[發明專利]語音處理方法、裝置、設備及存儲介質

有效

• 申請號: 201810595783.0
• 申請日: 2018-06-11
• 公開（公告）號: CN108806707B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 李超;朱唯鑫
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;劉芳

1.一種語音處理方法，其特征在于，包括：

獲取N個語音幀中每個語音幀的第一聲學特征，N為大于1的正整數；

對N個所述第一聲學特征采用神經網絡算法，得到第一掩蔽閾值；

根據所述N個語音幀的語音活動檢測VAD信息修正所述第一掩蔽閾值，得到第二掩蔽閾值；

根據第二掩蔽閾值對N個所述第一聲學特征進行處理，得到第二聲學特征；

其中，根據所述N個語音幀的語音活動檢測VAD信息修正所述第一掩蔽閾值，包括：

計算所述VAD信息與所述第一掩蔽閾值的乘積，得到所述第二掩蔽閾值；

所述VAD信息包括：所述每個語音幀對應的VAD值；

相應的，所述根據所述N個語音幀的語音活動檢測VAD信息修正所述第一掩蔽閾值之前，還包括：

確定所述N個語音幀中VAD值為1的M1個語音幀，以及，VAD值為0的P1個語音幀，所述M1個語音幀與所述P1個語音幀相鄰，其中M1和P1均為大于1的正整數；

對所述M1個語音幀中的M2個語音幀對應的VAD值和所述P1個語音幀中的P2個語音幀對應的VAD值作平滑處理，以使所述M2個語音幀和所述P2個語音幀對應的VAD值由0漸變至1或者由1漸變至0，所述M2個語音幀與所述P2個語音幀相鄰，其中1≤M2≤M1，1≤P2≤P1。

2.根據權利要求1所述的方法，其特征在于，所述確定所述N個語音幀中VAD值為1的M1個語音幀，以及，VAD值為0的P1個語音幀，包括：

確定所述N個語音幀中的每個語音幀對應的電話類型，所述類型包括：靜音和非靜音；

將所述類型為靜音的語音幀確定為VAD值為0的語音幀；

將所述類型為非靜音的語音幀確定為VAD值為1的語音幀。

3.根據權利要求2所述的方法，其特征在于，M2和P2通過hamming窗、三角窗或者hanning窗確定。

4.一種語音處理裝置，其特征在于，包括：

獲取模塊，用于獲取N個語音幀中每個語音幀的第一聲學特征，N為大于1的正整數；

訓練模塊，用于對N個所述第一聲學特征采用神經網絡算法，得到第一掩蔽閾值；

修正模塊，用于根據所述N個語音幀的語音活動檢測VAD信息修正所述第一掩蔽閾值，得到第二掩蔽閾值；

第一處理模塊，用于根據第二掩蔽閾值對N個所述第一聲學特征進行處理，得到第二聲學特征；

其中，所述修正模塊具體用于：

計算所述VAD信息與所述第一掩蔽閾值的乘積，得到所述第二掩蔽閾值；

所述VAD信息包括：所述每個語音幀對應的VAD值；

相應的，所述裝置還包括：

確定模塊，用于確定所述N個語音幀中VAD值為1的M1個語音幀，以及，VAD值為0的P1個語音幀，所述M1個語音幀與所述P1個語音幀相鄰，其中M1和P1均為大于1的正整數；

第二處理模塊，用于對所述M1個語音幀中的M2個語音幀對應的VAD值和所述P1個語音幀中的P2個語音幀對應的VAD值作平滑處理，以使所述M2個語音幀和所述P2個語音幀對應的VAD值由0漸變至1或者由1漸變至0，所述M2個語音幀與所述P2個語音幀相鄰，其中1≤M2≤M1，1≤P2≤P1。

5.根據權利要求4所述的裝置，其特征在于，所述確定模塊具體用于：

確定所述N個語音幀中的每個語音幀對應的電話類型，所述類型包括：靜音和非靜音；

將所述類型為靜音的語音幀確定為VAD值為0的語音幀；

將所述類型為非靜音的語音幀確定為VAD值為1的語音幀。

6.根據權利要求5所述的裝置，其特征在于，M2和P2通過hamming窗、三角窗或者hanning窗確定。

7.一種語音處理設備，其特征在于，包括：

存儲器和處理器；

所述存儲器用于存儲所述處理器的執行指令，以使所述處理器執行如權利要求1-3任一項所述的語音處理方法。

8.一種存儲介質，其特征在于，包括：計算機可執行指令，所述指令用于實現如權利要求1-3任一項所述的語音處理方法。