[發明專利]語音信號處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910810339.0
• 申請日: 2019-08-29
• 公開（公告）號: CN112509570A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 王陽陽;李曙光;韓偉
• 申請（專利權）人: 北京獵戶星空科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L15/197;G10L15/18;G06F40/284;G06F40/30
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭曉麗

本發明公開了一種語音信號處理方法、裝置、電子設備及存儲介質，該方法包括：對基于智能設備實時采集到的音頻流數據得到的臨時識別結果進行分詞處理，得到若干分詞片段；將若干分詞片段組成的第一分詞序列輸入到已訓練的斷句模型中，根據斷句模型的輸出確定所述第一分詞序列之后能夠進行斷句的第一預測概率；以及獲取第二分詞序列之后的下一個分詞片段為結束字符的第二預測概率，第二預測概率為根據詞頻數據確定的；若根據第一預測概率和第二預測概率確定的第三預測概率大于概率閾值，對臨時識別結果進行語義解析。本發明實施例的技術方案，能夠及時準確地對音頻流數據進行截斷處理，縮短智能設備的響應時間。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種語音信號處理方法、裝置、電子設備及存儲介質。

背景技術

目前的智能設備在進行語音識別和語音處理時，通常要先獲取一段具有完整語義的語音數據，然后經過ASR(Automatic Speech Recognition，語音識別)處理獲得語音識別結果，再基于該語音識別結果進行語義理解，得到語音數據對應的響應數據，以向用戶作出反饋。

現有的獲取具有完整語義的語音數據的一種方式為：用戶在輸入一段語音數據后按下指定按鍵，以告知智能設備語音輸入結束，智能設備獲取這段語音數據進行處理，但是，這種方式操作繁瑣，且適應場景單一、不夠靈活。另外一種方式為，在智能設備持續收音時通過語音活動檢測(Voice Activity Detection，VAD)技術對連續輸入的語音數據進行截斷，得到一段完整的語音數據，但是，當環境噪聲較大時，采用這種方法會發生無法截斷或誤判截斷等情況，導致無法及時進行語音識別，進而延長了智能設備的響應時間，導致用戶無法獲到及時的回復，降低了用戶體驗。

發明內容

本發明實施例提供一種語音信號處理方法、裝置、電子設備及存儲介質，以解決現有技術中無法對語音數據進行有效地截斷，導致智能設備無法及時作出準確響應的問題。

第一方面，本發明一實施例提供了一種語音信號處理方法，包括：

對智能設備實時采集到的音頻流數據進行語音識別，得到臨時識別結果；

對所述臨時識別結果進行分詞處理，得到若干分詞片段；

將所述若干分詞片段組成的第一分詞序列輸入到已訓練的斷句模型中，根據所述斷句模型的輸出確定所述第一分詞序列之后能夠進行斷句的第一預測概率；以及獲取第二分詞序列之后的下一個分詞片段為結束字符的第二預測概率，所述第二預測概率為根據詞頻數據確定的，所述詞頻數據包括基于語料庫中的語料確定出的各分詞序列在各語料中出現的次數，所述第二分詞序列為所述臨時識別結果中最后的N個分詞片段組成的序列，N為正整數；

根據所述第一預測概率和所述第二預測概率，確定第三預測概率；

若所述第三預測概率大于概率閾值，對所述臨時識別結果進行語義解析。

可選地，所述獲取第二分詞序列之后的下一個分詞片段為結束字符的第二預測概率，具體包括：

從所述詞頻數據中獲取所述第二分詞序列對應的次數M；從所述詞頻數據中獲取第三分詞序列對應的次數K，所述第三分詞序列為在所述第二分詞序列之后增加所述結束字符得到的序列；根據所述K和所述M，確定所述第二預測概率；

或者，從預先配置的各N元分詞序列之后的下一個分詞片段為結束字符的概率數據中，將所述第二分詞序列對應的概率數據確定為第二預測概率，所述N元分詞序列是基于所述語料庫中的語料進行分詞處理得到的，所述概率數據是根據所述N元分詞序列對應的詞頻數據和在所述N元分詞序列之后增加所述結束字符得到的N+1元分詞序列對應的詞頻數據確定的。

可選地，通過如下方式獲取所述詞頻數據：

對所述語料庫中的各語料進行分詞處理，得到各語料對應的分詞片段；