[發明專利]語音端點檢測方法和裝置

有效

• 申請號: 201410779544.2
• 申請日: 2014-12-15
• 公開（公告）號: CN104409080B
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 劉粉香
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G10L25/87
• 分類號: G10L25/87;G10L15/05;G10L15/06
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 吳貴明;張永明

本發明公開了一種語音端點檢測方法和裝置。其中，語音端點檢測方法包括：獲取目標環境下的待測音頻；利用預先生成的語音訓練模型對待測音頻中的音頻片段進行標記，將待測音頻中的語音片段標記為第一預設標識，其中，語音訓練模型為對目標環境的語音數據進行訓練得到的模型；以及從標記的待測音頻中查找具有第一預設標識的整段音頻，其中，整段音頻為一整段標記有第一預設標識的語音；將具有第一預設標識的整段音頻的作為一段語音，具有第一預設標識的整段音頻的起始點和結束點作為一段語音的端點。通過本發明，解決了現有技術中在噪音大的情況下語音端點檢測的準確性較低的問題，達到了提高語音端點檢測的準確性。

技術領域

本發明涉及語音檢測領域，具體而言，涉及一種語音端點檢測方法和裝置。

背景技術

目前，對于語音識別大都利用音頻頻率例如倒頻譜系數特征來對來實現端點檢測，這樣的檢測方式通常在背景噪音較小時，效果比較好。然而，當語音背景的噪音很大時(比如信噪比為0分貝)，其端點檢測效果明顯降低，語音端點檢測的準確性較低。

針對現有技術中語音端點檢測的準確性較低的問題，目前尚未提出有效的解決方案。

發明內容

本發明的主要目的在于提供一種語音端點檢測方法和裝置，以解決現有技術中語音端點檢測的準確性較低的問題。

為了實現上述目的，根據本發明實施例的一個方面，提供了一種語音端點檢測方法。根據本發明的語音端點檢測方法包括：獲取目標環境下的待測音頻；利用預先生成的語音訓練模型對所述待測音頻中的音頻片段進行標記，將所述待測音頻中的語音片段標記為第一預設標識，其中，所述語音訓練模型為對所述目標環境的語音數據進行訓練得到的模型；以及從標記的待測音頻中查找具有所述第一預設標識的整段音頻，其中，所述整段音頻為一整段標記有所述第一預設標識的語音；將所述具有所述第一預設標識的整段音頻的作為一段語音，所述具有所述第一預設標識的整段音頻的起始點和結束點作為所述一段語音的端點。

進一步地，在獲取目標環境下的待測音頻之前，所述語音端點檢測方法還包括：采集所述目標環境的語音數據，將所述語音數據作為語音訓練集數據；以預設單位時間對所述語音數據進行劃分，得到多個音頻段；依次判斷所述多個音頻段中是否包含有語音；將包含有語音的音頻段標記為所述第一預設標記，并將不包含有語音的音頻段標記為第二預設標記；以及從標記有所述第一預設標記和所述第二預設標記的音頻段中提取樣本，利用提取的樣本訓練得到所述語音訓練模型。

進一步地，從標記有所述第一預設標記和所述第二預設標記的音頻段中提取樣本，利用提取的樣本訓練得到所述語音訓練模型包括：從標記有所述第一預設標記的音頻段中提取多個預設時間長度的音頻段，作為正樣本；從標記有所述第二預設標記的音頻段中提取多個所述預設時間長度的音頻段，作為負樣本；使用支持向量機對所述正樣本和所述負樣本進行訓練，得到所述語音訓練模型。

進一步地，使用支持向量機對所述正樣本和所述負樣本進行訓練，得到所述語音訓練模型包括：使用所述支持向量機，添加高斯核函數和松弛因子對所述正樣本和所述負樣本進行訓練，得到所述語音訓練模型。

進一步地，利用預先生成的語音訓練模型對所述待測音頻中的音頻片段進行標記包括：按照所述預設單位時間對所述待測音頻進行劃分，得到多個待測音頻段；利用所述語音訓練模型對所述多個待測音頻段進行標記，將包含有語音的待測音頻段標記為所述第一預設標識，將不包含有語音的待測音頻段標記為所述第二預設標識。