[發(fā)明專利]一種離線語音識(shí)別方法、裝置和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010129483.0
• 申請(qǐng)日: 2020-02-28
• 公開（公告）號(hào): CN111292753A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 陳昊亮;許敏強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 廣州國(guó)音智能科技有限公司
• 主分類號(hào): G10L15/26
• 分類號(hào): G10L15/26;G10L15/28;G10L15/04
• 代理公司: 深圳市深佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王兆林

1.一種離線語音識(shí)別方法，其特征在于，包括：

響應(yīng)于離線語音識(shí)別請(qǐng)求，將接收到的語音數(shù)據(jù)進(jìn)行預(yù)置幀長(zhǎng)的語音分幀處理，得到若干幀待處理語音數(shù)據(jù)；

將所述若干幀語音數(shù)據(jù)按幀與預(yù)置本地語音數(shù)據(jù)庫進(jìn)行聲紋比對(duì)，輸出各幀語音數(shù)據(jù)對(duì)應(yīng)的在所述預(yù)置本地語音數(shù)據(jù)庫中的最接近的匹配語音數(shù)據(jù)；

將所述匹配語音數(shù)據(jù)轉(zhuǎn)換為文本數(shù)據(jù)，將所述文本數(shù)據(jù)按語音分幀順序依次顯示。

2.根據(jù)權(quán)利要求1所述的離線語音識(shí)別方法，其特征在于，所述預(yù)置幀長(zhǎng)為標(biāo)準(zhǔn)的兩字詞組發(fā)音時(shí)長(zhǎng)。

3.根據(jù)權(quán)利要求2所述的離線語音識(shí)別方法，其特征在于，所述將所述若干幀語音數(shù)據(jù)按幀與預(yù)置本地語音數(shù)據(jù)庫進(jìn)行聲紋比對(duì)，輸出各幀語音數(shù)據(jù)對(duì)應(yīng)的在所述預(yù)置本地語音數(shù)據(jù)庫中的最接近的匹配語音數(shù)據(jù)，之前還包括：

構(gòu)建所述預(yù)置本地語音數(shù)據(jù)庫；

將所述預(yù)置本地語音數(shù)據(jù)庫的詞組按預(yù)置規(guī)則進(jìn)行分類；

提取各類詞組的典型聲紋特征。

4.根據(jù)權(quán)利要求3所述的離線語音識(shí)別方法，其特征在于，所述將所述若干幀語音數(shù)據(jù)按幀與預(yù)置本地語音數(shù)據(jù)庫進(jìn)行聲紋比對(duì)，輸出各幀語音數(shù)據(jù)對(duì)應(yīng)的在所述預(yù)置本地語音數(shù)據(jù)庫中的最接近的匹配語音數(shù)據(jù)，包括：

提取所述若干幀語音數(shù)據(jù)的各幀的聲紋特征；

計(jì)算所述各幀的聲紋特征與所述預(yù)置本地語音數(shù)據(jù)庫中的各典型聲紋特征的余弦相似度，將余弦相似度最大的典型聲紋特征對(duì)應(yīng)的匹配語音數(shù)據(jù)進(jìn)行輸出。

5.一種離線語音識(shí)別裝置，其特征在于，包括：

語音分幀單元，用于響應(yīng)于離線語音識(shí)別請(qǐng)求，將接收到的語音數(shù)據(jù)進(jìn)行預(yù)置幀長(zhǎng)的語音分幀處理，得到若干幀待處理語音數(shù)據(jù)；

聲紋比對(duì)單元，用于將所述若干幀語音數(shù)據(jù)按幀與預(yù)置本地語音數(shù)據(jù)庫進(jìn)行聲紋比對(duì)，輸出各幀語音數(shù)據(jù)對(duì)應(yīng)的在所述預(yù)置本地語音數(shù)據(jù)庫中的最接近的匹配語音數(shù)據(jù)；

顯示單元，用于將所述匹配語音數(shù)據(jù)轉(zhuǎn)換為文本數(shù)據(jù)，將所述文本數(shù)據(jù)按語音分幀順序依次顯示。

6.根據(jù)權(quán)利要求5所述的離線語音識(shí)別裝置，其特征在于，所述預(yù)置幀長(zhǎng)為標(biāo)準(zhǔn)的兩字詞組發(fā)音時(shí)長(zhǎng)。

7.根據(jù)權(quán)利要求6所述的離線語音識(shí)別裝置，其特征在于，還包括預(yù)處理單元，所述預(yù)處理單元用于：

構(gòu)建所述預(yù)置本地語音數(shù)據(jù)庫；

將所述預(yù)置本地語音數(shù)據(jù)庫的詞組按預(yù)置規(guī)則進(jìn)行分類；

提取各類詞組的典型聲紋特征。

8.根據(jù)權(quán)利要求7所述的離線語音識(shí)別裝置，其特征在于，所述聲紋比對(duì)單元具體用于：

提取所述若干幀語音數(shù)據(jù)的各幀的聲紋特征；

計(jì)算所述各幀的聲紋特征與所述預(yù)置本地語音數(shù)據(jù)庫中的各典型聲紋特征的余弦相似度，將余弦相似度最大的典型聲紋特征對(duì)應(yīng)的匹配語音數(shù)據(jù)進(jìn)行輸出。

9.一種離線語音識(shí)別方法設(shè)備，其特征在于，所述設(shè)備包括處理器以及存儲(chǔ)器：

所述存儲(chǔ)器用于存儲(chǔ)程序代碼，并將所述程序代碼傳輸給所述處理器；

所述處理器用于根據(jù)所述程序代碼中的指令執(zhí)行權(quán)利要求1-4任一項(xiàng)所述的離線語音識(shí)別方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)程序代碼，所述程序代碼用于執(zhí)行權(quán)利要求1-4任一項(xiàng)所述的離線語音識(shí)別方法。