[發明專利]語音識別方法及裝置

有效

• 申請號: 201710170345.5
• 申請日: 2017-03-21
• 公開（公告）號: CN108630193B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 賀利強;李曉輝;萬廣魯
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/26
• 代理公司: 北京友聯知識產權代理事務所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

1.一種語音識別方法，其特征在于，所述方法包括：

獲取多通道語音文件，其中，所述多通道語音文件包含多個對話人進行對話的語音數據；

將所述多通道語音文件分離為每個對話人的獨立語音子文件；

獲得每個獨立語音子文件的起始時間信息、終止時間信息及對話人標識信息；

將所述每個獨立語音子文件識別為文本；

生成所述多通道語音文件的特征信息，其中，所述特征信息包括：所述多通道語音文件對應的所述每個獨立語音子文件的文本信息、所述每個獨立語音子文件的起始時間信息、所述每個獨立語音子文件的終止時間信息、所述每個獨立語音子文件的排序信息及所述每個獨立語音子文件的對話人標識信息。

2.根據權利要求1所述的方法，其特征在于，所述排序信息通過以下方式得到：

根據所述每個獨立語音子文件的起始時間信息對所述每個獨立語音子文件的文本進行排序后得到文本的所述排序信息。

3.根據權利要求1所述的方法，其特征在于，所述多通道語音文件的特征信息用于機器學習。

4.根據權利要求1所述的方法，其特征在于，所述將所述多通道語音文件分離為每個對話人的獨立語音子文件，包括：

使用語音端點檢測算法，除去所述多通道語音文件中的靜音和噪聲部分，得到語音除噪結果{S1,S2,…Sn}，其中，Si包括第i個有效語音文件及所述第i個有效語音文件的起始時間信息及終止時間信息，i≤n；

使用語音通道分離算法，對所述語音除噪結果{S1,S2,…Sn}進行處理，得到語音通道分離結果{A1,A2,…,Am}，其中，Aj包括所述多個對話人中的第j個對話人的獨立語音子文件及所述第j個對話人的獨立語音子文件的起始時間信息和終止時間信息，j≤m。

5.根據權利要求1所述的方法，其特征在于，所述將所述多通道語音文件分離為每個對話人的獨立語音子文件，包括：

使用語音通道分離算法，對所述多通道語音文件進行處理，得到語音通道分離結果{T1,T2,…Tq}，其中，Ti包括所述多個對話人中的第i個對話人的獨立語音子文件及所述第i個對話人的獨立語音子文件的起始時間信息和終止時間信息，i≤q；

使用語音端點檢測算法，對所述語音通道分離結果{T1,T2,…Tp}進行處理，得到語音除噪結果{B1,B2,…,Bq}，其中，Bq包括所述多個對話人中的第j個對話人的經過除噪處理后的獨立語音子文件及所述第j個對話人的經過除噪處理后的獨立語音子文件的起始時間信息和終止時間信息，j≤q。

6.一種語音識別裝置，其特征在于，所述裝置包括：

語音文件獲取模塊，用于獲取多通道語音文件，其中，所述多通道語音文件包含多個對話人進行對話的語音數據；

語音文件分離模塊，用于將所述語音文件獲取模塊獲取到的多通道語音文件分離為每個對話人的獨立語音子文件；

信息獲得模塊，用于獲得每個獨立語音子文件的起始時間信息、終止時間信息及對話人標識信息；

語音識別模塊，用于將所述語音文件分離模塊分離出的每個獨立語音子文件識別為文本；

特征信息生成模塊，用于生成所述多通道語音文件的特征信息，其中，所述特征信息包括：所述多通道語音文件對應的所述每個獨立語音子文件的文本信息、所述每個獨立語音子文件的起始時間信息、所述每個獨立語音子文件的終止時間信息、所述每個獨立語音子文件的排序信息及所述每個獨立語音子文件的對話人標識信息。

7.根據權利要求6所述的裝置，其特征在于，所述排序信息通過以下方式得到：

根據所述每個獨立語音子文件的起始時間信息對所述每個獨立語音子文件的文本進行排序后得到文本的所述排序信息。

8.根據權利要求6所述的裝置，其特征在于，所述多通道語音文件的特征信息用于機器學習。