于所述数字信号通过滑动窗口方法以及FFT变换，得到所述目标通话音频对应的声谱图。


3.根据权利要求1所述的方法，其特征在于，所述基于所述时间维度上的分割标签对所述目标通话音频进行语音分离，包括：
基于所述时间维度上的分割标签将所述目标通话音频分割为多个音频片段；
将相同的所述时间维度上的分割标签对应的各个音频片段进行拼接，得到所述目标通话音频进行分离处理后的音频。


4.根据权利要求3所述的方法，其特征在于，该方法还包括：
提取任一所述分割标签对应的音频片段的声纹特征；
计算所述任一所述分割标签对应的音频片段的声纹特征与预存储的至少一个客服的声纹特征的相似度；
基于第一相似度计算结果确定待识别的所述目标通话音频分离后的音频是目标对象的音频或客服的音频。


5.根据权利要求3所述的方法，其特征在于，该方法还包括：
提取所述目标通话音频进行分离处理后的音频的声纹特征；

【专利技术属性】
技术研发人员：赖勇铨，陈文，贺亚运，李美玲，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：北京;11