[发明专利]一种音频指纹生成方法、设备及存储介质

说明书

本申请公开了一种音频指纹生成方法、设备及存储介质，其中方法包括：对目标音频进行降采样；对降采样之后的目标音频进行频谱分析得到目标音频的频谱数据，并将目标音频的频谱数据组合为音频数据的音频图像；调用深度学习网络对音频图像所包含的音频特征进行分析，得到目标音频的音频指纹。本申请通过对目标音频依次进行降采样、频谱分析和数据组合，从而将高维的目标音频转换为低维的音频图像，然后利用深度学习网络对该音频图像进行特征分析来得到音频指纹。可见，本申请通过对目标音频进行降维和深度学习来快速生成音频指纹，而且通过本方法生成的音频指纹更加准确。总的来说，本申请提供了一种高效、准确和快速的音频指纹生成方法。

技术领域

本申请涉及音频数据处理领域，尤其涉及一种音频指纹生成方法、设备及存储介质。

背景技术

随着网络技术的发展，网络上承载了各种各样的网络资源，例如音频资源等。海量的音频资源在方便人们下载的同时，也面临版权保护和音频管理的问题。对上述问题可以采用音频指纹技术来进行解决，音频指纹技术指的是从音频中提取出音频的音频指纹的方法，音频指纹包含了音频的特征信息，可以作为音频的标识信息。通过比较音频之间的音频指纹来确定音频之间的相似度，从而可以快速搜索出相似音频，比如应用于听歌识曲等。

在实现本发明过程中，发明人发现使用现有技术提取音频指纹，当音频在曲调上有细微的变化时，便无法识别，例如翻唱音频中可能存在着走音情况等。总的来说，还缺少一种高效的音频指纹生成方法。

发明内容

本申请实施例提供一种音频指纹生成方法，可以检测并修复音频中表现为短时高能量的噪声点。

第一方面，本申请实施例提供了一种音频指纹生成方法，该方法包括：

对目标音频进行降采样；

对降采样之后的目标音频进行频谱分析得到所述目标音频的频谱数据，并将所述目标音频的频谱数据组合为所述目标音频的音频图像，所述频谱数据为二维数据，所述音频图像为维度大于二维的多维数据；

调用深度学习网络对所述音频图像所包含的音频特征进行分析，得到所述目标音频的音频指纹，所述音频指纹为用于表示所述目标音频的标识信息的一维数据。

第二方面，本申请实施例提供了一种音频指纹生成设备，该音频指纹生成设备包括用于执行上述第一方面的音频指纹生成方法的单元，该音频指纹生成设备包括：

采样单元，用于对目标音频进行降采样；

降维单元，用于对降采样之后的目标音频进行频谱分析得到所述目标音频的频谱数据，并将所述目标音频的频谱数据组合为所述目标音频的音频图像，所述频谱数据为二维数据，所述音频图像为维度大于二维的多维数据；

分析单元，用于调用深度学习网络对所述音频图像所包含的音频特征进行分析，得到所述目标音频的音频指纹，所述音频指纹为用于表示所述目标音频的标识信息的一维数据。

第三方面，本申请实施例提供了一种音频指纹生成设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，用以执行如第一方面所述的方法

第四方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行，用以执行如第一方面所述的方法。