[發明專利]語音活性檢測方法、裝置及設備

在審

• 申請號: 201810362694.1
• 申請日: 2018-04-20
• 公開（公告）號: CN108648769A
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 李超;朱唯鑫;文銘
• 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;G10L25/30
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 閔南燕;劉芳

1.一種語音活性檢測方法，其特征在于，包括：

提取待檢測的音頻幀的聲學特征；

將所述待檢測的音頻幀的聲學特征輸入預設的深度神經網絡模型，計算所述待檢測的音頻幀對應的輸出節點的值，所述深度神經網絡模型由訓練數據中各音頻幀的聲學特征和標注數據對深度神經網絡訓練得到；

根據所述待檢測的音頻幀對應的輸出節點的值，確定所述待檢測的音頻幀是否為有效語音。

2.根據權利要求1所述的方法，其特征在于，

所述深度神經網絡模型的輸出層包括兩個輸出節點，第一個輸出節點的值對應于所述待檢測的音頻幀為有效語音的概率信息，第二個輸出節點的值對應于所述待檢測的音頻幀為無效語音的概率信息。

3.根據權利要求2所述的方法，其特征在于，

所述待檢測的音頻幀對應的第一個輸出節點的值為所述待檢測的音頻幀為有效語音的后驗概率值；

所述待檢測的音頻幀對應的第二個輸出節點的值為所述待檢測的音頻幀為無效語音的后驗概率值。

4.根據權利要求2或3所述的方法，其特征在于，所述無效語音至少包括以下任意一種：靜音和噪聲。

5.根據權利要求2或3所述的方法，其特征在于，所述待檢測的音頻幀對應的輸出節點的值包括所述待檢測的音頻幀對應的第一個輸出節點的值，

相應地，所述根據所述待檢測的音頻幀對應的輸出節點的值，確定所述待檢測的音頻幀是否為有效語音，包括：

比較所述待檢測的音頻幀對應的第一個輸出節點的值與預設的第一閾值的大小；

若所述待檢測的音頻幀對應的第一個輸出節點的值大于所述第一閾值，則確定所述待檢測的音頻幀為有效語音；

若所述待檢測的音頻幀對應的第一個輸出節點的值小于或者等于所述第一閾值，則確定所述待檢測的音頻幀為無效語音。

6.根據權利要求2或3所述的方法，其特征在于，所述待檢測的音頻幀對應的輸出節點的值包括所述待檢測的音頻幀對應的第二個輸出節點的值，

相應地，所述根據所述待檢測的音頻幀對應的輸出節點的值，確定所述待檢測的音頻幀是否為有效語音，包括：

比較所述待檢測的音頻幀對應的第二個輸出節點的值與預設的第二閾值的大小；

若所述待檢測的音頻幀對應的第二個輸出節點的值大于所述第二閾值，則確定所述待檢測的音頻幀為無效語音；

若所述待檢測的音頻幀對應的第二個輸出節點的值小于或者等于所述第二閾值，則確定所述待檢測的音頻幀為有效語音。

7.根據權利要求1所述的方法，其特征在于，所述提取待檢測的音頻幀的聲學特征，包括：

采用快速傅立葉變換FFT算法提取所述待檢測的音頻幀的FFT幅值特征。

8.根據權利要求1所述的方法，其特征在于，在所述提取待檢測的音頻幀的聲學特征之前，還包括：

獲取待檢測的音頻，對所述待檢測的音頻做分幀處理，得到所述音頻的至少一個待檢測的音頻幀。

9.一種語音活性檢測裝置，其特征在于，包括：

特征提取模塊，用于提取待檢測的音頻幀的聲學特征；

檢測模塊，用于將所述待檢測的音頻幀的聲學特征輸入預設的深度神經網絡模型，計算所述待檢測的音頻幀對應的輸出節點的值，所述深度神經網絡模型由訓練數據中各音頻幀的聲學特征和標注數據對深度神經網絡訓練得到；

確定模塊，用于根據所述待檢測的音頻幀對應的輸出節點的值，確定所述待檢測的音頻幀是否為有效語音。

10.根據權利要求9所述的裝置，其特征在于，

所述深度神經網絡模型的輸出層包括兩個輸出節點，第一個輸出節點的值對應于所述待檢測的音頻幀為有效語音的概率信息，第二個輸出節點的值對應于所述待檢測的音頻幀為無效語音的概率信息。