多声学特征融合的语音自动剪辑深度学习模型

摘要： 剪辑是音视频制作中的重要环节，剪辑师需综合考虑剪辑节奏、关联性等要素，耗费大量人力和时间.从剪辑特性和实际应用出发，本文提出了一种多声学特征融合的语音自动剪辑深度学习模型(CNN-BiGRU),它可以识别媒体中的语音部分并进行艺术化的自动剪辑.模型提取了对数梅尔频谱、短时能量和短时过零率3种特征，通过多个卷积神经网络融合后输入双向门控循环神经网络.采用基于课程式学习的方式，使用...