[发明专利]一种识别音频中人声的方法及装置有效
| 申请号： | 201310429920.0 | 申请日： | 2013-09-18 |
| 公开（公告）号： | CN103489445A | 公开（公告）日： | 2014-01-01 |
| 发明（设计）人： | 田彪 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G10L17/00 | 分类号： | G10L17/00;G10L17/02;G10L17/04 |
| 代理公司： | 北京品源专利代理有限公司 11332 | 代理人： | 胡彬 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种识别音频中人声的方法及装置，所述方法包括：对音频数据进行分帧处理；使用阶数为P的线性预测编码(LPC)分析分帧处理后的每一帧音频数据并提取音频特征，所述音频特征包括短时过零率、P阶LPC预测系数和LPC预测残差幅度谱的偏度和峰度；根据所述音频特征形成P+3阶特征向量；使用支持向量机(SVM)算法对所述特征向量进行训练得到相应的支持向量机；根据所述支持向量机识别所述每一帧音频数据中是否含有人声。本发明可以实现音频中人声的高精度高置信度的识别，为歌曲内容分析提供基础性服务，从而进一步的实现歌词同步、歌曲分类、歌曲推荐等功能。 | ||
| 搜索关键词： | 一种 识别 音频 人声 方法 装置 | ||
【主权项】：
一种识别音频中人声的方法，其特征在于，所述方法包括：对音频数据进行分帧处理；使用阶数为P的线性预测编码(LPC)分析分帧处理后的每一帧音频数据并提取音频特征，所述音频特征包括短时过零率、P阶LPC预测系数和LPC预测残差幅度谱的偏度和峰度；根据所述音频特征形成P+3阶特征向量；使用支持向量机(SVM)算法对所述特征向量进行训练得到相应的支持向量机；根据所述支持向量机识别所述每一帧音频数据中是否含有人声。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310429920.0/，转载请声明来源钻瓜专利网。
- 上一篇：存储器装置以及冗余方法
- 下一篇：一种语音识别方法和装置
