[發明專利]語音端點檢測方法、裝置、終端和存儲介質

有效

• 申請號: 201910204567.3
• 申請日: 2019-03-18
• 公開（公告）號: CN109767792B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 歐陽能鈞;賀學焱;彭漢迎
• 申請（專利權）人: 百度國際科技（深圳）有限公司
• 主分類號: G10L25/87
• 分類號: G10L25/87;G10L25/78;G10L25/21
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

本發明實施例公開了一種語音端點檢測方法、裝置、終端和存儲介質，其中，該方法包括：確定用戶的當前語速與歷史平均語速的差異是否處于預設差異范圍；如果當前語速與歷史平均語速的差異不處于預設差異范圍，則根據當前語速調整語音端點檢測的語音能量閾值，使得在與當前語音端點檢測相鄰的下一次語音端點檢測過程中，根據調整后的語音能量閾值確定用戶的語音結束端點。本發明實施例解決了現有語音端點檢測方法中由于參數閾值的共用導致語音識別結果準確率降低的問題，實現了針對不同用戶的語音結束端點的個性化檢測，提高了語音識別的準確性。

技術領域

本發明實施例涉及計算機技術領域，尤其涉及一種語音端點檢測方法、裝置、終端和存儲介質。

背景技術

傳統的語音端點檢測(Voices Active Defect，VAD)算法主要是根據過零率和聲音量級等指標去檢測一句話是否結束。如果在獲取的語音流中前面部分連續預設數量M0幀的語音能量值低于事先指定的能量值閾值Elow，并且接下來連續M0幀語音的能量值大于Elow，則在語音能量值增大的地方就是語音的開始端點。同樣的，如果連續若干幀語音能量值較大，隨后的語音幀能量值變小，即小于事先指定的能量值閾值Ehigh，并且持續一定的時長，則認為在語音能量值減小的地方就是語音的結束端點。

然而，每個人說話的語速不同，有些人語速快，有些人語速偏慢。如果在語音端點檢測過程中，對所有人均使用相同的VAD參數閾值，則會導致有些人的語音識別效果較好，而有些人則會被頻繁地誤截斷，例如有些語速慢的人可能還沒有說完一句話，基于傳統的VAD算法就已經判定這句話講完了，從而導致語音識別不準確。

發明內容

本發明實施例提供一種語音端點檢測方法、裝置、終端和存儲介質，以實現針對不同用戶的語音結束端點的個性化檢測，提高語音識別的準確性。

第一方面，本發明實施例提供了一種語音端點檢測方法，該方法包括：

確定用戶的當前語速與歷史平均語速的差異是否處于預設差異范圍；

如果所述當前語速與歷史平均語速的差異不處于所述預設差異范圍，則根據所述當前語速調整語音端點檢測的語音能量閾值，使得在與當前語音端點檢測相鄰的下一次語音端點檢測過程中，根據調整后的語音能量閾值確定用戶的語音結束端點。

第二方面，本發明實施例還提供了一種語音端點檢測裝置，該裝置包括：

語速確定模塊，用于確定用戶的當前語速與歷史平均語速的差異是否處于預設差異范圍；

語音能量閾值調整模塊，用于如果所述當前語速與歷史平均語速的差異不處于所述預設差異范圍，則根據所述當前語速調整語音端點檢測的語音能量閾值，使得在與當前語音端點檢測相鄰的下一次語音端點檢測過程中，根據調整后的語音能量閾值確定用戶的語音結束端點。

第三方面，本發明實施例還提供了一種終端，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本發明任一實施例所述的語音端點檢測方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明任一實施例所述的語音端點檢測方法。

本發明實施例通過判斷用戶的當前語速與歷史平均語速的差異是否處于預設差異范圍，如果當前語速與歷史平均語速的差異不處于預設差異范圍，則根據當前語速調整下一次語音端點檢測時的語音能量閾值，實現了語音端點檢測過程中針對不同用戶的語音能量閾值的自適應動態調整，解決了現有語音端點檢測方法中由于參數閾值的共用導致語音識別結果準確率降低的問題，實現了針對不同用戶的語音結束端點的個性化檢測，提高了語音識別的準確性。