[發明專利]基于人工智能的語音處理方法及裝置

有效

• 申請號: 201611246698.0
• 申請日: 2016-12-29
• 公開（公告）號: CN106710606B
• 公開（公告）日: 2019-11-08
• 發明（設計）人: 王知踐;錢勝
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L25/78
• 分類號: G10L25/78;G10L19/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張潤

1.一種基于人工智能的語音處理方法，其特征在于，包括：

利用聲學模型對待解碼的語音包中的當前幀進行打分；

根據打分結果識別當前幀是否為準靜音幀；

如果識別出當前幀為準靜音幀，在解碼時跳過當前幀，不對當前幀進行解碼；

其中，所述根據打分結果識別當前幀是否為準靜音幀，包括：

根據所述打分結果獲取當前幀的最優隱狀態和次優隱狀態；

當所述最優隱狀態對應的狀態標識為空白標識時，獲取所述最優隱狀態和所述次優隱狀態之間的得分差值；

如果所述得分差值大于預設的閾值，則識別出當前幀為準靜音幀；

利用第一標志位標記當前幀，其中，所述第一標志位用于指示出在解碼時不需要對當前幀進行解碼。

2.根據權利要求1所述的基于人工智能的語音處理方法，其特征在于，還包括：

如果所述得分差值小于或者等于所述閾值，則識別出當前幀為偽靜音幀；

利用第二標志位標記當前幀，其中，所述第二標志位用于指示出在解碼時需要對當前幀進行解碼。

3.根據權利要求2所述的基于人工智能的語音處理方法，其特征在于，還包括：

當所述最優隱狀態對應的狀態標識為非空白標識時，識別出當前幀為語音幀；

利用所述第二標志位標記當前幀。

4.根據權利要求3所述的基于人工智能的語音處理方法，其特征在于，所述利用聲學模型對待解碼的語音包中的當前幀進行打分，包括：

判斷與當前幀相鄰的前一幀是否為語音幀；

如果判斷結果為所述前一幀為語音幀，利用所述第二標志位標記當前幀；

如果判斷結果為所述前一幀非語音幀，則利用所述聲學模型對當前幀進行打分。

5.根據權利要求4所述的基于人工智能的語音處理方法，其特征在于，所述當所述最優隱狀態對應的標識為非空白標識時，識別出當前幀為語音幀之后，還包括：

獲取所述前一幀對應的標志位；

如果所述前一幀對應的標志位為所述第一標志位，則利用所述第二標志位重新標記所述前一幀。

6.根據權利要求1-5任一項所述的基于人工智能的語音處理方法，其特征在于，所述利用聲學模型對待解碼的語音包中的當前幀進行打分之前，包括：

判斷當前幀是否為所述語音包中的前三幀中的一幀；

如果判斷出當前幀為語音包中的前三幀中的一幀，利用第二標志位標記當前幀，其中，所述第二標志位指示出在解碼時需要對當前幀進行解碼；

如果判斷出當前幀非語音包中的前三幀中的一幀，判斷當前幀是否為所述語音包中的最后一幀；

如果判斷出當前幀為語音包中的最后一幀，利用所述第二標志位標記當前幀。

7.一種基于人工智能的語音處理裝置，其特征在于，包括：

打分模塊，用于利用聲學模型對待解碼的語音包中的當前幀進行打分；

識別模塊，根據打分結果識別當前幀是否為準靜音幀；

解碼模塊，用于如果識別出當前幀為準靜音幀，在解碼時跳過當前幀，不對當前幀進行解碼；

其中，所述識別模塊，包括：

第一獲取單元，用于根據所述打分結果獲取當前幀的最優隱狀態和次優隱狀態；

第二獲取單元，用于當所述最優隱狀態對應的狀態標識為空白標識時，獲取所述最優隱狀態和所述次優隱狀態之間的得分差值；

識別單元，用于如果所述得分差值大于預設的閾值，則識別出當前幀為準靜音幀；

標記單元，用于利用第一標志位標記當前幀，其中，所述第一標志位用于指示出在解碼時不需要對當前幀進行解碼。

8.根據權利要求7所述的基于人工智能的語音處理裝置，其特征在于，所述識別單元，還用于如果所述得分差值小于或者等于所述閾值，則識別出當前幀為偽靜音幀；

所述標記單元，還用于利用第二標志位標記當前幀，其中，所述第二標志位用于指示出在解碼時需要對當前幀進行解碼。