[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取待处理的音频的语谱图；将语谱图进行二值化处理，得到二值化图像；从二值化图像中确定出与预设的模板图像匹配的目标区域，其中，模板图像是由模板语谱图通过二值化处理得到的；输出目标区域对应的时间区间。该实施方式能够提高音频检测的准确度。

技术领域

本申请实施例涉及声音识别技术领域，具体涉及用于输出信息的方法和装置。

背景技术

随着互联网技术的不断发展，互联网已经成为人们生活中必不可少的工具。利用互联网设备实现未知音频的识别，并基于音频识别的互动，成为一种新的应用趋势。

现有技术中，常用的音频识别软件在调用音频识别时，会播放一个特殊的音频，用于提示用户可输入音频。该段音频在语音识别时需要被剪辑掉。但如果用户在播放该特殊的音频的时候输入待处理音频，则在音频识别时需要保留特殊的音频。不能仅通过音频播放时间对待处理音频进行剪辑。通常通过提取待识别音频的声纹特征，利用声纹特征进行匹配，从待处理音频中匹配出特殊的音频。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：获取待处理的音频的语谱图；将语谱图进行二值化处理，得到二值化图像；从二值化图像中确定出与预设的模板图像匹配的目标区域，其中，模板图像是由模板语谱图通过二值化处理得到的；输出目标区域对应的时间区间。

在一些实施例中，从二值化图像中确定出与预设的模板图像匹配的目标区域，包括：从二值化图像中确定出与预设的模板图像之间汉明距离小于预定距离阈值的区域作为目标区域。

在一些实施例中，从二值化图像中确定出与预设的模板图像匹配的目标区域，包括：从二值化图像中确定出与预设的模板图像之间的余弦相似度大于预定余弦相似度阈值的区域作为目标区域。

在一些实施例中，从二值化图像中确定出与预设的模板图像匹配的目标区域，包括：从二值化图像中确定出与预设的模板图像之间的相似度大于预定相似度阈值的区域作为候选区域；从候选区域中提取出特征向量；将特征向量输入预设的分类器，输出特征向量属于预定类别的概率；响应于确定出输出的特征向量属于预定类别的概率大于预定概率阈值，将候选区域确定为目标区域。

在一些实施例中，从候选区域中提取出特征向量，包括：从候选区域的纵坐标的频率区间范围内选取至少一个预定的频率作为特征频率；对于选取出的特征频率中的每个特征频率，将候选区域中该特征频率对应的像素点的像素值累加作为该特征频率的特征值；根据各特征频率的特征值生成特征向量。

在一些实施例中，上述方法还包括：将在时间区间范围内的音频片段从音频中删除。

第二方面，本申请实施例提供了一种用于输出信息的装置，包括：获取单元，配置用于获取待处理的音频的语谱图；处理单元，配置用于将语谱图进行二值化处理，得到二值化图像；匹配单元，配置用于从二值化图像中确定出与预设的模板图像匹配的目标区域，其中，模板图像是由模板语谱图通过二值化处理得到的；输出单元，配置用于输出目标区域对应的时间区间。

在一些实施例中，匹配单元进一步配置用于：从二值化图像中确定出与预设的模板图像之间汉明距离小于预定距离阈值的区域作为目标区域。

在一些实施例中，匹配单元进一步配置用于：从二值化图像中确定出与预设的模板图像之间的余弦相似度大于预定余弦相似度阈值的区域作为目标区域。

在一些实施例中，匹配单元进一步配置用于：从二值化图像中确定出与预设的模板图像之间的相似度大于预定相似度阈值的区域作为候选区域；从候选区域中提取出特征向量；将特征向量输入预设的分类器，输出特征向量属于预定类别的概率；响应于确定出输出的特征向量属于预定类别的概率大于预定概率阈值，将候选区域确定为目标区域。