本申請提供了一種音頻處理方法和裝置，該方法包括：獲得待處理的目標音頻以及待識別用戶的基準音頻；基于目標音頻中具有的音頻間隔端點，將目標音頻劃分為至少一個音頻段；針對每個音頻段，將音頻段切分為多個第一音頻切片，從多個第一音頻切片中確定出第一參照音頻切片，并基于第一參照音頻切片確定出多個第一音頻切片中的第一主音頻切片集；基于音頻段對應的第一主音頻切片集的音頻特征以及基準音頻的音頻特征，從至少一個音頻段中確定出屬于待識別用戶的音頻段。本申請的方案可以提高從音頻中識別屬于特定用戶的音頻段的準確度。

技術領域

本申請涉及語音識別技術領域，更具體的說是涉及一種音頻處理方法和裝置。

背景技術

在音頻識別場景中，經常需要識別一段音頻中屬于某個用戶的音頻部分。如，為了分析客服人員的服務質量等，可能需要從客服電話錄音中，識別出屬于客服人員的音頻，以便對客服人員的音頻進行相應的分析。

其中，在需要從一段音頻中識別出屬于某個用戶的音頻時，會獲得用戶已有的音頻作為基準音頻，并基于該基準音頻從該段音頻中識別出屬于該用戶的音頻部分。然而，在實際應用場景中，待分析的一段音頻中音頻信息會較為復雜，如可能會由于受到環境等因素影響導致該段音頻中包含有噪聲，因此，即使是已知用戶的音頻，也無法較為準確的從一段音頻中提取出該用戶的音頻部分，使得音頻識別的效果較差。

發明內容

有鑒于此，本申請提供了一種音頻處理方法和裝置，以提高從音頻中識別屬于特定用戶的音頻段的準確度。

為實現上述目的，本申請提供如下技術方案：

一種音頻處理方法，其特征在于，包括：

獲得待處理的目標音頻以及待識別用戶的基準音頻；

基于所述目標音頻中具有的音頻間隔端點，將所述目標音頻劃分為至少一個音頻段；

針對每個所述音頻段，將所述音頻段切分為多個第一音頻切片，從所述多個第一音頻切片中確定出第一參照音頻切片，并基于所述第一參照音頻切片確定出所述多個第一音頻切片中的第一主音頻切片集，所述第一參照音頻切片為所述多個第一音頻切片中與其他第一音頻切片的特征相似程度最高的第一音頻切片，所述第一主音頻切片集包括所述多個第一音頻切片中與所述第一參照音頻切片的特征相似的第一音頻切片；

基于所述音頻段對應的第一主音頻切片集的音頻特征以及所述基準音頻的音頻特征，從所述至少一個音頻段中確定出屬于所述待識別用戶的音頻段。

在一種可能的實現方式中，在所述從所述至少一個音頻段中確定出屬于所述待識別用戶的音頻段之前，還包括：

將所述基準音頻切分為多個第二音頻切片，從所述多個第二音頻切片中確定出第二參照音頻切片，并基于所述第二參照音頻切片確定出所述多個第二音頻切片中的第二主音頻切片集，所述第二參照音頻切片為所述多個第二音頻切片中與其他第二音頻切片的特征相似程度最高的第二音頻切片，所述第二主音頻切片集包括所述多個第二音頻切片中與所述第二參照音頻切片的特征相似的第二音頻切片；

將所述基準音頻對應的第二主音頻切片集的音頻特征確定為基準音頻的音頻特征。

在又一種可能的實現方式中，所述基于所述第一參照音頻切片確定出所述多個第一音頻切片中的第一主音頻切片集，包括：

將所述多個第一音頻切片中與所述第一參照音頻切片的特征相似的第一音頻切片劃分到第一音頻切片集，并將所述多個第一音頻切片中與所述第一參照音頻切片的特征不相似的第一音頻切片劃分到第二音頻切片集；

對所述第一音頻切片集和第二音頻切片集執行如下切片集調整操作：