[發(fā)明專利]一種語音相似度檢測方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710080153.5
• 申請(qǐng)日: 2017-02-14
• 公開（公告）號(hào): CN106935248B
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 趙志宏;葉生
• 申請(qǐng)（專利權(quán)）人: 廣州孩教圈信息科技股份有限公司
• 主分類號(hào): G10L25/51
• 分類號(hào): G10L25/51;G10L25/60;G10L25/18;G10L25/24;G10L21/0208
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發(fā)明公開了一種語音相似度檢測方法，包括：采集語音的音頻數(shù)據(jù)；從所述音頻數(shù)據(jù)中提取音頻特征參數(shù)；所述音頻特征參數(shù)包括頻譜系數(shù)和聲音強(qiáng)度；將所述音頻特征參數(shù)與預(yù)先提取的原始音頻的音頻特征參數(shù)進(jìn)行對(duì)比，獲取所述語音與所述原始音頻之間的相似度。相應(yīng)的，本發(fā)明還公開了一種語音相似度檢測裝置。采用本發(fā)明實(shí)施例，能夠提高語音相似度檢測的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種語音相似度檢測方法及裝置。

背景技術(shù)

現(xiàn)有技術(shù)中，通常采用的語音相似度評(píng)分方法基本原理是對(duì)原始音頻和輸入音頻數(shù)據(jù)分別進(jìn)行頻譜分析，得到語音的頻譜特征，然后對(duì)兩個(gè)頻譜特征進(jìn)行比較，從而得出兩個(gè)語音相似度的分值。但是，這種方法存在著難以精確區(qū)分音調(diào)變化，對(duì)音量大小和不同人體的聲帶特色差異很敏感，模仿跟讀的完整度對(duì)評(píng)分結(jié)果影響很大等缺點(diǎn)，從而導(dǎo)致語音相似度評(píng)分準(zhǔn)確率低。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提出一種語音相似度檢測方法及裝置，能夠提高語音相似度檢測的準(zhǔn)確率。

本發(fā)明實(shí)施例提供一種語音相似度檢測方法，包括：

采集語音的音頻數(shù)據(jù)；

對(duì)所述語音的音頻數(shù)據(jù)進(jìn)行預(yù)處理；所述預(yù)處理包括預(yù)濾波、高通濾波、低通濾波、采樣、量化、語音端點(diǎn)檢測處理；

從預(yù)處理后的音頻數(shù)據(jù)中提取音頻特征參數(shù)；所述音頻特征參數(shù)包括基音軌跡、文本語音匹配相關(guān)特征參數(shù)、頻譜系數(shù)和每個(gè)音頻幀的聲音強(qiáng)度；

將所述音頻特征參數(shù)與預(yù)先提取的原始音頻的音頻特征參數(shù)進(jìn)行對(duì)比，獲取所述語音與所述原始音頻之間的相似度。

進(jìn)一步地，所述基音軌跡的提取方法具體包括：

從所述音頻數(shù)據(jù)中計(jì)算獲取基音序列；

從所述基音序列中獲取候選拐點(diǎn)；

將曲率值大于預(yù)設(shè)閾值的候選拐點(diǎn)作為拐點(diǎn)；

獲取所有相鄰兩個(gè)拐點(diǎn)的線段，并保存到折線序列中；

計(jì)算所有相鄰兩個(gè)線段之間的夾角值，并保存到夾角序列中；

將所述折線序列和所述夾角序列中的數(shù)據(jù)表征為所述基音軌跡。

進(jìn)一步地，所述頻譜系數(shù)包括但不限于：梅爾倒頻譜系數(shù)或倒傅里葉頻譜系數(shù)；

所述梅爾倒頻譜系數(shù)的提取方法具體包括：

將所述音頻數(shù)據(jù)等比例劃分為至少一個(gè)音頻幀；

對(duì)所述至少一個(gè)音頻幀進(jìn)行離散變換和濾波，獲得至少一個(gè)自然對(duì)數(shù)；

分別計(jì)算所述至少一個(gè)自然對(duì)數(shù)的離散余弦變換，并去除變換后的第一個(gè)參數(shù)，將剩余的參數(shù)作為所述梅爾倒頻譜系數(shù)。

進(jìn)一步地，所述每個(gè)音頻幀的聲音強(qiáng)度的提取方法具體包括：

將所述音頻數(shù)據(jù)劃分為N個(gè)音頻幀；其中，N≥1；

計(jì)算每個(gè)音頻幀的平均聲音強(qiáng)度；

根據(jù)所述每個(gè)音頻幀的平均聲音強(qiáng)度，計(jì)算所述每個(gè)音頻幀的聲音強(qiáng)度。

進(jìn)一步地，所述平均聲音強(qiáng)度的計(jì)算公式為n＝0,1,2,...,N-1，其中，AveMag(n)為音頻幀n的平均聲音強(qiáng)度，M為音頻幀n的采樣點(diǎn)個(gè)數(shù)，S_n(m)為音頻幀n中的采樣點(diǎn)m的信號(hào)幅度值；

所述聲音強(qiáng)度的計(jì)算公式為其中，Mag(n)為音頻幀n的聲音強(qiáng)度，Min為所有音頻幀中的最小平均聲音強(qiáng)度，Max為所有音頻幀中的最大平均聲音強(qiáng)度。