[发明专利]一种音频数据的处理方法、设备和系统

权利要求书

1.一种音频数据的处理方法，其特征在于，包括：

会议记录处理装置获取第一会场在当前会议的音频数据、所述音频数据对应的声源方位信息和身份识别结果，所述身份识别结果用于指示通过人像识别方法得到的发言人身份信息与发言人的发言时间信息的对应关系；

所述会议记录处理装置对所述音频数据进行语音分段，以获取所述音频数据的第一分段音频数据；

所述会议记录处理装置根据所述第一分段音频数据的声纹特征和所述身份识别结果确定所述第一分段音频数据对应的发言人。

2.根据权利要求1所述的方法，其特征在于，所述音频数据被包含在音频码流中，所述音频码流还包括附加域信息，所述附加域信息包括所述音频数据对应的声源方位信息。

3.根据权利要求1或2所述的方法，其特征在于，所述会议记录处理装置根据所述第一分段音频数据的声纹特征和所述身份识别结果确定所述第一分段音频数据对应的发言人包括：

若所述身份识别结果指示所述第一分段音频数据对应唯一发言人身份信息，则所述会议记录处理装置根据所述发言人身份信息确定所述第一分段音频数据对应的发言人。

4.根据权利要求1或2所述的方法，其特征在于，所述会议记录处理装置根据所述第一分段音频数据的声纹特征和所述身份识别结果确定所述第一分段音频数据对应的发言人包括：

若所述身份识别结果指示所述第一分段音频数据对应至少两个发言人身份信息，则所述会议记录处理装置对比所述第一分段音频数据的声纹特征与第二分段音频数据的声纹特征，所述第二分段音频数据由所述会议记录处理装置对所述音频数据进行语音分段得到，所述第二分段音频数据对应唯一发言人身份信息；

若所述第一分段音频数据的声纹特征与第二分段音频数据的声纹特征一致，则所述会议记录处理装置根据所述第二分段音频数据对应的发言人身份信息确定所述第一分段音频数据对应的发言人。

5.根据权利要求1或2所述的方法，其特征在于，所述会议记录处理装置根据所述第一分段音频数据的声纹特征和所述身份识别结果确定所述第一分段音频数据对应的发言人包括：

若所述身份识别结果指示所述第一分段音频数据对应至少两个发言人身份信息，则所述会议记录处理装置根据所述第一分段音频数据对应的发言人身份信息和声纹特征，以及所述第二分段音频数据对应的发言人身份信息和声纹特征确定所述第一分段音频数据对应的发言人，所述第二分段音频数据由所述会议记录处理装置对所述音频数据进行语音分段得到，所述第二分段音频数据对应至少两个发言人身份信息。

6.根据权利要求1至4中任一项所述的方法，其特征在于，若所述会议记录处理装置根据所述第一分段音频数据的声纹特征和所述身份识别结果未确定出所述第一分段音频数据对应的唯一发言人，则所述方法还包括：

所述会议记录处理装置根据所述第一分段音频数据对应的声纹特征、所述身份识别结果和所述第一会场的长时声纹特征纪录确定所述第一分段音频数据对应的发言人，所述长时声纹特征纪录包括所述第一会场的历史声纹特征纪录，所述第一会场的历史声纹特征纪录用于指示声纹特征、发言人以及信道标识之间的对应关系。

7.根据权利要求6所述的方法，其特征在于，所述会议记录处理装置根据所述第一分段音频数据对应的声纹特征、所述身份识别结果和所述第一会场的长时声纹特征纪录确定所述第一分段音频数据对应的发言人包括：

所述会议记录处理装置将第一发言人在所述第一会场的当前会议中的声纹特征与所述第一发言人在所述长时声纹特征纪录中的声纹特征进行比对，所述第一发言人为所述第一会场的当前会议中已确定的发言人；

若所述第一发言人在所述第一会场的当前会议中的声纹特征与所述第一发言人在所述长时声纹特征纪录中的声纹特征一致，则所述会议记录处理装置将所述第一分段音频数据对应的声纹特征、所述身份识别结果与所述第一会场的长时声纹特征纪录确定所述第一分段音频数据对应的发言人。