[發(fā)明專利]語音識別方法、裝置、計算機設備及存儲介質

有效

• 申請?zhí)枺?/td>: 202010001662.6
• 申請日: 2020-01-02
• 公開（公告）號: CN111063342B
• 公開（公告）日: 2022-09-30
• 發(fā)明（設計）人: 吳渤;于蒙;陳聯(lián)武;溫超;蘇丹;俞棟
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/26;G10L21/0208;G10L21/0272
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請公開了一種語音識別方法、裝置、計算機設備及存儲介質，屬于數據處理領域。方法包括：將采集到的音頻數據輸入到時域分離模型中，由時域分離模型基于音頻數據進行預測，得到時域分離信息，時域分離信息用于分離音頻數據中的噪音數據和語音數據；基于時域分離信息對音頻數據進行語音分離，得到時域語音數據；對時域語音數據進行特征提取，得到時域語音數據對應的時域語音特征信息；對時域語音數據對應的時域語音特征信息進行語音識別，確定時域語音數據對應的語音內容。通過本申請?zhí)峁┑恼Z音識別方法，計算機設備可以不對時域的音頻信息進行轉化到頻域再進行語音分離，在時域就可以完成語音和別的整個流程，提高了語音識別的速度。

技術領域

本申請涉及數據處理領域，特別涉及一種語音識別方法、裝置、計算機設備及存儲介質。

背景技術

隨著計算機技術的發(fā)展，人們希望通過更加簡便的方式來控制各種智能設備以實現不同的功能。語音識別由于其便捷性被廣大廠商重視，各大廠商都希望通過語音識別技術來減少用戶的手動操作，提高產品的易用性。

相關技術中往往會將收集到的音頻信息進行時頻轉換，得到音頻信息對應的頻域信息，在頻域將音頻信息中的噪聲去除，保留人聲，隨后再將頻域信息還原為時域上的波形，對波形進行特征提取和語音識別,通過語音識別的結果控制智能設備實現相應的功能，減少手動操作。

但是，在語音識別的過程中，將頻域信息轉化為時域上的波形需要耗費較多的時間和計算資源，語音識別的速度較慢，導致智能設備響應用戶語音指令的速度較慢。

發(fā)明內容

本申請實施例提供了一種語音識別方法、裝置、計算機設備及存儲介質，可以提高智能設備對用戶語音指令響應的速度，技術方案如下：

一方面，提供了一種語音識別方法，所述方法包括：

將采集到的音頻數據輸入到時域分離模型中，由所述時域分離模型基于所述音頻數據進行預測，得到時域分離信息，所述時域分離信息用于分離所述音頻數據中的噪音數據和語音數據；

基于所述時域分離信息對所述音頻數據進行語音分離，得到時域語音數據；

對所述時域語音數據進行特征提取，得到所述時域語音數據對應的時域語音特征信息；

對所述時域語音數據對應的時域語音特征信息進行語音識別，確定所述時域語音數據對應的語音內容。

一方面，提供了一種語音識別方法，所述方法包括：

將音頻數據中的語音數據的頻域信息轉化為頻譜圖；

對所述頻譜圖進行特征提取，得到所述頻譜圖對應的頻域語音特征信息；

將所述頻域語音特征信息輸入到頻域語音識別模型中，由所述頻域語音識別模型基于所述頻域語音特征信息進行預測，得到所述頻域語音特征信息對應的音素；

基于多個音素，確定所述語音數據對應的語音內容。

一方面，提供了一種語音識別裝置，所述裝置包括：

預測模塊，用于將采集到的音頻數據輸入到時域分離模型中，由所述時域分離模型基于所述音頻數據進行預測，得到時域分離信息，所述時域分離信息用于分離所述音頻數據中的噪音數據和語音數據；

語音分離模塊，用于基于所述時域分離信息對所述音頻數據進行語音分離，得到時域語音數據；

特征提取模塊，用于對所述時域語音數據進行特征提取，得到所述時域語音數據對應的時域語音特征信息；

語音識別模塊，用于對所述時域語音數據對應的時域語音特征信息進行語音識別，確定所述時域語音數據對應的語音內容。

在一種可能的實施方式中，所述語音識別模塊包括：