[發(fā)明專利]一種語音處理方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010819665.0
• 申請日: 2020-08-14
• 公開（公告）號: CN111968680A
• 公開（公告）日: 2020-11-20
• 發(fā)明（設(shè)計）人: 姬光飛
• 申請（專利權(quán)）人: 北京小米松果電子有限公司
• 主分類號: G10L25/87
• 分類號: G10L25/87;G10L15/30;G10L15/34;G10L15/04
• 代理公司: 北京善任知識產(chǎn)權(quán)代理有限公司 11650
• 代理人: 康艷青

本公開是關(guān)于一種語音處理方法、裝置及存儲介質(zhì)。該方法應(yīng)用于電子設(shè)備，所述方法包括：采集音頻數(shù)據(jù)，獲取云服務(wù)器基于所述音頻數(shù)據(jù)得到的第一語音識別結(jié)果；根據(jù)所述第一語音識別結(jié)果，確定是否進行所述音頻數(shù)據(jù)的語音端點檢測。本公開實施例中，在采集到音頻數(shù)據(jù)之后，能夠獲取云服務(wù)器基于音頻數(shù)據(jù)得到的第一語音識別結(jié)果，并根據(jù)第一語音識別結(jié)果確定是否進行音頻數(shù)據(jù)的語音端點檢測。通過云服務(wù)器的語音識別技術(shù)輔助電子設(shè)備對音頻數(shù)據(jù)的語音端點進行檢測，能夠使得檢測精確度更高，減少由于環(huán)境噪聲引起的誤判停，進而提高語音交互的成功率，進而提高用戶體驗感。

技術(shù)領(lǐng)域

本公開涉及語音信息技術(shù)領(lǐng)域，尤其涉及一種語音處理方法、裝置及存儲介質(zhì)。

背景技術(shù)

目前，通過語音進行人機交互的交互方式受到了廣泛關(guān)注，整個互聯(lián)網(wǎng)行業(yè)都在積極探索語音交互可能的應(yīng)用方式和應(yīng)用場景，且已經(jīng)有大量基于語音交互的電子設(shè)備面世，如智能音箱等。

相關(guān)技術(shù)中，電子設(shè)備在采集到音頻數(shù)據(jù)之后，會直接對采集到的音頻數(shù)據(jù)進行端點檢測，以對采集到的音頻數(shù)據(jù)進行判停，同時將音頻數(shù)據(jù)發(fā)送至云服務(wù)器進行語音識別。但是，由于環(huán)境噪聲的存在，電子設(shè)備容易發(fā)生誤判停,會導(dǎo)致音頻數(shù)據(jù)不能發(fā)送至云服務(wù)器或者只有部分發(fā)送至云服務(wù)器，進而導(dǎo)致語音交互失敗。

發(fā)明內(nèi)容

本公開提供一種語音處理方法、裝置及存儲介質(zhì)。

根據(jù)本公開實施例的第一方面，提供一種語音處理方法，應(yīng)用于電子設(shè)備，所述方法包括：

采集音頻數(shù)據(jù)，獲取云服務(wù)器基于所述音頻數(shù)據(jù)得到的第一語音識別結(jié)果；

根據(jù)所述第一語音識別結(jié)果，確定是否進行所述音頻數(shù)據(jù)的語音端點檢測。

可選的，所述獲取基于所述音頻數(shù)據(jù)得到的第一語音識別結(jié)果，包括：

發(fā)送所述音頻數(shù)據(jù)至云服務(wù)器；

接收所述云服務(wù)器反饋的基于自動語音識別技術(shù)ASR對所述音頻數(shù)據(jù)進行處理得到的所述第一語音識別結(jié)果。

可選的，在所述獲取基于所述音頻數(shù)據(jù)得到的第一語音識別結(jié)果之前，所述方法還包括：

檢測所述音頻數(shù)據(jù)中是否包含喚醒信息；

如果所述音頻數(shù)據(jù)中包含所述喚醒信息，則確定所述電子設(shè)備處于喚醒狀態(tài)。

可選的，所述第一語音識別結(jié)果包含與所述音頻數(shù)據(jù)對應(yīng)的內(nèi)容長度；

所述根據(jù)所述第一語音識別結(jié)果，確定是否進行所述音頻數(shù)據(jù)的語音端點檢測，包括：

在第一預(yù)設(shè)時間內(nèi)，當所述內(nèi)容長度大于預(yù)設(shè)長度閾值時，確定開始進行所述音頻數(shù)據(jù)的語音端點檢測。

可選的，所述方法還包括：

如果在所述第一預(yù)設(shè)時間內(nèi)未獲取到所述第一語音識別結(jié)果，則確定不進行所述音頻數(shù)據(jù)的語音端點檢測。

可選的，所述方法還包括：

當確定進行所述音頻數(shù)據(jù)的所述語音端點檢測后，獲取云服務(wù)器基于所述音頻數(shù)據(jù)得到的第二語音識別結(jié)果；

確定獲取到第一第一語音識別結(jié)果的第一時刻與獲取到第二第一語音識別結(jié)果的第二時刻之間的時間間隔；

當所述時間間隔大于或等于第二預(yù)設(shè)時間時，確定結(jié)束所述音頻數(shù)據(jù)的語音端點檢測。

可選的，所述方法還包括：

接收云服務(wù)器根據(jù)所述第一語音識別結(jié)果反饋的喚醒響應(yīng)信息；

輸出所述喚醒響應(yīng)信息。