[發(fā)明專(zhuān)利]一種語(yǔ)音信息的處理方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911419785.5
• 申請(qǐng)日: 2019-12-31
• 公開(kāi)（公告）號(hào): CN111128174A
• 公開(kāi)（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 陳都;吳本谷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京獵戶(hù)星空科技有限公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L15/26;G10L15/16;G10L15/02;G10L15/06;G10L25/78
• 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: 金銀花

1.一種語(yǔ)音信息的處理方法，其特征在于，所述方法包括：

將待處理的語(yǔ)音信息劃分為多個(gè)第一語(yǔ)音幀，并提取每個(gè)所述第一語(yǔ)音幀對(duì)應(yīng)的第一語(yǔ)音特征；

通過(guò)預(yù)先訓(xùn)練完成的聲學(xué)模型，依次根據(jù)每個(gè)所述第一語(yǔ)音幀對(duì)應(yīng)的第一語(yǔ)音特征，確定每個(gè)所述第一語(yǔ)音幀對(duì)應(yīng)的第一輸出向量，所述第一輸出向量中包含對(duì)應(yīng)的第一語(yǔ)音幀為靜音幀的概率，以及該第一語(yǔ)音幀包含的內(nèi)容信息為每種語(yǔ)音元素的概率；

通過(guò)有限狀態(tài)轉(zhuǎn)換機(jī)，根據(jù)每個(gè)所述第一語(yǔ)音幀對(duì)應(yīng)的第一輸出向量，確定所述待處理的語(yǔ)音信息中的有效語(yǔ)音段對(duì)應(yīng)的目標(biāo)語(yǔ)音元素序列，所述有效語(yǔ)音段為確定出的所述待處理的語(yǔ)音信息中的起始端點(diǎn)和結(jié)束端點(diǎn)之間包含的第一語(yǔ)音幀。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，任意相鄰的兩個(gè)第一語(yǔ)音幀之間存在設(shè)定時(shí)長(zhǎng)的重疊。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述聲學(xué)模型通過(guò)如下方式訓(xùn)練：

獲取樣本集中的任一語(yǔ)音信息樣本，將所述語(yǔ)音信息樣本劃分為多個(gè)第二語(yǔ)音幀，并提取每個(gè)所述第二語(yǔ)音幀對(duì)應(yīng)的第二語(yǔ)音特征，其中，每個(gè)所述第二語(yǔ)音幀的標(biāo)簽用于標(biāo)識(shí)對(duì)應(yīng)的第二語(yǔ)音幀為靜音幀的第一標(biāo)識(shí)值，或該第二語(yǔ)音幀包含的語(yǔ)音元素的第二標(biāo)識(shí)值；

通過(guò)神經(jīng)網(wǎng)絡(luò)模型，依次根據(jù)每個(gè)所述第二語(yǔ)音幀對(duì)應(yīng)的第二語(yǔ)音特征，獲得每個(gè)所述第二語(yǔ)音特征對(duì)應(yīng)的第二輸出向量，所述第二輸出向量中包含對(duì)應(yīng)的第二語(yǔ)音幀為靜音幀的概率，以及該第二語(yǔ)音幀包含的內(nèi)容信息為每種語(yǔ)音元素的概率；

根據(jù)每個(gè)所述第二語(yǔ)音幀對(duì)應(yīng)的第二輸出向量以及所述第二語(yǔ)音幀對(duì)應(yīng)的標(biāo)簽，對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述聲學(xué)模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)有限狀態(tài)轉(zhuǎn)換機(jī)，根據(jù)每個(gè)所述第一語(yǔ)音幀對(duì)應(yīng)的第一輸出向量，確定所述待處理的語(yǔ)音信息中有效語(yǔ)音段對(duì)應(yīng)的目標(biāo)語(yǔ)音元素序列，包括：

通過(guò)有限狀態(tài)轉(zhuǎn)換機(jī)，根據(jù)每個(gè)所述第一語(yǔ)音幀對(duì)應(yīng)的第一輸出向量，確定每個(gè)所述第一語(yǔ)音幀為靜音幀，或?yàn)榉庆o音幀對(duì)應(yīng)的目標(biāo)語(yǔ)音元素；

根據(jù)每個(gè)所述第一語(yǔ)音幀是否為靜音幀，確定所述待處理的語(yǔ)音信息中的有效語(yǔ)音段；以及

根據(jù)所述有效語(yǔ)音段包含的第一語(yǔ)音幀對(duì)應(yīng)的目標(biāo)語(yǔ)音元素，確定所述待處理的語(yǔ)音信息中有效語(yǔ)音段對(duì)應(yīng)的目標(biāo)語(yǔ)音元素序列。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)每個(gè)所述第一語(yǔ)音幀是否為靜音幀，確定所述待處理的語(yǔ)音信息中的有效語(yǔ)音段，以及所述有效語(yǔ)音段中包含的第一語(yǔ)音幀包括：

根據(jù)每個(gè)所述第一語(yǔ)音幀是否為靜音幀，確定所述待處理的語(yǔ)音信息中的起始端點(diǎn)和結(jié)束端點(diǎn)；

將所述待處理的語(yǔ)音信息中的所述起始端點(diǎn)和結(jié)束端點(diǎn)之間包含的第一語(yǔ)音幀，確定為有效語(yǔ)音段。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)每個(gè)所述第一語(yǔ)音幀是否為靜音幀，確定所述待處理的語(yǔ)音信息中的起始端點(diǎn)和結(jié)束端點(diǎn)，包括：

依次檢測(cè)所述待處理的語(yǔ)音信息中的每個(gè)所述第一語(yǔ)音幀是否為靜音幀，若檢測(cè)到任一為靜音幀的第一語(yǔ)音幀之后連續(xù)第一數(shù)量的第一語(yǔ)音幀均為非靜音幀，則將該靜音幀的終止點(diǎn)確定為所述待處理的語(yǔ)音信息中的起始端點(diǎn)；

針對(duì)在所述起始端點(diǎn)之后每個(gè)所述第一語(yǔ)音幀，若檢測(cè)到任一為非靜音幀的第一語(yǔ)音幀之后連續(xù)第二數(shù)量的第一語(yǔ)音幀為靜音幀，則將該非靜音幀的終止點(diǎn)確定為所述待處理的語(yǔ)音信息中的結(jié)束端點(diǎn)。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述待處理的語(yǔ)音信息中有效語(yǔ)音段對(duì)應(yīng)的目標(biāo)語(yǔ)音元素序列之后，所述方法還包括：

將所述目標(biāo)語(yǔ)音元素序列分別與預(yù)先保存的每個(gè)指令語(yǔ)音元素序列進(jìn)行匹配；

若所述目標(biāo)語(yǔ)音元素序列與任一指令語(yǔ)音元素序列匹配，則確定所述待處理的語(yǔ)音信息中包含該匹配的指令語(yǔ)音元素序列對(duì)應(yīng)的指令詞；以及

確定所述指令詞對(duì)應(yīng)的操作，并執(zhí)行所述操作。