[发明专利]语音处理方法、介质、装置和计算设备

说明书

本发明的实施方式提供了一种语音处理方法、介质、装置和计算设备。该语音处理方法包括：获取待处理的录音文件；从所述录音文件中提取指定人员的声纹特征，得到第一声纹特征；根据所述第一声纹特征，从录音库中查找与所述第一声纹特征相匹配的目标录音数据；从所述目标录音数据中提取第二声纹特征；基于所述第二声纹特征确定所述录音文件中包含的所述指定人员的声音数据。本发明实施方式的技术方案可以在保证声纹特征准确率的前提下，提高声纹特征的提取效率，同时当需要更换人员时本发明实施方式的技术方案也能够快速提取到该人员的声纹特征，可扩展性较强。

技术领域

本发明的实施方式涉及通信及计算机技术领域，更具体地，本发明的实施方式涉及语音处理方法、介质、装置和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

在智能客服场景中，通常需要使用对话语音转写技术来将客服与客户的语音对话转换成文字内容，以便后续的质量分析和质量监督。

其中，在从客服与客户的对话中提取客服的语音时，需要依赖于由客服语音库训练得到的客服声学模型，而客服语音库中的语音通常需要手动采集，目前主要有如下两种采集方法：

方法一：人工截取客服录音

该方法需要人工打开一段客服录音，然后从头开始听录音，并截取一段10秒钟左右的仅包含该客服声音的录音片段，直到30段为止；然后针对另一位客服，重复上述过程，直到采集完所有客服的录音。

方法二：录制客服的专属录音

该方法需要客服使用录音设备录制5分钟自己的声音。

发明内容

但是，上述方法一中由于是人工截取客服声音，因此不仅费时而且效率很低，同时截取客服录音的工作比较枯燥，容易出现错误，且事后难以排查。此外，当客服数量达到数百甚至更多时，人工截取的方法需要对每一个客服分别截取录音，可扩展性较差。

上述方法二中由于需要客服录制专属录音，因此对录制环境的要求较高，并且日常对话中客服声音可能由于客观原因发生变化，集中采集的录音并不能包含此类情况，进而会导致声纹识别出错。此外，这种方式导致声纹特征的更新比较麻烦，需要手工重新录制，可扩展性较差。

为此，非常需要一种改进的语音处理方案，以在保证声纹特征准确率的前提下，提高声纹特征的提取效率，同时增强声纹特征提取的可扩展性。

在本上下文中，本发明的实施方式期望提供一种语音处理方法、介质、装置和计算设备。

在本发明实施方式的第一方面中，提供了一种语音处理方法，包括：获取待处理的录音文件；从所述录音文件中提取指定人员的声纹特征，得到第一声纹特征；根据所述第一声纹特征，从录音库中查找与所述第一声纹特征相匹配的目标录音数据；从所述目标录音数据中提取第二声纹特征；基于所述第二声纹特征确定所述录音文件中包含的所述指定人员的声音数据。

在本发明的一些实施方式中，基于前述方案，从所述录音文件中提取指定人员的声纹特征，包括：截取所述录音文件中预定时间段的录音数据；从所述预定时间段的录音数据中提出所述指定人员的声纹特征。

在本发明的一些实施方式中，基于前述方案，截取所述录音文件中预定时间段的录音数据，包括：删除所述录音文件中位于最前端的指定类型的录音数据，得到预处理后的录音文件；在所述预处理后的录音文件的最前端截取所述预定时间段的录音数据。

在本发明的一些实施方式中，基于前述方案，所述指定类型的录音数据包括静音数据和/或铃声数据。