[發(fā)明專利]音頻識別方法和裝置、錄音終端及服務(wù)器、存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010852414.2
• 申請日: 2020-08-21
• 公開（公告）號: CN111986657B
• 公開（公告）日: 2023-08-25
• 發(fā)明（設(shè)計(jì)）人: 沈忱;梁志婷;李健;王玉好
• 申請（專利權(quán)）人: 上海明略人工智能（集團(tuán)）有限公司
• 主分類號: G10L15/05
• 分類號: G10L15/05;G10L25/48;G10L25/78;G10L25/84
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 周婷婷

1.一種音頻識別方法，所述方法應(yīng)用于錄音終端，其特征在于，所述方法包括：

獲取原始音頻數(shù)據(jù)；

基于語音活動檢測VAD按照至少兩種語音強(qiáng)度生成至少兩個(gè)參考音頻文件；

對所述至少兩個(gè)參考音頻文件分別進(jìn)行識別標(biāo)記，得到每個(gè)參考音頻文件中的語音標(biāo)記數(shù)據(jù)；其中，所述語音標(biāo)記數(shù)據(jù)用于指示所述參考音頻文件中的語音片段；

將所述至少兩個(gè)參考音頻文件和各自對應(yīng)的所述語音標(biāo)記數(shù)據(jù)發(fā)送至服務(wù)器，以使所述服務(wù)器確定出每個(gè)所述參考音頻文件中的未標(biāo)記語音數(shù)據(jù)，基于自動語音識別ASR獲取所述未標(biāo)記語音數(shù)據(jù)中的轉(zhuǎn)義結(jié)果，將所述轉(zhuǎn)義結(jié)果中文字?jǐn)?shù)最少的參考音頻文件作為目標(biāo)音頻文件，根據(jù)所述目標(biāo)音頻文件對應(yīng)的語音標(biāo)記數(shù)據(jù)，確定出所述目標(biāo)音頻文件對應(yīng)的目標(biāo)未標(biāo)記語音數(shù)據(jù)，將所述目標(biāo)未標(biāo)記語音數(shù)據(jù)中噪音的分貝值小于等于目標(biāo)閾值的音頻片段確定為噪音片段，將所述分貝值大于所述目標(biāo)閾值的音頻片段確定為所述語音片段，其中，所述轉(zhuǎn)義結(jié)果用于指示語音轉(zhuǎn)化為文字的結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述至少兩個(gè)參考音頻文件分別進(jìn)行識別標(biāo)記，得到每個(gè)參考音頻文件中的語音標(biāo)記數(shù)據(jù)包括：

對所述至少兩個(gè)參考音頻文件依次執(zhí)行以下標(biāo)記處理：

識別當(dāng)前參考音頻文件中包含的語音片段；

將所述語音片段的發(fā)音起始點(diǎn)標(biāo)記為第一時(shí)間標(biāo)簽，并將所述語音片段的發(fā)音結(jié)束點(diǎn)標(biāo)記為第二時(shí)間標(biāo)簽；

利用所述第一時(shí)間標(biāo)簽和所述第二時(shí)間標(biāo)簽生成所述當(dāng)前參考音頻文件對應(yīng)的所述語音標(biāo)記數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

在所述原始音頻數(shù)據(jù)中包括多個(gè)語音輸入設(shè)備分別采集到的多段音頻數(shù)據(jù)的情況下，基于所述VAD按照至少兩種語音強(qiáng)度分別生成每段所述音頻數(shù)據(jù)對應(yīng)的至少兩個(gè)參考音頻文件。

4.一種音頻識別方法，所述方法應(yīng)用于服務(wù)器，其特征在于，所述方法包括：

接收錄音終端發(fā)送的至少兩個(gè)參考音頻文件以及各自對應(yīng)的語音標(biāo)記數(shù)據(jù)；其中，所述至少兩個(gè)參考音頻文件是基于語音活動檢測VAD按照至少兩種語音強(qiáng)度生成的，所述語音標(biāo)記數(shù)據(jù)用于指示所述參考音頻文件中的語音片段；

確定出每個(gè)所述參考音頻文件中的未標(biāo)記語音數(shù)據(jù)；

基于自動語音識別ASR獲取所述未標(biāo)記語音數(shù)據(jù)中的轉(zhuǎn)義結(jié)果，其中，所述轉(zhuǎn)義結(jié)果用于指示語音轉(zhuǎn)化為文字的結(jié)果；

將所述轉(zhuǎn)義結(jié)果中文字?jǐn)?shù)最少的參考音頻文件作為目標(biāo)音頻文件；根據(jù)所述目標(biāo)音頻文件對應(yīng)的語音標(biāo)記數(shù)據(jù)，確定出所述目標(biāo)音頻文件對應(yīng)的目標(biāo)未標(biāo)記語音數(shù)據(jù)；

將所述目標(biāo)未標(biāo)記語音數(shù)據(jù)中噪音的分貝值小于等于目標(biāo)閾值的音頻片段確定為噪音片段，將所述分貝值大于所述目標(biāo)閾值的音頻片段確定為所述語音片段。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定出每個(gè)所述參考音頻文件中的未標(biāo)記語音數(shù)據(jù)包括：

從所述參考音頻文件對應(yīng)的語音標(biāo)記數(shù)據(jù)中確定出所述參考音頻文件中包含的語音片段的第一時(shí)間標(biāo)簽和第二時(shí)間標(biāo)簽；其中，所述第一時(shí)間標(biāo)簽用于指示所述語音片段的發(fā)音起始點(diǎn)，所述第二時(shí)間標(biāo)簽用于指示所述語音片段的發(fā)音結(jié)束點(diǎn)；

根據(jù)所述第一時(shí)間標(biāo)簽和所述第二時(shí)間標(biāo)簽，確定出所述參考音頻文件對應(yīng)的未標(biāo)記語音數(shù)據(jù)。