[发明专利]文件属性识别方法及装置

权利要求书

1.一种文件属性识别方法，其特征在于，所述方法包括：

获取待识别的多媒体文件，所述多媒体文件包括人声音轨音频和伴奏音轨音频；

获取所述人声音轨音频中的第一音频片段以及所述伴奏音轨音频中的第二音频片段；

获取所述第一音频片段与所述第二音频片段之间的归一相关函数；

基于所述归一相关函数的第一峰值，识别所述多媒体文件的属性，所述第一峰值是指所述归一相关函数的最大幅值，所述属性为真唱文件或假唱文件，所述第一峰值表征所述第一音频片段与所述第二音频片段之间的最大相关度；

所述基于所述归一相关函数的第一峰值，识别所述多媒体文件的属性，包括：

当所述第一峰值小于第一峰值阈值时，确定所述多媒体文件的属性为真唱文件，所述第一峰值阈值为小于多个样本假唱文件的第一峰值的最小值的数值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述归一相关函数的第一峰值，识别所述多媒体文件的属性，还包括：

当所述第一峰值符合第一预设条件，且所述第一峰值大于第二峰值阈值时，确定所述多媒体文件的属性为假唱文件，所述第一预设条件为第一峰值的位置处于中值区间，所述中值区间是指在所述归一相关函数的中值前后分别取预设长度得到的区间，所述第二峰值阈值为大于多个第一样本真唱文件的第一峰值的最大值的数值，第一样本真唱文件为第一峰值符合所述第一预设条件的样本真唱文件；或，

当所述第一峰值符合第二预设条件，且所述第一峰值大于第三峰值阈值时，确定所述多媒体文件的属性为假唱文件，所述第二预设条件为第一峰值的位置处于中值区间内、且第一峰值为第二峰值的预设倍数以上，所述第二峰值是指所述归一相关函数在中值区间之外的最大幅值，所述第三峰值阈值为大于多个第二样本真唱文件的第一峰值的最大值的数值，第二样本真唱文件为第一峰值符合所述第二预设条件的样本真唱文件。

3.根据权利要求1所述的方法，其特征在于，所述基于所述归一相关函数的第一峰值，识别所述多媒体文件的属性，还包括：

当所述第一峰值符合第三预设条件，且所述第一峰值大于第四峰值阈值时，确定所述多媒体文件的属性为假唱文件，所述第三预设条件为第一峰值的位置处于中值区间外、且第一峰值为第三峰值的预设倍数以上，所述第三峰值是指所述归一相关函数在峰值区间以外的最大幅值，所述峰值区间是指所述第一峰值前后分别取预设长度得到的区间，所述第四峰值阈值为大于多个第三样本真唱文件的第一峰值的最大值的数值，第三样本真唱文件为第一峰值符合所述第三预设条件的样本真唱文件。

4.根据权利要求1所述的方法，其特征在于，所述获取所述人声音轨音频的第一音频片段和所述伴奏音轨音频的第二音频片段，包括：

获取所述人声音轨音频的起点帧的起点位置；

在所述人声音轨音频中从所述起点位置开始，截取预设时长的音频片段，得到所述第一音频片段；

在所述伴奏音轨音频中从所述起点位置开始，截取所述预设时长的音频片段，得到所述第二音频片段。

5.根据权利要求4所述的方法，其特征在于，所述获取所述人声音轨音频的起点帧的起点位置之前，所述方法还包括：

从所述人声音轨音频的第一个音频帧开始，遍历所述人声音轨音频的每一音频帧；

对于当前遍历到的音频帧，当所述音频帧的平均幅值大于平均幅值阈值时，确定所述音频帧为所述人声音轨音频的起点帧，所述平均幅值阈值为起点帧的平均幅值的最小值。