[發(fā)明專利]語(yǔ)音活性檢測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010867436.6
• 申請(qǐng)日: 2020-08-25
• 公開(kāi)（公告）號(hào): CN111816216A
• 公開(kāi)（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 胡雪成
• 申請(qǐng)（專利權(quán)）人: 蘇州思必馳信息科技有限公司
• 主分類號(hào): G10L25/78
• 分類號(hào): G10L25/78;G10L25/84;G10L15/04;G10L25/30
• 代理公司: 北京商專永信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 黃謙;鄧婷婷

本發(fā)明公開(kāi)一種語(yǔ)音活性檢測(cè)方法和裝置，其中，語(yǔ)音活性檢測(cè)方法，包括：將待檢測(cè)音頻輸入幀級(jí)別VAD系統(tǒng)中進(jìn)行幀級(jí)別的語(yǔ)音活性檢測(cè)，獲取所述幀級(jí)別VAD系統(tǒng)輸出的第一音頻；將所述第一音頻輸入句子級(jí)別VAD系統(tǒng)中進(jìn)行句子級(jí)別的語(yǔ)音活性檢測(cè)，獲取所述句子級(jí)別VAD系統(tǒng)輸出的第二音頻，并對(duì)所述第二音頻進(jìn)行后續(xù)處理。通過(guò)在已有的幀級(jí)別VAD系統(tǒng)之后附加一個(gè)句子級(jí)的VAD系統(tǒng)，可以實(shí)現(xiàn)對(duì)前一個(gè)系統(tǒng)判定為語(yǔ)音的音頻進(jìn)行進(jìn)一步的整句級(jí)的判定，減少音頻的誤判定，提高了非語(yǔ)音段的召回率，進(jìn)一步的節(jié)省了后端識(shí)別的資源。

技術(shù)領(lǐng)域

本發(fā)明屬于語(yǔ)音識(shí)別技術(shù)領(lǐng)域，尤其涉及語(yǔ)音活性檢測(cè)方法和裝置。

背景技術(shù)

語(yǔ)音活性檢測(cè)(Voice activity detection，VAD),也稱為speech activitydetectionorspeech detection,是一項(xiàng)用于語(yǔ)音處理的技術(shù)，目的是檢測(cè)語(yǔ)音信號(hào)是否存在。VAD技術(shù)主要用于語(yǔ)音編碼和語(yǔ)音識(shí)別。它可以簡(jiǎn)化語(yǔ)音處理，也可用于在音頻會(huì)話期間去除非語(yǔ)音片段：可以在IP電話應(yīng)用中避免對(duì)靜音數(shù)據(jù)包的編碼和傳輸，節(jié)省計(jì)算時(shí)間和帶寬。

VAD技術(shù)使得一些列基于語(yǔ)音的應(yīng)用程序成為現(xiàn)實(shí)。因此，有一系列的VAD算法，具有不同的特性和延遲時(shí)間、靈敏度、精度和計(jì)算成本。有些VAD算法也提供了進(jìn)一步的分析，例如講話是否濁音、清音或持續(xù)。語(yǔ)音活動(dòng)檢測(cè)通常是與語(yǔ)言無(wú)關(guān)的。

VAD技術(shù)首先被用于時(shí)分語(yǔ)言內(nèi)插法(time-assignment speech interpolation/TASI)系統(tǒng)。

基于傳統(tǒng)聲學(xué)特征如短時(shí)能量、頻譜能量、過(guò)零率等或基于神經(jīng)網(wǎng)絡(luò)提取的特征來(lái)進(jìn)行語(yǔ)音活動(dòng)檢測(cè)，對(duì)每一幀音頻都給出是否是語(yǔ)音的判定。這種方法在信噪比較高時(shí)擁有很好的性能。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種語(yǔ)音活性檢測(cè)方法及裝置，用于至少解決上述技術(shù)問(wèn)題之一。

第一方面，本發(fā)明實(shí)施例提供一種語(yǔ)音活性檢測(cè)方法，包括：將待檢測(cè)音頻輸入幀級(jí)別VAD系統(tǒng)中進(jìn)行幀級(jí)別的語(yǔ)音活性檢測(cè)，獲取所述幀級(jí)別VAD系統(tǒng)輸出的第一音頻；將所述第一音頻輸入句子級(jí)別VAD系統(tǒng)中進(jìn)行句子級(jí)別的語(yǔ)音活性檢測(cè)，獲取所述句子級(jí)別VAD系統(tǒng)輸出的第二音頻，并對(duì)所述第二音頻進(jìn)行后續(xù)處理。

第二方面，本發(fā)明實(shí)施例提供一種語(yǔ)音活性檢測(cè)裝置，包括：第一輸入檢測(cè)輸出模塊，配置為將待檢測(cè)音頻輸入幀級(jí)別VAD系統(tǒng)中進(jìn)行幀級(jí)別的語(yǔ)音活性檢測(cè)，獲取所述幀級(jí)別VAD系統(tǒng)輸出的第一音頻；第二輸入檢測(cè)輸出模塊，配置為將所述第一音頻輸入句子級(jí)別VAD系統(tǒng)中進(jìn)行句子級(jí)別的語(yǔ)音活性檢測(cè)，獲取所述句子級(jí)別VAD系統(tǒng)輸出的第二音頻，并對(duì)所述第二音頻進(jìn)行后續(xù)處理。

第三方面，提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)在非易失性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括程序指令，當(dāng)所述程序指令被計(jì)算機(jī)執(zhí)行時(shí)，使所述計(jì)算機(jī)執(zhí)行第一方面所述的語(yǔ)音活性檢測(cè)方法的步驟。

第四方面，本發(fā)明實(shí)施例還提供一種電子設(shè)備，其包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行第一方面所述方法的步驟。

本申請(qǐng)實(shí)施例提供的方法通過(guò)在已有的幀級(jí)別VAD系統(tǒng)之后附加一個(gè)句子級(jí)的VAD系統(tǒng)，可以實(shí)現(xiàn)對(duì)前一個(gè)系統(tǒng)判定為語(yǔ)音的音頻進(jìn)行進(jìn)一步的整句級(jí)的判定，減少音頻的誤判定，提高了非語(yǔ)音段的召回率，進(jìn)一步的節(jié)省了后端識(shí)別的資源。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。