[发明专利]音频信息处理方法、系统和计算机可读存储介质

说明书

本申请涉及音频信息处理方法、系统和计算机可读存储介质，其中，该方法包括：通过若干个录音设备采集多人对话场景下的对话音频数据，并获取与录音设备对应的人员信息；对对话音频数据进行预处理，并输出若干个非静默音频段；根据语音识别技术将非静默音频段转换成对应的有声文本段；对同一时间的多个有声文本段进行相似度比较得到重复文本段，对重复文本段对应的重复音频段进行判断，确定重复音频段对应的实际人员信息，并得到每个录音设备对应的实际对话音频数据。通过文本相似度及时间点匹配，对同一场景下录入的声音进行溯源，一定程度上解决了角色分离准确性的问题，实现了角色分离准确性的提高。

技术领域

本申请涉及音频处理技术领域，特别是涉及音频信息处理方法、系统和计算机可读存储介质。

背景技术

随着科技的迅速发展和市场竞争的日益激烈，用户可以通过具有语音功能的设备进行通信和录音等，并依据录音内容做出相关的判断，但是在实际应用场景下，有多人会话场景下，往往会存在除了需要录入的真实音频外，还会录入其他人的声音导致整体音频较长，无法准确地对齐分析，还会影响分析的效率。

现有技术中为提升角色分离的准确率，采用人工干预和对电子设备做好降噪处理等方法进行处理，但是，目前的角色分离的场景下，准确率有一定的瓶颈，设备端也无法完全做好对应降噪，不录入其他人的语音。

目前针对相关技术中角色分离准确性有瓶颈的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种音频信息处理方法、装置、系统和计算机可读存储介质，以至少解决相关技术中角色分离准确性存在瓶颈的问题。

第一方面，本申请实施例提供了一种音频信息处理方法，包括以下步骤：

语音采集步骤，通过若干个录音设备采集多人对话场景下的对话音频数据，并获取与录音设备对应的人员信息；

语音预处理步骤，对对话音频数据进行预处理，并输出若干个非静默音频段；

语音识别步骤，根据语音识别技术将非静默音频段转换成对应的有声文本段；

文本归属步骤，对同一时间的多个有声文本段进行相似度比较得到重复文本段，对重复文本段对应的重复音频段进行判断，确定重复音频段对应的实际人员信息，并得到每个录音设备对应的实际对话音频数据。

在其中一些实施例中，语音预处理步骤进一步包括：

服务器接收音频文件，通过语音端点检测方法鉴别音频文件中语音出现端点和语音消失端点，将位于两个语音消失端点之间的音频数据进行删除，得到若干个非静默音频段。

在其中一些实施例中，文本归属步骤进一步包括：

重复文本段获取步骤，对多个有声文本段进行相似度识别处理，并对具有相同重复文本的有声文本段添加同一识别标记，得到若干个带有识别标记的重复文本段；

音频来源确定步骤，查找带有同一识别标识的重复文本段对应的非静默音频段并进行音频对比，依据语音强度确定非静默音频段对应的实际人员信息并对其对应的非静默音频段和对应重复文本段添加身份标识，及对其他非静默音频段和对应的重复文本段添加删除标识，并据此得到每个录音设备对应的实际对话音频数据。

在其中一些实施例中，在获得每个录音设备对应的实际对话音频数据之前还包括：

根据删除标记对非对应录音设备的对话音频数据和有声文本段进行删除。

在其中一些实施例中，方法应用于线下服务场景，通过多个录音设备采集服务人员和客户之间的对话音频数据，并经过上述步骤，得到每个服务人员的实际对话音频数据。

第二方面，本申请实施例提供了一种音频信息处理系统，应用第一方面的音频信息处理方法，该系统包括录音设备和服务器，其中：