[發明專利]語音活性檢測方法和裝置在審
| 申請號： | 202010867436.6 | 申請日： | 2020-08-25 |
| 公開（公告）號： | CN111816216A | 公開（公告）日： | 2020-10-23 |
| 發明（設計）人： | 胡雪成 | 申請（專利權）人： | 蘇州思必馳信息科技有限公司 |
| 主分類號： | G10L25/78 | 分類號： | G10L25/78;G10L25/84;G10L15/04;G10L25/30 |
| 代理公司： | 北京商專永信知識產權代理事務所(普通合伙) 11400 | 代理人： | 黃謙;鄧婷婷 |
| 地址： | 215123 江蘇省蘇州市蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 語音 活性 檢測 方法 裝置 | ||
1.一種語音活性檢測方法，包括：
將待檢測音頻輸入幀級別VAD系統中進行幀級別的語音活性檢測，獲取所述幀級別VAD系統輸出的第一音頻；
將所述第一音頻輸入句子級別VAD系統中進行句子級別的語音活性檢測，獲取所述句子級別VAD系統輸出的第二音頻，并對所述第二音頻進行后續處理。
2.根據權利要求1所述的方法，其中，所述將所述第一音頻輸入句子級別VAD系統中進行句子級別的語音活性檢測包括：
將所述第一音頻切分成多段音頻，利用所述句子級別VAD系統分別對所述多段音頻進行語音活性檢測；
若檢測到所述多段音頻中任一段音頻中包含語音，將所述第一音頻整段輸出。
3.根據權利要求1所述的方法，其中，所述幀級別VAD系統用于判斷待檢測音頻中每一幀音頻是否為語音幀，輸出所述待檢測音頻中判定為語音幀的音頻構成的第一音頻；
若判斷所述待檢測音頻中不包含語音幀，則不進行后續處理。
4.根據權利要求1所述的方法，其中，所述句子級別VAD系統用于判斷所述第一音頻整句是否為語音，若是，則將所述第一音頻輸入只語音識別系統進行語音識別；
若否，則不進行后續處理。
5.根據權利要求1-4中任一項所述的方法，其中，所述句子級別VAD系統為基于FSMN的模型，所述基于FSMN的模型包括特征提取層、多個離線FSMN層和DNN層。
6.根據權利要求5所述的方法，其中，所述幀級別VAD系統也為基于FSMN的模型。
7.一種語音活性檢測裝置，包括：
第一輸入檢測輸出模塊，配置為將待檢測音頻輸入幀級別VAD系統中進行幀級別的語音活性檢測，獲取所述幀級別VAD系統輸出的第一音頻；
第二輸入檢測輸出模塊，配置為將所述第一音頻輸入句子級別VAD系統中進行句子級別的語音活性檢測，獲取所述句子級別VAD系統輸出的第二音頻，并對所述第二音頻進行后續處理。
8.一種語音活性檢測裝置，還包括：
切分檢測模塊，配置為將所述第一音頻切分成多段音頻，利用所述句子級別VAD系統分別對所述多段音頻進行語音活性檢測；
輸出模塊，配置為若檢測到所述多段音頻中任一段音頻中包含語音，將所述第一音頻整段輸出。
9.一種計算機程序產品，所述計算機程序產品包括存儲在非易失性計算機可讀存儲介質上的計算機程序，所述計算機程序包括程序指令，當所述程序指令被計算機執行時，使所述計算機執行權利要求1至6中任一項所述方法的步驟。
10.一種電子設備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1至6中任一項所述方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州思必馳信息科技有限公司，未經蘇州思必馳信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010867436.6/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種目標對象識別方法及裝置
- 下一篇：一種內科主治醫師用多功能檢查工具箱
