[發(fā)明專利]一種語音輸入方法和裝置

有效

• 申請?zhí)枺?/td>: 201810251995.7
• 申請日: 2018-03-26
• 公開（公告）號: CN108417208B
• 公開（公告）日: 2020-09-11
• 發(fā)明（設計）人: 孫權
• 申請（專利權）人: 宇龍計算機通信科技（深圳）有限公司
• 主分類號: G10L15/10
• 分類號: G10L15/10;G10L17/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 吳黎

本申請公開了語音輸入方法和裝置，該方法包括：接收原始語音信號；將所述原始語音信號轉換為數(shù)字語音信號；根據(jù)語音分離算法在所述數(shù)字語音信號中分離出與預存儲的模板語音特征匹配的目標數(shù)字語音信號；根據(jù)所述目標數(shù)字語音信號進行語音輸入。采用本發(fā)明實施例，能提高對混合有多用戶的語音的識別率。

技術領域

本發(fā)明涉及語音處理領域，尤其涉及一種語音輸入方法和裝置。

背景技術

語音輸入是一種將用戶的語音識別成文本輸入到特定的文本框中的技術，語音輸入解放了用戶的雙手，降低了輸入文本的難度，隨著語音輸入的準確率的提升，越來越多的終端設備上支持語音輸入功能。在目前的語音輸入方案中，在安靜的環(huán)境下，對單個用戶的語音識別率非常高，但是在多個用戶同時發(fā)出語音時，終端設備根據(jù)這種混合了多個用戶進行識別時容易發(fā)生錯誤，語音輸入的準確率非常低。

發(fā)明內容

本發(fā)明實施例所要解決的技術問題在于，提供一種語音輸入方法和裝置，實現(xiàn)了對多個用戶的混合語音進行識別，提高語音輸入的準確率。

第一方面，本申請?zhí)峁┝艘环N喚醒性能的控制方法，包括：終端設備接收原始語音信號；終端設備將原始語音信號轉換為數(shù)字語音信號；終端設備根據(jù)語音分離算法在數(shù)字語音信號中分離出有預存儲的模板語音特征匹配的目標數(shù)字語音信號；終端設備根據(jù)目標數(shù)字語音信號進行語音輸入。

其中，預存儲的模板語音特征和登錄該終端設備的賬號關聯(lián)，登錄終端設備的方式包括但不限于密碼驗證、指紋驗證或人臉驗證等。模板語音特征可通過音色、響度和音域中的至少一種來描述，模板語音特征包括至少一個子語音特征，例如模板語音特征。

在一種可能的設計中，還包括：

終端設備在進行通話時，例如：主叫或被叫時，終端設備獲取用戶在通話過程中的通話語音信號；終端設備提取通話語音信號的語音特征；根據(jù)語音特征更新預存儲的模板語音特征。例如，將提取到的語音特征加入到模板語音特征中。

在一種可能的設計中，根據(jù)語音分離算法從數(shù)字語音信號中分離出與預存儲的語音模板匹配的目標數(shù)字語音信號包括：

根據(jù)語音分離算法從數(shù)字語音信號中分離出至少一個數(shù)字語音片段；其中，不同的數(shù)字語音片段對應不同的用戶身份；

確定每個數(shù)字語音片段的語音特征；

計算每個數(shù)字語音片段的語音特征和預存儲的模板語音特征之間的相似度值，將相似度值最大的數(shù)字語音片段作為目標數(shù)字語音信號。

在一種可能的設計中，將所述原始語言信號轉換為數(shù)字語音信號之前，還包括：

根據(jù)預設的頻率范圍對原始語音信號進行濾波處理。

在一種可能的設計中，所述預存儲的模板語音特征包括：音色、響度和音域中的至少一種。

第二方面，本申請?zhí)峁┝艘环N語音輸入裝置，該控制裝置具有實現(xiàn)上述方法中終端設備行為的功能。所述功能可以通過硬件實現(xiàn)，也可以通過硬件執(zhí)行相應的軟件實現(xiàn)。所述硬件或軟件包括一個或多個與上述功能相對應的模塊。

接收模塊，用于接收原始語音信號；

轉換模塊，用于將所述原始語音信號轉換為數(shù)字語音信號；

匹配模塊，用于根據(jù)語音分離算法在所述數(shù)字語音信號中分離出與預存儲的模板語音特征匹配的目標數(shù)字語音信號；

控制模塊，用于根據(jù)所述目標數(shù)字語音信號進行語音輸入。

在一種可能的設計中，語音輸入裝置還包括：

獲取模塊，用于在進行通話時，獲取用戶在通話過程中的通話語音信號；

提取模塊，用于提取所述通話語音信號的語音特征；