[发明专利]一种话务环境下单通道语音分离方法

权利要求书

1.一种话务环境下单通道语音分离方法，其特征在于，包括以下步骤：

步骤1：根据通话录音材料，以不同的话务员为分组标识进行分组，整合每个话务员的通话录音材料；

步骤2：对每个话务员通话录音材料的音频进行切分；并对切分片段进行活性检测和停顿检测，将音频中无声片段删除，将停顿明显的部分做切开处理；

步骤3：对步骤2中切分的片段做再次切分，并对各个切分后的片段，根据声学特征对不同类型的语音片段进行编码，组成多个矩阵；

步骤4：在步骤3中切分后的片段中根据相似度找出话务员的片段，并对话务员的相似片段进行合并。

2.根据权利要求1所述的一种话务环境下单通道语音分离方法，其特征在于，所述步骤2基于开源的pyannote库对每个话务员通话录音材料的音频进行切分。

3.根据权利要求1到4任意一项权利要求所述的一种话务环境下单通语音分离方法，其特征在于，所述步骤3包括以下步骤：

步骤3.1：以步长为t秒对步骤2中切分的片段再次进行切分；

步骤3.2：对步骤3.1切分后的所有片段进行编码，将每t秒的音频段编码为一个1*512的向量，得到每个音频段对应的矩阵。

4.根据权利要求5所述的一种话务环境下单通道语音分离方法，其特征在于，所述步骤4依据余弦相似度进行质心的选取与更新，并计算矩阵与质心的余弦相似度，依据设定的阈值确定所有片段中属于话务员的语音，并进行合并。

5.根据权利要求6所述的一种话务环境下单通道语音分离方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1：设置相似度阈值k；

步骤4.2：计算X_t和X_2t的余弦相似度矩阵，得到对应的矩阵；取出相似度大于阈值的行，并根据矩阵取出X_t和X_2t中相似度大于阈值的对应行；

步骤4.3：将X_3t、X_4t、X_5t…X_nt分别和X_t计算余弦相似度矩阵，得的对应的矩阵；取出相似度大于阈值的行，并根据矩阵取出X_3t、X_4t、X_5t…X_nt中相似度大于阈值的对应行；

步骤4.4：将步骤4.2和步骤4.3中取出的行数据压缩为一个向量为1*512维的初始质心；

步骤4.5：将初始质心分别和X_t、X_2t、X_3t、X_4t、X_5t…X_nt矩阵计算余弦相似度矩阵，基于阈值分别在每个矩阵中取出相似度大于阈值的行；

步骤4.6：将步骤4.5中取出的行和初始质心组合在一起压缩为一个向量为1*512为的更新质心；

步骤4.7：将更新质心分别和X_t、X_2t、X_3t、X_4t、X_5t…X_nt矩阵计算余弦相似度矩阵，基于阈值分别在每个矩阵中取出相似度大于阈值的行；将本步骤中得到的取出的行所对应的语音片段进行合并，得到话务员的音频。

6.根据权利要求5所述的一种话务环境下单通道语音分离方法，其特征在于，所述t等于1秒。

7.根据权利要求7所述的一种话务环境下单通道语音分离方法，其特征在于，所述K等于0.8。

8.根据权利要求7所述的一种话务环境下单通道语音分离方法，其特征在于，所述预先相似度计算公式如下：

式中：A和B均为n维向量，cos(θ)为数值，表示A和B向量之间的相似度大小，取值范围为0-1。