[发明专利]音频数据提取方法、装置、计算机设备和存储介质

权利要求书

1.一种音频数据提取方法，其特征在于，所述方法包括：

获取语音数据，识别所述语音数据中的碎片音频段，所述碎片音频段为包含说话人语音的语音数据片段；

提取所述碎片音频段对应的音频特征信息，并在所述音频特征信息中添加对应的时序维度特征，得到音频融合特征信息，所述时序维度特征包括所述碎片音频段在所述语音数据中的前后顺序信息和前后碎片音频段的相隔距离信息；

基于所述时序维度特征，通过预设聚类算法对所述音频融合特征信息进行聚类处理，以将所述语音数据中不同人物的语音聚合，获取所述语音数据对应的音频聚簇信息，所述音频聚簇信息中每个音频聚簇对应所述语音数据中的一个说话的人物；

根据所述音频聚簇信息，获取所述语音数据对应的音频数据提取结果。

2.根据权利要求1所述的方法，其特征在于，所述获取语音数据，识别所述语音数据中的碎片音频段包括：

获取语音数据；

检测所述语音数据中的空白音频位置；

根据所述空白音频位置剔除所述语音数据中的连续空白音频段，获取碎片音频段。

3.根据权利要求2所述的方法，其特征在于，所述检测所述语音数据中的空白音频位置包括：

通过静默检测以及滑动窗口检测所述语音数据中的空白音频位置。

4.根据权利要求1所述的方法，其特征在于，所述提取所述碎片音频段对应的音频特征信息，并在所述音频特征信息中添加对应的时序维度特征，获取音频融合特征信息之前，还包括：

根据所述碎片音频段在所述语音数据中的时序信息，获取所述碎片音频段对应的时序维度特征。

5.根据权利要求1所述的方法，其特征在于，所述根据所述音频聚簇信息获取所述语音数据对应的音频数据提取结果包括：

获取所述音频聚簇信息中最大聚簇的声音长度信息；

当所述最大聚簇的声音长度信息小于预设模型输入长度阈值时，反馈对应的音频拒识消息。

6.根据权利要求1所述的方法，其特征在于，所述根据所述音频聚簇信息获取所述语音数据对应的音频数据提取结果包括：

获取所述音频聚簇信息中最大聚簇的声音长度信息；

当所述最大聚簇的声音长度信息小于预设模型输入长度阈值时，获取所述音频聚簇信息中音频聚簇的长度排名；

将所述音频聚簇信息中最大聚簇与所述长度排名中后续的音频聚簇依次拼接；

在每次拼接完成后，获取拼接完成后拼接聚簇的声音长度信息，当所述拼接聚簇的声音长度信息大于或等于预设模型输入长度阈值时，将所述拼接聚簇作为所述语音数据对应的音频数据提取结果。

7.根据权利要求1所述的方法，其特征在于，所述根据所述音频聚簇信息获取所述语音数据对应的音频数据提取结果之后，还包括：

将所述音频数据提取结果输入预设声纹识别模型，获取所述音频数据提取结果对应的声纹识别结果。

8.一种音频数据提取装置，其特征在于，所述装置包括：

数据获取模块，用于获取语音数据，将所述语音数据拆分为碎片音频段，所述碎片音频段为包含说话人语音的语音数据片段；

特征提取模块，用于提取所述碎片音频段对应的音频特征信息，并在所述音频特征信息中添加对应的时序维度特征，得到音频融合特征信息，所述时序维度特征包括所述碎片音频段在所述语音数据中的前后顺序信息和前后碎片音频段的相隔距离信息；

音频聚类模块，用于基于所述时序维度特征，通过预设聚类算法对所述音频融合特征信息进行聚类处理，以将所述语音数据中不同人物的语音聚合，获取所述语音数据对应的音频聚簇信息，所述音频聚簇信息中每个音频聚簇对应所述语音数据中的一个说话的人物；

提取结果获取模块，用于根据所述音频聚簇信息获取所述语音数据对应的音频数据提取结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。