[发明专利]音频数据可视化方法及装置

权利要求书

1.一种音频数据可视化方法，其特征在于，包括：

接收音频数据并提取所述音频数据的声学特征；

通过情感分类模型得出所述音频数据的与所述声学特征时序上对应的情感特征，包括：通过基于隐马尔科夫模型的情感分类模型，计算所述音频数据的每一可发射隐藏状态的后验概率；将所述音频数据的各个可发射隐藏状态的后验概率形成特征向量，所述特征向量为所述音频数据的情感特征；

通过模式特征生成模型生成所述音频数据的与所述情感特征时序上对应的模式特征，包括：对于所述音频数据的情感特征，通过基于混合密度网络的模式特征生成模型，确定所述音频数据的高斯混合模型参数；对所述高斯混合模型，通过最大似然参数生成算法生成模式特征；

通过预设数据库获取与所述模式特征对应的预设可视化信息并展示，所述预设数据库中存储有多对一一对应的模式特征和预设可视化信息。

2.根据权利要求1所述的音频数据可视化方法，其特征在于，

在所述通过情感分类模型获取与所述声学特征对应的情感特征之前，还包括：

通过第一样本数据对所述情感分类模型进行训练，确定所述情感分类模型的参数；所述情感分类模型为基于隐马尔科夫模型的情感分类模型；所述第一样本数据包括音频段落的声学特征和与所述音频段落的声学特征在时序上对应的情感标签；

在所述通过模式特征生成模型生成与所述情感特征对应的模式特征之前，还包括：

通过第二样本数据对所述模式特征生成模型进行训练，确定所述模式特征生成模型的参数；所述模式特征生成模型为基于混合密度网络的模式特征生成模型；所述第二样本数据包括音频段落的情感特征和与所述音频段落的情感特征在时序上对应的模式特征。

3.根据权利要求1或2的音频数据可视化方法，其特征在于，所述提取所述音频数据的声学特征包括：

按照预设条件将所述音频数据切分成多段子音频数据；所述预设条件包括预设时长间隔；

对每段所述子音频数据提取声学特征。

4.一种音频数据可视化装置，其特征在于，包括：

声学特征提取模块，用于接收音频数据并提取所述音频数据的声学特征；

情感特征获取模块，用于通过情感分类模型得出与所述声学特征时序上对应的情感特征；

模式生成模块，用于通过模式特征生成模型生成与所述情感特征时序上对应的模式特征；

可视化模块，用于通过预设数据库获取与所述模式特征对应的预设可视化信息并展示；所述预设数据库中存储有多对一一对应的模式特征和预设可视化信息；

所述情感特征获取模块包括：

计算单元，用于通过基于隐马尔科夫模型的情感分类模型，计算所述音频数据的每一可发射隐藏状态的后验概率；

情感特征生成单元，用于将所述音频数据的各个可发射隐藏状态的后验概率形成特征向量，所述特征向量为所述音频数据的情感特征；

所述模式生成模块包括：

参数确定单元，用于对于所述音频数据的情感特征，通过基于混合密度网络的模式特征生成模型，确定所述音频数据的高斯混合模型参数；

模式生成单元，用于对所述高斯混合模型，通过最大似然参数生成算法生成模式特征。

5.根据权利要求4所述的音频数据可视化装置，其特征在于，还包括：

情感分类模型参数确定模块，用于通过第一样本数据对所述情感分类模型进行训练，确定所述情感分类模型的参数；所述情感分类模型为基于隐马尔科夫模型的情感分类模型；所述第一样本数据包括音频段落的声学特征和与所述音频段落的声学特征在时序上对应的情感特征；

模式特征生成模型参数确定模块，用于通过第二样本数据对所述模式特征生成模型进行训练，确定所述模式特征生成模型的参数；所述模式特征生成模型为基于混合密度网络的模式特征生成模型；所述第二样本数据包括音频段落的情感特征和与所述音频段落的情感特征在时序上对应的模式特征。

6.根据权利要求4或5的音频数据可视化装置，其特征在于，所述声学特征提取模块包括：

音频切分单元，用于按照预设条件将所述音频数据切分成多段子音频数据；所述预设条件包括预设时长间隔；

声学特征提取单元，用于对每段所述子音频数据提取声学特征。