说话人角色分离方法、相关设备及计算机程序产品

本申请公开了一种说话人角色分离方法、相关设备及计算机程序产品，方法包括：确定目标音频数据的转写结果，转写结果包括转写文本及说话人转折点信息。将转写文本与目标音频数据进行时间对齐，切分得到单人音频片段。在每一单人音频片段内部进行滑窗提取声纹信息，由于单人音频片段内部仅包含单一说话人内容，因此可以增大窗长而不必担心窗内多人说话的风险，通过较大的窗长可以提升声纹准确性。在全局范围对所有滑窗音频按照声纹信息进行聚类，为同一聚类簇的滑窗音频对应的文本片段赋予同一说话人身份，不同聚类簇的滑窗音频对应的文本片段赋予不同说话人身份，可以提升转写文本层面上说话人角色分离的准确性，尤其适用于长音频场景。