[发明专利]用于标记说话人的方法、装置和电子设备

说明书

本公开实施例公开了用于标记说话人的方法、装置和电子设备。该方法的一具体实施方式包括：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。由此，提供了一种新的用于标记说话人的方式。

技术领域

本公开涉及计算机技术领域，尤其涉及一种用于标记说话人的方法、装置和电子设备。

背景技术

随着计算机的发展，用户可以使用电子设备实现各种功能。例如，用户可以通过电子设备与他人进行多媒体会议，实现不受时间或者空间限制地开启会议。

在一些场景中，说话人标记是将一段语音中不同说话人的说话区间标记出来的技术，又称为说话人分割聚类。说话人标记常用于会议录音的转录，使用户能够直接从文本上分辨出每段话对应的说话人，更好地理解会议内容。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供了一种用于标记说话人的方法，该方法包括：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。

第二方面，本公开实施例提供了一种用于标记说话人的装置，包括：获取单元，用于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；第一确定单元，用于基于声源位置信息，确定声学模型的至少一种描述参数；第二确定单元，用于基于所述声学模型，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。

第三方面，本公开实施例提供了一种电子设备，包括：至少一个处理器；存储装置，用于存储至少一个程序，当所述至少一个程序被所述一个或多个处理器执行，使得所述至少一个处理器实现如第一方面所述的用于标记说话人的方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的用于标记说话人的方法的步骤。

本公开实施例提供的用于标记说话人的方法、装置和电子设备，首先可以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，以及基于所述声学模型，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。由此，可以提供一种新的标记说话人的方式，这种新的方式综合考虑语音信号的声学信息和声源的位置信息，可以提高标记准确率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的用于标记说话人的方法的一个实施例的流程图；

图2是根据本公开的用于标记说话人的方法的一个应用场景的示意图；

图3是根据本公开的用于标记说话人的方法的另一个实施例的流程图；

图4是根据本公开的用于标记说话人的方法的一种示例性实现方式的流程图；

图5是根据本公开的用于标记说话人的装置的一个实施例的结构示意图；