说话人分离方法、装置、电子设备及计算机可读存储介质与流程

技术特征：
1.一种说话人分离方法，其特征在于，所述方法包括：获取待分离的语音信息，对所述待分离的语音信息进行初步分割，得到分离结果；对所述分离结果进行语音识别，得到分离语音内容，提取所述分离语音内容中的说话人转变点；提取所述分离结果的声纹特征和语义特征，并根据所述声纹特征和所述语义特征对所述分离结果进行说话人分类，得到标准分类结果；基于所述说话人转变点和所述标准分类结果对所述待分离的语音信息进行分类，得到目标分离结果。2.根据权利要求1所述的说话人分离方法，其特征在于，所述对所述待分离的语音信息进行初步分割，得到分离结果，包括：利用基于门限判决的静音检测算法识别所述待分离的语音信息中的静音段，并将剔除所述静音段后的语音信息按照时间顺序拼接为标准语音段；提取所述标准语音段中的音频特征，并计算所述音频特征中相邻数据窗之间的相似度；将所述相似度小于预设阈值的相邻数据窗判定为分割点，并基于所述分割点对所述待分离的语音信息进行划分，得到分离结果。3.根据权利要求2所述的说话人分离方法，其特征在于，所述利用基于门限判决的静音检测算法识别所述待分离的语音信息中的静音段，包括：对所述待分离的语音信息进行分帧处理，并计算每一帧语音信息对应的能量；确定所述能量小于预设的能量门限的语音信息为静音段。4.根据权利要求1所述的说话人分离方法，其特征在于，所述对所述分离结果进行语音识别之前，所述方法还包括：获取多个训练语音信号样本及多个所述训练语音信号样本对应的语音特征块；采用待训练的语音识别模型对多个所述训练语音信号样本对应的语音特征块分别进行识别，得到每个训练语音信号样本的预测文本序列；根据每个训练语音信号样本对应的预测文本序列对待训练的语音识别模型进行训练，直至达到预设的收敛条件，生成语音识别模型；所述对所述分离结果进行语音识别，包括：利用所述语音识别模型对所述分离结果进行语音识别。5.根据权利要求1所述的说话人分离方法，其特征在于，所述提取所述分离语音内容中的说话人转变点，包括：对所述分离语音内容进行语音分词，得到分词结果；标记所述分词结果的属性信息，并对所述分离结果进行表征信息采集，得到表征分离信息；将所述属性信息和所述表征分离信息输入至预训练好的说话人转变识别模型中，得到所述分离语音内容中的说话人转变点。6.根据权利要求5所述的说话人分离方法，其特征在于，所述对所述分离结果进行表征信息采集，得到表征分离信息，包括：提取所述分离结果中的文本表征、置信度表征和语音特征表征；
将所述文本表征、所述置信度表征和所述语音特征表征进行拼接处理，得到表征分离信息。7.根据权利要求1至4中任一项所述的说话人分离方法，其特征在于，所述对所述待分离的语音信息进行初步分割之前，所述方法还包括：对所述待分离的语音信息进行去噪处理。8.一种说话人分离装置，其特征在于，所述装置包括：初步分割模块，用于获取待分离的语音信息，对所述待分离的语音信息进行初步分割，得到分离结果；转变点提取模块，用于对所述分离结果进行语音识别，得到分离语音内容，提取所述分离语音内容中的说话人转变点；说话人分类模块，用于提取所述分离结果的声纹特征和语义特征，并根据所述声纹特征和所述语义特征对所述分离结果进行说话人分类，得到标准分类结果；语音分离模块，用于基于所述说话人转变点和所述标准分类结果对所述待分离的语音信息进行分类，得到目标分离结果。9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一项所述的说话人分离方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的说话人分离方法的步骤。

技术总结
本申请涉及一种说话人分离方法，所述方法包括：获取待分离的语音信息，对待分离的语音信息进行初步分割，得到分离结果；对分离结果进行语音识别，得到分离语音内容，提取分离语音内容中的说话人转变点；提取分离结果的声纹特征和语义特征，并根据声纹特征和语义特征对分离结果进行说话人分类，得到标准分类结果；基于说话人转变点和标准分类结果对待分离的语音信息进行分类，得到目标分离结果。此外，本申请还涉及一种说话人分离方法、装置、设备及存储介质。本申请可解决说话人分离的准确度不够高的问题。够高的问题。够高的问题。


技术研发人员：刘轶 黄石磊 程刚
受保护的技术使用者：深港产学研基地（北京大学香港科技大学深圳研修院）
技术研发日：2021.11.30
技术公布日：2022/3/1