[发明专利]进行音频断句的自动拆分方法及系统

摘要

进行音频断句的自动拆分方法及系统，包括：根据音频获取多个分帧段；根据各分帧段的能量值获取能量阈值，根据所述能量阈值，从所述各分帧段中获取其能量值超过设定能量阈值E_t的分帧段，则以该分帧段为句中间帧对该帧的前序帧或后序帧进行扫描，若前序帧或后序帧的能量阀值小于设定能量阈值E_t，则将该帧与所述句中间帧按帧起始顺序合并成为独立句，之后对每个独立句进行谱熵分析，获取最后的分析句子。从而解决了现有字幕对应过程中，无法进行自动断句的问题。从而，本发明既可以处理已经录制好的音视频，也可以处理正在直播的音视频。对于网络直播流，能够自动的将网络直播语音切割，方便后续环节如听写环节并行处理，加快处理时间。

主权项

1.进行音频断句的自动拆分方法，包括：步骤S101，根据音频获取多个分帧段；步骤S102，根据各分帧段的能量值获取能量阈值E_k；步骤S103，根据所述能量阈值E_k，从所述各分帧段中获取其能量值超过设定能量阈值E_t的分帧段，则以该分帧段为句中间帧对该帧的前序帧或后序帧进行扫描，若前序帧或后序帧的能量阀值小于设定能量阈值E_t，则将该帧与所述句中间帧按帧起始顺序合并成为独立句；步骤S104，从每个句子的前后两帧分别向前后搜索,如果搜索到的下一帧属于其他句子，则对两个句子进行合并；如果下一帧的能量小于设定能量阈值E_t，且不属于其他句子，则对该帧进行傅立叶变换，取0‑4000HZ的幅值，按照固定宽度分成z条谱带，每条谱带的强度为V_i，i＝1,2,…z，总强度为V_sum，P_i为每条谱带的概率：P_i的计算公式为：则，该帧的谱熵为：每一帧的能量与谱熵的比值为能熵比，记为R，设定一个能熵比阈值R_t，如果该帧的能熵比不小于R_t，则将该帧归到句子中，如果扫描到语音流的开始或结束，扫描中止。