[发明专利]音频切分方法、装置、电子设备、存储介质及产品

权利要求书

1.一种音频切分方法，其特征在于，所述方法包括：

从第一对话对象与第二对话对象对话的音频中切分出第一音频和第二音频，所述第一音频与所述第一对话对象对应，所述第二音频与所述第二对话对象对应；

基于所述第一音频中每个第一音频帧的语音状态将所述第一音频切分为多个第一音频片段，基于所述第二音频中每个第二音频帧的语音状态将所述第二音频切分为多个第二音频片段，所述语音状态包括静音状态和非静音状态；

基于所述多个第二音频片段中每相邻两个第二音频片段的时间信息，将所述多个第一音频片段合并，得到多个第三音频片段；

基于所述多个第三音频片段的时间信息，重新切分所述第一音频。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一音频中每个第一音频帧的语音状态将所述第一音频切分为多个第一音频片段，包括：

对于每个第一音频帧，若所述第一音频帧的语音状态与其相邻的第一音频帧的语音状态不同，基于所述第一音频帧的语音状态及其相邻的第一音频帧的语音状态，确定一时间节点，所述时间节点用于表示一个音频片段的开始时间或结束时间；

基于所述第一音频包括的多个第一音频帧得到的多个时间节点，将所述第一音频切分为多个第一音频片段。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一音频帧的语音状态及其相邻的第一音频帧的语音状态，确定一时间节点，包括：

获取第一数组，所述第一数组是基于第一音频帧的数量生成的，所述第一数组中的元素值与第一音频帧一一对应，所述第一数组中所述第一音频帧的元素值为默认值；

基于所述第一音频帧的语音状态及其相邻的第一音频帧的语音状态，重新确定所述第一数组中所述第一音频帧的元素值；

基于重新确定的所述第一音频帧的元素值，确定一时间节点。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一音频帧的语音状态及其相邻的第一音频帧的语音状态，重新确定所述第一数组中所述第一音频帧的元素值，包括：

若所述第一音频帧为所述第一音频中第一个第一音频帧，且所述第一音频帧的语音状态为非静音状态，确定所述第一数组中所述第一音频帧的元素值为第一数值；

若所述第一音频帧为所述第一音频中最后一个第一音频帧，且所述第一音频帧的语音状态为非静音状态，确定所述第一数组中所述第一音频帧的元素值为第二数值；

若所述第一音频帧为所述第一音频中第一个第一音频帧和最后一个第一音频帧之间的任一第一音频帧，且所述第一音频帧的语音状态为静音状态，所述第一音频帧的前一个第一音频帧的语音状态为静音状态，所述第一音频帧的后一个第一音频帧的语音状态为非静音状态，确定所述第一数组中所述第一音频帧的元素值为第一数值；

若所述第一音频帧为所述第一音频中第一个第一音频帧和最后一个第一音频帧之间的任一第一音频帧，且所述第一音频帧的语音状态为静音状态，所述第一音频帧的前一个第一音频帧的语音状态为非静音状态，所述第一音频帧的后一个第一音频帧的语音状态为静音状态，确定所述第一数组中所述第一音频帧的元素值为第二数值；

若所述第一音频帧为所述第一音频中第一个第一音频帧和最后一个第一音频帧之间的任一第一音频帧，且所述第一音频帧的语音状态为静音状态，所述第一音频帧的前一个第一音频帧的语音状态和后一个第一音频帧的语音状态均为非静音状态，保持所述第一数组中所述第一音频帧的元素值不变。

5.根据权利要求3或4所述的方法，其特征在于，所述基于重新确定的所述第一音频帧的元素值，确定一时间节点，包括：

若重新确定的所述第一音频帧的元素值为第一数值，将所述第一音频帧的时间确定为一个音频片段的开始时间；

若重新确定的所述第一音频帧的元素值为第二数值，将所述第一音频帧的时间确定为一个音频片段的结束时间。