[发明专利]用于标记说话人的方法、装置和电子设备

权利要求书

1.一种用于标记说话人的方法，其特征在于，包括：

获取声音数据帧序列，以及获取与声音数据帧序列中的声音数据帧对应的声源位置信息；

基于声源位置信息，确定声学模型的至少一种描述参数；

基于所述声学模型，确定所述声音数据帧序列的说话人标识序列，所述说话人标识序列中的说话人标识指示声音数据帧序列中的声音数据帧所对应的说话人。

2.根据权利要求1所述的方法，其特征在于，所述声学模型为隐马尔科夫模型。

3.根据权利要求1所述的方法，其特征在于，所述基于声源位置信息，确定声学模型的至少一种描述参数，包括：

基于声源位置信息，确定声学模型的状态转移概率。

4.根据权利要求1－3中任一项所述的方法，其特征在于，所述基于声源位置信息，确定声学模型的至少一种描述参数，包括：

基于声源位置信息确定所述声学模型中的状态观测概率。

5.根据权利要求3所述的方法，其特征在于，所述基于声源位置信息，确定声学模型的状态转移概率，包括：

根据声音数据帧对应的声源位置向量，确定声音数据帧的声源位置标识；

对于声音数据帧序列中的相邻声音数据帧，根据相邻声音数据帧的声源位置标识，确定相邻声音数据帧之间的转移概率；

根据所确定的转移概率，确定声学模型的状态转移概率。

6.根据权利要求5所述的方法，其特征在于，所述根据声音数据帧对应的声源位置向量，确定声音数据帧的声源位置标识，包括：

将声源位置向量中的最大向量分量所对应的声源方向，确定为声音数据帧的声源位置标识。

7.根据权利要求5所述的方法，其特征在于，所述对于声音数据帧序列中的相邻声音数据帧，根据相邻声音数据帧的声源位置标识，确定相邻声音数据帧之间的转移概率，包括：

根据相邻声音数据帧对应的两个声源位置标识，确定相邻声音数据帧之间的声源位置差；

若所述声源位置差大于预设差距阈值，则确定相邻声音数据帧对应的说话人转换；

若所述声源位置差不大于预设差距阈值，则确定相邻声音数据帧对应的说话人不转换；

根据所确定的说话人是否转换，确定不同说话人之间对应的转移概率。

8.根据权利要求1所述的方法，其特征在于，所述获取与声音数据帧序列中的声音数据帧对应的声源位置信息，包括：

对于声音数据帧序列中的声音数据帧，确定该声音数据帧对应的声源位置向量，其中，声源位置向量中的各个分量指示声源方向为各个预设方向的概率。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

以声音采集设备为中心，确定至少两个预设方向；

根据声音采集设备接收到声音数据帧的方向信息，确定声源位置向量。

10.根据权利要求1所述的方法，其特征在于，所述基于所述声学模型，确定所述声音数据帧序列的说话人标识序列，包括：

对声音数据帧序列进行聚类，得到初始聚类结果，其中，所述初始聚类结果包括聚类中心和聚类中心的类簇，聚类中心指示说话人标识；

将所述初始聚类结果确定为聚类结果，以及基于聚类结果执行第一步骤，其中，第一步骤包括：根据聚类结果，确定初始状态分布；基于各个类簇所包括声音数据帧，确定所述声学模型中与说话人标识对应的状态观测概率；根据初始状态分布、状态转移概率和所述状态观测概率，确定说话人标识序列；响应于预设停止条件满足，输出说话人标识序列；

响应于预设停止条件不满足，根据所确定的说话人标识序列，更新聚类结果，以及基于更新后的聚类结果执行所述第一步骤。