[發明專利]一種語音識別方法、智能設備和智能電視

在審

• 申請號: 201811020120.2
• 申請日: 2018-09-03
• 公開（公告）號: CN110875045A
• 公開（公告）日: 2020-03-10
• 發明（設計）人: 納躍躍;劉鑫;劉勇;高杰;付強
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L17/22
• 分類號: G10L17/22;G10L21/0272
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝;徐煥

1.一種語音處理方法，其中，所述方法包括：

將原始語音數據分離為一路或多路語音數據；

確定分離出的各路語音數據的可信度；

對可信度最高的語音數據進行語音識別。

2.根據權利要求1所述的方法，其中，確定分離出的各路語音數據的可信度，包括：

對各路語音數據，檢測是否有預定義的喚醒詞出現，并確定出喚醒詞的得分；

根據喚醒詞得分確定語音數據的得分；

將確定的語音數據的得分，作為語音數據的可信度。

3.根據權利要求2所述的方法，其中，根據喚醒詞得分確定語音數據的得分，包括：

獲取喚醒詞時長和信噪比；

根據所述喚醒詞得分、喚醒詞時長和信噪比，計算得到所述語音數據的得分。

4.根據權利要求1所述的方法，其中，在將原始語音數據分離為一路或多路語音數據之前，所述方法還包括：

獲取聲音數據；

對所述聲音數據進行回聲消除，得到原始語音數據。

5.根據權利要求1所述的方法，其中，將原始語音數據分離為多通道語音數據：

通過最大化各個輸出通道之間的獨立性的目標函數，對所述原始語音數據進行迭代計算，以得到所述多通道語音數據；或者，

將所述原始語音數據中屬于同一聲源的時頻點進行分離和歸類，確定出多個聲源信號，從各個聲源信號的時頻掩蔽中計算出各個聲源的能量變化和協方差矩陣，以得到所述多通道語音數據。

6.根據權利要求1所述的方法，其中，將原始語音數據分離為多通道語音數據，包括：

獲取傳聲器陣列的拓撲結構，采用聲源定位算法確定出多個聲源中各個聲源的方位角，通過波束形成算法為每個聲源分別形成一個波束，以得到所述多通道語音數據。

7.根據權利要求1所述的方法，其中，在將原始語音數據分離為一路或多路語音數據之后，所述方法還包括：

對分離出的各路語音數據進行降噪處理和/或增益控制。

8.一種電子設備，包括處理器以及用于存儲處理器可執行指令的存儲器，所述處理器執行所述指令時實現：

將原始語音數據分離為一路或多路語音數據；

確定所述各路語音數據的可信度；

將可信度最高的語音數據進行語音識別。

9.根據權利要求8所述的設備，其中，所述處理器確定分離出的各路語音數據的可信度，包括：

對各路語音數據，檢測是否有預定義的喚醒詞出現，并確定出喚醒詞的得分；

根據喚醒詞得分確定語音數據的得分；

將確定的語音數據的得分，作為語音數據的可信度。

10.根據權利要求9所述的設備，其中，所述處理器根據喚醒詞得分確定語音數據的得分，包括：

獲取喚醒詞時長和信噪比；

根據所述喚醒詞得分、喚醒詞時長和信噪比，計算得到所述語音數據的得分。

11.根據權利要求8所述的設備，其中，所述處理器在將原始語音數據分離為一路或多路語音數據之前，還用于：

獲取聲音數據；

對所述聲音數據進行回聲消除，得到原始語音數據。

12.根據權利要求8所述的設備，其中，所述處理器將原始語音數據分離為多通道語音數據：

通過最大化各個輸出通道之間的獨立性的目標函數，對所述原始語音數據進行迭代計算，以得到所述多通道語音數據；或者，

將所述原始語音數據中屬于同一聲源的時頻點進行分離和歸類，確定出多個聲源信號，從各個聲源信號的時頻掩蔽中計算出各個聲源的能量變化和協方差矩陣，以得到所述多通道語音數據。