音频识别方法、装置、电子设备和存储介质.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CN113889146A(43)申请公布日2022.01.04(21)申请号202111109177.1(22)申请日2021.09.22(71)申请人北京小米移动软件有限公司地址100085北京市海淀区西二旗中路33号院6号楼8层018号申请人北京小米松果电子有限公司(72)发明人常智华段成真侯冉冉秦斌(74)专利代理机构北京博思佳知识产权代理有限公司11415代理人王茹(51)Int.Cl.G10L25/51(2013.01)G10L15/10(2006.01)G10L15/02(2006.01)G10L15/26(2006.01)权利要求书2页说明书10页附图4页(54)发明名称音频识别方法、装置、电子设备和存储介质(57)摘要本公开是关于一种音频识别方法、装置、电子设备和存储介质。该方法包括：获取查询内容；所述查询内容包括表征待识别音频的片段信息；从预设库中选取与所述查询内容对应的预设数量的候选音频；所述候选音频包括与所述片段信息相匹配的候选音频片段；将所述候选音频片段输入已训练的检测模型中，得到包含所述片段信息的目标片段信息和所述目标片段信息所在的目标音频。本实施例中可以利用部分片段信息即可从预设库中识别出相匹配的目标音频片段和目标音频，有利于提升识别效率，提高使用体验。CN113889146ACN113889146A权利要求书1/2页1.一种音频识别方法，其特征在于，所述方法包括：获取查询内容；所述查询内容包括表征待识别音频的片段信息；从预设库中选取与所述查询内容对应的预设数量的候选音频；所述候选音频包括与所述片段信息相匹配的候选音频片段；将所述候选音频片段输入已训练的检测模型中，得到包含所述片段信息的目标片段信息和所述目标片段信息所在的目标音频。2.根据权利要求1所述的方法，其特征在于，从预设库中选取与所述查询内容对应的预设数量的候选音频，包括：确定所述片段信息的语素与所述预设库中每个音频的文本信息的相似度；根据所述相似度从大到小对所述预设库中的音频进行排序，得到排序结果；基于所述排序结果确定排序位置靠前的预设数量个音频为所述候选音频，每个所述候选音频包括与所述片段信息的语素相匹配的至少一个音频片段；从每个所述候选音频的至少一个音频片段中获取包含连续匹配语素最长的音频片段，得到每个所述候选音频与所述片段信息相匹配的候选音频片段。3.根据权利要求1所述的方法，其特征在于，将所述候选音频片段输入已训练的检测模型中，得到包含所述片段信息的目标片段信息和所述目标片段信息所在的目标音频，包括：根据所述片段信息和所述候选音频片段获取每个所述候选音频对应的待检测向量；将每个所述候选音频对应的待检测向量输入到所述检测模型，得到所述检测模型输出的检测结果数据；根据所述检测结果数据获取包含所述片段信息的目标片段信息和所述目标片段信息所在的目标音频。4.根据权利要求3所述的方法，其特征在于，根据所述片段信息和所述候选音频片段获取每个所述候选音频对应的待检测向量，包括：将所述片段信息分别与每个候选音频的候选音频片段进行拼接，得到每个候选音频对应的待检测向量；其中，每个所述待检测向量至少包括第一标识符和第二标识符，所述第一标识符用于标识待检测向量的起始位置，所述第二标识符用于标识所述待检测向量的拼接位置和结束位置。5.根据权利要求3所述的方法，其特征在于，所述检测结果数据包括表示所述候选音频片段中每个语素分别位于起始位置和结束位置对应的第一概率数据和第二概率数据；根据所述检测结果数据获取包含所述片段信息的目标片段信息和所述目标片段信息所在的目标音频，包括：在所述起始位置小于所述结束位置的情况下，基于所述第一概率数据和所述第二概率数据的乘积从所述候选音频片段中确定出目标音频片段；将所述目标音频片段作为从所述查询内容中识别出的目标片段信息以及将所述目标片段信息所在音频作为目标音频。6.根据权利要求5所述的方法，其特征在于，基于所述第一概率数据和所述第二概率数据的乘积从所述候选音频片段中确定出目标音频片段，包括：当所述第一概率数据和所述第二概率数据的乘积最大时确定起始位置的起始语素和结束位置的结束语素；2CN113889146A权利要求书2/2页确定所述起始语素和所述结束语素之间的全部语素构成所述目标音频片段。7.根据权利要求1～6任一项所述的方法，其特征在于，所述待识别音频为歌曲，所述片段信息是指所述歌曲中的部分歌词。8.一种音频识别装置，其特征在于，所述装置包括：查询内容获取模块，被配置为执行获取查询内容；所述查询内容包括表征待识别音频的片段信息；候选音频获取模块，被配置为执行从预设库中选取与所述查询内容对应的预设数量的候选音频；所述候选音频包括与所述片段信息相匹配的