[发明专利]歌词识别方法、装置、电子设备及可读存储介质

说明书

本发明实施例提供了一种歌词识别方法、装置、电子设备及可读存储介质，该方法包括：获取待识别歌词的目标音频；从所述目标音频中，选取待分析音频片段；其中，所述待分析音频片段为属于唱歌类型的片段；对所述待分析音频片段进行语音识别，得到识别结果；基于所得到的识别结果，生成所述目标音频的歌词内容。本方案中，通过选取目标音频中唱歌类型的待分析音频片段后，再对待分析音频片段进行语音识别，从而基于识别结果生成歌词内容，这样可以大大降低唱歌类型以外的音频内容的干扰，因此，通过本方案能够提高歌词识别的准确率。

技术领域

本发明涉及语音识别技术领域，特别是涉及一种歌词识别方法、装置、电子设备及可读存储介质。

背景技术

随着语音识别技术的发展，对歌曲中的歌词进行识别，也成为一种识别需求，受到用户的欢迎。

相关技术中，采用通常的语音识别方法，对歌曲的整个音频数据来进行语音识别，例如：基于隐马尔可夫的语音识别方法来识别歌词。

但是，歌曲中存在一些干扰内容，例如：无歌词、无人声的无意义片段，这样，导致在利用相关技术进行歌词识别时，歌词识别的准确率较低。

发明内容

本发明实施例的目的在于提供一种歌词识别方法、装置、电子设备及可读存储介质，以提高歌词识别的准确率。具体技术方案如下：

第一方面，本发明实施例提供了一种歌词识别方法，所述方法包括：

获取待识别歌词的目标音频；

从所述目标音频中，选取待分析音频片段；其中，所述待分析音频片段为属于唱歌类型的片段；

对所述待分析音频片段进行语音识别，得到识别结果；

基于所得到的识别结果，生成所述目标音频的歌词内容。

可选地，从所述目标音频中，选取待分析音频片段，包括：

从所述目标音频中，提取多个音频片段；其中，所述多个音频片段的片段内容覆盖所述目标音频的音频内容；

对各个音频片段进行音频类型识别，得到各个音频片段对应的识别结果；其中，所述音频类型识别所针对的音频类型包括唱歌类型；

确定所对应识别结果为唱歌类型的音频片段，作为待分析音频片段。

可选地，所述对各个音频片段进行音频类型识别，得到各个音频片段对应的识别结果，包括：

针对每一音频片段，将该音频片段的音频数据输入预先训练的分类模型，得到该音频片段对应的识别结果；

其中，所述分类模型为预先基于样本音频和类型标签所训练的分类模型，所述类型标签包括唱歌类型。

可选地，所述从所述目标音频中，提取多个音频片段，包括：

采用滑动窗口，从所述目标音频中依此选取具有指定长度的各个音频片段，其中，所述指定长度为滑动窗口的窗口大小。

可选地，所述滑动窗口的滑动步长小于所述窗口大小。

可选地，所述待分析音频片段的数量为多个；

所述对所述待分析音频片段进行语音识别，得到识别结果，包括：

若多个待分析音频片段中，存在符合预定整合条件的各个目标片段，则获取各个目标片段对应的整合片段，其中，所述预定整合条件包括：音频时间连续且相邻片段存在重叠的音频时间；所述整合片段为所述目标音频中以第一时间点为起始时间点，以第二时间点为终止时间点的音频片段，所述第一时间点为各个目标片段的起始时间点的最小值，所述第二时间点为各个目标片段的终止时间点的最大值；