[发明专利]一种人声提取方法、系统以及人声音频播放方法及装置

权利要求书

1.一种人声提取方法，其特征在于，所述方法包括：

从原声音信号开始处提取人声和背景声共同出现的声音信号作为样本；

从所述样本中检测出主音高；

以所述主音高为参照频率，将所述原声音信号除所述样本之外的声音部分中属于同一声源的声音的基音频率与所述参照频率进行比较确定该声源是否属于人声；

其中，以所述主音高为参照频率，将所述原声音信号除所述样本之外的声音部分中属于同一声源的声音的基音频率与所述参照频率进行比较确定该声源是否属于人声，包括：

将所述原声音信号除所述样本之外的声音部分分成多帧；

将每一帧声音信号经过Gammatone滤波器得到多个时频单元，合并相邻的属于同一声源的时频单元作为一个片段；

如果一个片段内，超过一半以上的时频单元的基音频率与所述参照频率相等，则该片段为人声片段。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

对每一帧的全部片段进行是否为人声片段的判定之后，继续从后续相邻帧中检测出主音高，若主音高发生改变，以发生变化的主音高作为参照频率，继续判断帧中的片段是否为人声片段。

3.如权利要求2所述的方法，其特征在于，

所述若主音高发生改变，以发生变化的主音高作为参照频率，包括：

若主音高发生改变，继续判断后续的帧的主音高是否为该改变值，若连续多个后续帧的主音高为该改变值，则以发生变化的主音高作为参照频率。

4.一种人声音频播放方法，其特征在于，所述方法包括：

采用如权利要求1～3中任一项所述的方法从原声音信号中提取人声信号；

将所述人声信号与所述原声音信号线性组合后播放。

5.一种人声提取系统，其特征在于，所述系统包括样本提取单元、主音高检测单元、人声检测单元，其中，

所述样本提取单元，用于从原声音信号开始处提取人声和背景声共同出现的声音信号作为样本，并将所述样本发送至所述主音高检测单元；

所述主音高检测单元，用于从所述样本中检测出主音高，并将该主音高发送至所述人声检测单元；

所述人声检测单元，用于以所述主音高为参照频率，将所述原声音信号除所述样本之外的声音部分中属于同一声源的声音的基音频率与所述参照频率进行比较确定该声源是否属于人声；

其中，所述人声检测单元，用于以所述主音高为参照频率，将所述原声音信号除所述样本之外的声音部分中属于同一声源的声音的基音频率与所述参照频率进行比较确定该声源是否属于人声，包括：

所述人声检测单元，用于将所述原声音信号除所述样本之外的声音部分分成多帧；将每一帧声音信号经过Gammatone滤波器得到多个时频单元，合并相邻的属于同一声源的时频单元作为一个片段；若一个片段内，超过一半以上的时频单元的基音频率与所述参照频率相等，则判断出该片段为人声片段。

6.如权利要求5所述的系统，其特征在于，

所述主音高检测单元，还用于人声检测单元检测完一帧后，继续从后续相邻帧中检测出主音高，若主音高发生改变，将发生变化的主音高作为参照频率发送至所述人声检测单元。

7.如权利要求6所述的系统，其特征在于：

所述主音高检测单元，用于主音高发生改变，将发生变化的主音高作为参照频率，包括：

所述主音高检测单元，用于在主音高发生改变时，继续判断后续的帧的主音高是否为该改变值，若连续多个后续帧的主音高为该改变值，则将发生变化的主音高作为参照频率。

8.一种人声音频播放装置，其特征在于，所述装置包括人声提取系统和播放系统，其中：

所述人声提取系统采用如权利要求5～7中任一项所述的系统从原声音信号中提取人声信号，并将该人声信号发送至所述播放系统；

所述播放系统，用于将所述人声信号与所述原声音信号线性组合后播放。