[发明专利]音频分割方法和系统

说明书

本发明涉及一种音频分割方法和系统，方法包括以下步骤：读取待分割的音频数据的各个音频帧，分别对各个音频帧进行特征提取，得到各个音频帧对应的音频信号特征；将所述音频信号特征输入到预先训练的音频类别分类器，分别计算所述音频信号特征对应的音频帧属于各个音频类别的概率值，根据所述概率值获取所述音频信号特征对应的音频帧所属的目标音频类别；根据各个音频帧所属的目标音频类别对所述音频数据进行音频分割。上述音频分割方法和系统可以将音频数据分割为细小的片段，音频分割精确度高。

技术领域

本发明涉及音频信号处理技术领域，特别是涉及一种音频分割方法和系统。

背景技术

原始的音频数据不利于用户查看、检索。为了解决这一问题，有一种方式是对音频数据进行音频分割。通过音频分割，可以将音频分割为细小的片段，而每个片段代表的意义不同，如连续的背景声、解说者声、观众的欢呼声等，可用于后续建立有效的检索系统。

传统的音频分割方式大多分为两种，一种是通过提取音频的长时和短时特征，将音频特征分为SVM(Support Vector Machine，支持向量机)，或高斯混合模型等类别；另一种是提取音频特征，将音频划分为目标音频和静音，再将目标音频经过高斯混合模型，分为目标音乐和非目标音乐。

然而，上述音频分割方式都是基于自主设计的音频特征对音频数据进行音频分割，由于设计规则受限，音频分割精确度较低。

发明内容

基于此，有必要针对音频分割精确度较低的问题，提供一种音频分割方法和系统。

一种音频分割方法，包括以下步骤：

读取待分割的音频数据的各个音频帧，分别对各个音频帧进行特征提取，得到各个音频帧对应的音频信号特征；

将所述音频信号特征输入到预先训练的音频类别分类器，分别计算所述音频信号特征对应的音频帧属于各个音频类别的概率值，根据所述概率值获取所述音频信号特征对应的音频帧所属的目标音频类别；

根据各个音频帧所属的目标音频类别对所述音频数据进行音频分割。

一种音频分割系统，包括：

特征提取模块，用于读取待分割的音频数据的各个音频帧，分别对各个音频帧进行特征提取，得到各个音频帧对应的音频信号特征；

类别划分模块，用于将所述音频信号特征输入到预先训练的音频类别分类器，分别计算所述音频信号特征对应的音频帧属于各个音频类别的概率值，根据所述概率值获取所述音频信号特征对应的音频帧所属的目标音频类别；

音频分割模块，用于根据各个音频帧所属的目标音频类别对所述音频数据进行音频分割。

上述音频分割方法和系统，将从音频数据的各个音频帧提取的音频信号特征输入到分类器，得到各个音频信号特征对应的音频帧属于各个音频类别的概率值，根据所述概率值获取所述音频信号特征对应的音频帧所属的目标音频类别，在得到全部音频帧所属的音频类别之后，根据各个音频帧所属的目标音频类别对音频数据进行音频分割，可以将音频数据分割为细小的片段，音频分割精确度高。

附图说明

图1为一个实施例的音频分割方法流程图；

图2为一个实施例的音频数据示意图；

图3为一个实施例的深度神经网络结构示意图；

图4为一个实施例的音频分割方法的总体流执行程图；

图5为一个实施例的音频分割系统的结构框图。

具体实施方式

下面结合附图对本发明的技术方案进行说明。

如图1所示，本发明提供一种音频分割方法，可包括以下步骤：