[發明專利]一種語音信息處理方法和裝置

有效

• 申請號: 201610674393.3
• 申請日: 2016-08-15
• 公開（公告）號: CN107767860B
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 魏興
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/08;G10L15/22;G10L25/03;G10L25/18;G10L25/51
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 姜春咸;馮建基

本發明實施例公開了一種語音信息處理方法，所述方法包括：獲取第一語音信息；對所述第一語音信息進行分析處理，得到所述第一語音信息的第一特征信息和第二特征信息；基于所述第一語音信息的第一特征信息和第二特征信息，判斷所述第一語音信息與預設語音信息之間的關系，并根據判斷結果確定是否執行與所述第一語音信息對應的操作。本發明實施例同時還公開了一種語音信息處理裝置。

技術領域

本發明涉及通信領域中的語音處理技術，尤其涉及一種語音信息處理方法和裝置。

背景技術

隨著互聯網技術的高速發展，無線網絡在各行各業得到了廣泛的應用，隨之語音服務也應運而生。基于語音交互體驗的便捷性，語音技術廣泛應用到人們的工作、娛樂、運動等生活方式中。例如，Google在其谷歌文檔(Google Docs)應用中集成新款語音聽寫工具，實現了用戶能夠擺脫傳統的鍵盤輸入的人機交互；微軟和蘋果也分別將各自手持終端設備上的語音產品Cortana和Siri集成到各自的電腦系統中；甚至，一些智能手機或可穿戴設備也可以通過語音技術與終端設備交互。現有的語音識別技術主要是：通過本地或云端將使用者的聲音信息中包含的語言信息轉化為文本與采樣數據中相應的文本進行比對，同時將兩段聲音進行頻率共振的比對，以達到區別不同用戶的目的。

但是，現有的語音識別技術只是將用戶聲音中的某些“物理特征”進行了一些體驗式的鑒別，沒有考慮用戶的說話習慣、心情等因素造成的聲音頻率變化，導致與采樣的用戶聲音頻率誤差較大，不能準確識別目標用戶，會出現某些用戶的操作不在實際操作權限內的情況，導致用戶體驗效果較差。

發明內容

為解決上述技術問題，本發明實施例提供一種語音信息處理方法和裝置，至少部分解決了現有技術中根據語音信息無法準確識別目標用戶的問題。

為達到上述目的，本發明實施例的技術方案是這樣實現的：

一種語音信息處理方法，所述方法包括：

獲取第一語音信息；

對所述第一語音信息進行分析處理，得到所述第一語音信息的第一特征信息和第二特征信息；

基于所述第一語音信息的第一特征信息和第二特征信息，判斷所述第一語音信息與預設語音信息之間的關系，并根據判斷結果確定是否執行與所述第一語音信息對應的操作。

可選的，所述對所述第一語音信息進行分析，得到所述第一語音信息的第一特征信息和第二特征信息之前，還包括：

獲取所述第一語音信息對應的第一時域波形；

判斷所述第一語音信息的所述第一時域波形是否是連續的；

如果所述第一語音信息的所述第一時域波形是連續的，則執行所述對所述第一語音信息進行分析處理，得到所述第一語音信息的第一特征信息和第二特征信息；

如果所述第一語音信息的所述第一時域波形是不連續的，則重新獲取所述第一語音信息。

可選的，所述對所述第一語音信息進行分析處理，得到所述第一語音信息的第一特征信息和第二特征信息，包括：

對所述第一語音信息的第一時域波形進行頻譜分析，得到所述第一語音信息的頻率域波形；

根據所述第一語音信息的所述頻率域波形，獲取所述第一語音信息的所述第一特征信息；

對所述第一語音信息的第一時域波形進行過濾并采用延時補償機制進行處理，得到所述第一語音信息的第二時域波形；

根據所述第一語音信息的第二時域波形，獲取所述第一語音信息的所述第二特征信息。

可選的，所述基于所述第一語音信息的第一特征信息和第二特征信息，判斷所述第一語音信息與預設語音信息之間的關系，并根據判斷結果確定是否執行與所述第一語音信息對應的操作，包括：