基于说话人辅助信息的特定说话人语音提取方法及装置

摘要

本申请涉及人工智能技术，提供了基于说话人辅助信息的特定说话人语音提取方法、装置、设备及介质，先获取待识别音视频数据对应的分帧结果，然后获取所述分帧结果中各帧子音视频数据分别对应的子说话人活跃信息以组成说话人活跃信息，之后基于所述分帧结果中每一帧子音视频数据的对数频谱幅度系数生成对应帧子音视频数据的输入数据，最后将所述输入数据输入至所述说话人分类模型进行分类，所得到目标说话人识别特征再与每一帧子音视频数据的对数频谱幅度系数相乘，得到每一帧子音视频数据对应的目标说话人频谱。实现了在未输入目标说话人语音的前提下，即可从混杂语音中分离得到特定说话人的语音频谱，简化提取过程。