[發(fā)明專(zhuān)利]一種語(yǔ)音采集方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811213581.1
• 申請(qǐng)日: 2018-10-18
• 公開(kāi)（公告）號(hào): CN111081234B
• 公開(kāi)（公告）日: 2022-03-25
• 發(fā)明（設(shè)計(jì)）人: 洪澤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 珠海格力電器股份有限公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L17/00;G10L21/02;G06V40/16;G06V20/10
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 黃志華

本發(fā)明公開(kāi)了一種語(yǔ)音采集方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于提高語(yǔ)音采集的準(zhǔn)確性。在方法中，先獲得多個(gè)聲源對(duì)象的圖像信息以對(duì)多個(gè)聲源對(duì)象進(jìn)行有效識(shí)別，再按照預(yù)設(shè)確定規(guī)則從多個(gè)聲源對(duì)象中確定目標(biāo)聲源對(duì)象，進(jìn)而根據(jù)獲得的圖像信息確定目標(biāo)聲源對(duì)象的目標(biāo)位置，然后再控制語(yǔ)音采集模塊對(duì)目標(biāo)位置的語(yǔ)音信號(hào)進(jìn)行增強(qiáng)采集，以及對(duì)目標(biāo)位置外的語(yǔ)音信號(hào)進(jìn)行抑制，由于目標(biāo)位置是目標(biāo)聲源對(duì)象所在的位置，相當(dāng)于是對(duì)目標(biāo)聲源對(duì)象所發(fā)出的語(yǔ)音信號(hào)進(jìn)行增強(qiáng)采集，同時(shí)通過(guò)抑制其它聲源對(duì)象的語(yǔ)音信號(hào)的方式來(lái)提高對(duì)目標(biāo)聲源對(duì)象的語(yǔ)音信號(hào)采集的準(zhǔn)確性和有效性，從而提高語(yǔ)音采集的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種語(yǔ)音采集方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

語(yǔ)音采集技術(shù)在現(xiàn)代社會(huì)中的應(yīng)用越來(lái)越廣泛，例如在教育、會(huì)議、家電控制等各個(gè)方面都有著廣泛的應(yīng)用，在語(yǔ)音識(shí)別、語(yǔ)音控制、智能交互等領(lǐng)域?qū)φZ(yǔ)音采集技術(shù)有比較高的指標(biāo)要求，要求采集的語(yǔ)音清晰、準(zhǔn)確。

然而，在嘈雜的環(huán)境中采集語(yǔ)音時(shí)，例如在包括多個(gè)聲源(例如多個(gè)用戶(hù))的環(huán)境中采集到的語(yǔ)音通常是多個(gè)用戶(hù)的混合語(yǔ)音信息，這樣的話就難以對(duì)感興趣的某個(gè)用戶(hù)的語(yǔ)音進(jìn)行準(zhǔn)確的采集，也就是說(shuō)，目前的在多聲源的場(chǎng)景下語(yǔ)音采集的準(zhǔn)確性較低，使得最終采集到的語(yǔ)音可能并不是最希望采集到的語(yǔ)音，例如在語(yǔ)音控制過(guò)程中，由于混合的語(yǔ)音信息還可能導(dǎo)致控制出錯(cuò)，用戶(hù)體驗(yàn)較差。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種語(yǔ)音采集方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于提高語(yǔ)音采集的準(zhǔn)確性。

第一方面，提供一種語(yǔ)音采集方法，所述方法包括：

獲取至少兩個(gè)聲源對(duì)象的圖像信息，其中，每個(gè)聲源對(duì)象為能夠輸出語(yǔ)音信息的對(duì)象；

按照預(yù)設(shè)確定規(guī)則，從所述至少兩個(gè)聲源對(duì)象中確定目標(biāo)聲源對(duì)象；

根據(jù)所述圖像信息，確定所述目標(biāo)聲源對(duì)象的目標(biāo)位置；

控制語(yǔ)音采集模塊對(duì)所述目標(biāo)位置的語(yǔ)音信號(hào)進(jìn)行增強(qiáng)采集，以及對(duì)所述目標(biāo)位置外的語(yǔ)音信號(hào)進(jìn)行抑制。

可選的，按照預(yù)設(shè)確定規(guī)則，從所述至少兩個(gè)聲源對(duì)象中確定目標(biāo)聲源對(duì)象，包括：

對(duì)所述至少兩個(gè)聲源對(duì)象的語(yǔ)音信息分別進(jìn)行語(yǔ)音識(shí)別，以獲得每個(gè)聲源對(duì)象對(duì)應(yīng)的語(yǔ)音內(nèi)容；

將包括預(yù)設(shè)關(guān)鍵詞的語(yǔ)音內(nèi)容對(duì)應(yīng)的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象。

可選的，將包括預(yù)設(shè)關(guān)鍵詞的語(yǔ)音內(nèi)容對(duì)應(yīng)的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象，包括：

將最早包括所述預(yù)設(shè)關(guān)鍵詞的語(yǔ)音內(nèi)容對(duì)應(yīng)的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象；或者，

在將最早包括所述預(yù)設(shè)關(guān)鍵詞的語(yǔ)音內(nèi)容對(duì)應(yīng)的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象之后，將所述目標(biāo)聲源對(duì)象更新為再次包括所述預(yù)設(shè)關(guān)鍵詞的語(yǔ)音內(nèi)容對(duì)應(yīng)的聲源對(duì)象。

可選的，按照預(yù)設(shè)確定規(guī)則，從所述至少兩個(gè)聲源對(duì)象中確定目標(biāo)聲源對(duì)象，包括：

根據(jù)獲取圖像信息對(duì)所述至少兩個(gè)聲源對(duì)象進(jìn)行識(shí)別，并將屬于預(yù)定對(duì)象集合的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象；和/或，

對(duì)所述至少兩個(gè)聲源對(duì)象的語(yǔ)音信息進(jìn)行聲紋識(shí)別，并將聲紋屬于預(yù)定聲紋集合的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象。

可選的，在將聲紋屬于預(yù)定聲紋集合的聲源對(duì)象確定為所述目標(biāo)聲源對(duì)象之前，所述方法還包括：

獲得每個(gè)聲源對(duì)象與自身的聲紋特征之間的關(guān)聯(lián)對(duì)應(yīng)關(guān)系。

第二方面，提供一種語(yǔ)音采集裝置，該語(yǔ)音采集裝置包括：

獲取模塊，用于獲取至少兩個(gè)聲源對(duì)象的圖像信息，其中，每個(gè)聲源對(duì)象為能夠輸出語(yǔ)音信息的對(duì)象；