歌词识别方法、装置、电子设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114141250A(43)申请公布日2022.03.04(21)申请号202111465773.3(22)申请日2021.12.03(71)申请人广州酷狗计算机科技有限公司地址510655广东省广州市天河区黄埔大道中315号自编1-17(72)发明人洛晋申张培熙党正军(74)专利代理机构北京柏杉松知识产权代理事务所(普通合伙)11413代理人孙翠贤孟维娜(51)Int.Cl.G10L15/26(2006.01)G10L15/14(2006.01)G10L15/16(2006.01)权利要求书2页说明书9页附图2页(54)发明名称歌词识别方法、装置、电子设备及可读存储介质(57)摘要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。CN114141250ACN114141250A权利要求书1/2页1.一种歌词识别方法，其特征在于，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。2.根据权利要求1所述的方法，其特征在于，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。3.根据权利要求2所述的方法，其特征在于，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。4.根据权利要求2所述的方法，其特征在于，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。5.根据权利要求4所述的方法，其特征在于，所述滑动窗口的滑动步长小于所述窗口大小。6.根据权利要求1‑5任一项所述的方法，其特征在于，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；对所述整合片段以及其他待分析音频片段，分别进行语音识别，得到识别结果；其中，其他待分析音频片段为除各个目标片段以外的待分析音频片段。7.根据权利要求1‑5任一项所述的方法，其特征在于，所述基于所得到的识别结果，生成所述目标音频的歌词内容，包括：对所识别得到的识别结果进行纠错处理；利用纠错处理后的识别结果，构成所述目标音频的歌词内容。2CN114141250A权利要求书2/2页8.一种歌词识别装置，其特征在于，所述装置包括：获取模块，用于获取待识别歌词的目标音频；选取模块，用于从所述目标音频中，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；识别模块，用于对所述待分析音频片段进行语音识别，得到识别结果；生成模块，用于基于所得到的识别结果，生成所述目标音频的歌词内容。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任一所述的方法步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑7任一所述的方法步骤。3CN114