[发明专利]语音角色分离的方法和设备

权利要求书

1.一种语音角色分离的方法，其中，该方法包括：

单个拾音头，通过左右声道分离的方式分别抽取不同说话人的声音，其中，所述单个拾音头是有多指向模式的麦克风；

根据每个声道音频中对应所指向的说话角色，对每个声道音频进行增益处理；

根据每个声道音频中对应所指向的说话角色之外的侧面音频，对经过所述增益处理后的每个声道音频进行降噪处理；

对经过所述降噪处理处理后的每个声道音频进行消除回音的处理；

将经过消除回音处理的每个声道音频切分为音频片段，根据每个声道音频中对应所指向的说话角色，对每个音频片段标注对应的说话角色标签；

将每个音频片段转换为对应的文字，根据每个音频片段标注的说话角色标签，为对应的文字标注所述说话角色标签；

在录音过程中对重要的段落进行标记，以供后续使用过程中查看；

以句子为维度，选择不同的字词/段落进行音频播放。

2.根据权利要求1所述的方法，其中，对经过所述降噪处理处理后的每个声道音频进行消除回音的处理，包括：

对经过所述降噪处理处理后的每个声道音频，采用基于ANC主动噪声对消的方法进行消除回音的处理。

3.根据权利要求1所述的方法，其中，将经过消除回音处理的每个声道音频切分为音频片段，根据每个声道音频中对应所指向的说话角色，对每个音频片段标注对应的说话角色标签，包括：

人机交互单元接收经过消除回音处理的每个声道音频；

所述人机交互单元将每个声道音频切分为音频片段，根据每个声道音频中对应所指向的说话角色，对每个音频片段标注对应的说话角色标签；

所述人机交互单元将标注对应的说话角色标签的音频片段上传至云端。

4.根据权利要求3所述的方法，其中，将每个音频片段转换为对应的文字，根据每个音频片段标注的说话角色标签，为对应的文字标注所述说话角色标之后，还包括：

人机交互单元获取标注的说话角色标签后的音频片段和对应的文字；

所述人机交互单元获取用户选择的某一说话角色的对应音频和文字的请求；

所述人机交互单元基于所述请求，获取标注对应说话角色标签的音频片段和对应的文字进行播放。

5.根据权利要求1所述的方法，其中，将每个音频片段转换为对应的文字，包括：

通过VAD算法，识别并剔除每个音频片段中不包含语音信号的音频帧；

采用ASR计算，将识别并剔除不包含语音信号的音频帧后的音频片段转换为对应的文字。

6.一种语音角色分离的设备，其中，该设备包括：

语音信号采集单元，用于单个拾音头，通过左右声道分离的方式分别抽取不同说话人的声音，其中，所述单个拾音头是有多指向模式的麦克风；

增强处理单元，用于根据每个声道音频中对应所指向的说话角色，对每个声道音频进行增益处理；

降噪处理单元，用于根据每个声道音频中对应所指向的说话角色之外的侧面音频，对经过所述增益处理后的每个声道音频进行降噪处理；

自适应波束形成单元，用于对经过所述降噪处理处理后的每个声道音频进行消除回音的处理；

声源定位单元，用于将经过消除回音处理的每个声道音频切分为音频片段，根据每个声道音频中对应所指向的说话角色，对每个音频片段标注对应的说话角色标签；

角色分离单元，用于将每个音频片段转换为对应的文字，根据每个音频片段标注的说话角色标签，为对应的文字标注所述说话角色标签

人机交互单元，用于在录音过程中对重要的段落进行标记，以供后续使用过程中查看；和以句子为维度，选择不同的字词/段落进行音频播放。