[发明专利]音频识别的方法、装置、电子设备及存储介质

说明书

本申请公开了音频识别的方法、装置、电子设备及存储介质，涉及人工智能、深度学习、语音识别领域。具体实现方案为：对目标多媒体资源进行人声分离，获取目标多媒体资源中的每个发声人的声纹；将目标多媒体资源中的每个发声人的声纹与声纹库中的预存声纹进行匹配，预存声纹为目标类别人物的声纹；在匹配成功的情况下，确定目标多媒体资源中包含目标类别人物的音频。本申请通过人声分离的方式可以从目标多媒体资源中准确的获取到每个发声人的音频，进而保证每个发声人的音频均能够与声纹库中目标类别人物的声纹进行匹配，提高了目标多媒体资源的检测准确率。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能、深度学习、语音识别领域。

背景技术

随着互联网技术发展，蕴含信息量更大的音视频成为人们获取信息的重要途径。而一些非法分子也基于此方式，通过音视频在网络上传播负面思想。因此，找出含有敏感内容的音视频，对建立安全的网络环境意义重大。

发明内容

本申请提供了一种音频识别的方法、装置、电子设备及存储介质。

根据本申请的一方面，提供了一种音频识别的方法，包括：

对目标多媒体资源进行人声分离，获取目标多媒体资源中的每个发声人的声纹；

将目标多媒体资源中的每个发声人的声纹与声纹库中的预存声纹进行匹配，预存声纹为目标类别人物的声纹；

在匹配成功的情况下，确定目标多媒体资源中包含目标类别人物的音频。

根据本申请的另一方面，提供了一种音频识别的装置，包括：

第一获取模块，用于对目标多媒体资源进行人声分离，获取目标多媒体资源中的每个发声人的声纹；

匹配模块，用于将目标多媒体资源中的每个发声人的声纹与声纹库中的预存声纹进行匹配，预存声纹为目标类别人物的声纹；

确定模块，用于在匹配成功的情况下，确定目标多媒体资源中包含目标类别人物的音频。

根据本申请的另一方面，提供了一种电子设备，电子设备的功能可以通过硬件实现，也可以通过硬件执行响应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。

在一个可能的设计中，电子设备的结构中包括处理器和存储器，存储器用于存储支持电子设备执行上述音频识别的方法的程序，处理器被配置为用于执行存储器中存储的程序。电子设备还可以包括通信接口，用于与其他设备或通信网络通信。

根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，用于存储电子设备及电子设备所用的计算机软件指令，其包括用于执行上述音频识别的方法所涉及的程序。

根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述音频识别的方法。

本申请通过人声分离的方式可以从目标多媒体资源中准确的获取到每个发声人的音频，进而保证每个发声人的音频均能够与声纹库中目标类别人物的声纹进行匹配，提高了目标多媒体资源的检测准确率。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例的音频识别方法的实现流程示意图；

图2是根据本申请另一实施例的音频识别的方法的实现流程示意图；

图3是根据本申请另一实施例的音频识别的方法的实现流程示意图；