[發(fā)明專利]語(yǔ)音端點(diǎn)檢測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011213344.2
• 申請(qǐng)日: 2020-11-03
• 公開(kāi)（公告）號(hào): CN112489692A
• 公開(kāi)（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 劉羽辰;李健;武衛(wèi)東;陳明
• 申請(qǐng)（專利權(quán)）人: 北京捷通華聲科技股份有限公司
• 主分類(lèi)號(hào): G10L25/87
• 分類(lèi)號(hào): G10L25/87;G10L25/84;G10L25/24;G10L25/27
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

1.一種語(yǔ)音端點(diǎn)檢測(cè)方法，其特征在于，所述方法包括：

對(duì)待檢測(cè)語(yǔ)音進(jìn)行語(yǔ)音特征提取，得到多個(gè)特征幀；

計(jì)算預(yù)先訓(xùn)練的語(yǔ)音模型與每一個(gè)所述特征幀的語(yǔ)音似然值以及計(jì)算預(yù)先訓(xùn)練的非語(yǔ)音模型與每一個(gè)所述特征幀的非語(yǔ)音似然值；

基于所述語(yǔ)音似然值和所述非語(yǔ)音似然值計(jì)算得到每一個(gè)所述特征幀的信噪似然比；

基于所述信噪似然比判斷每一個(gè)所述特征幀對(duì)應(yīng)在所述待檢測(cè)語(yǔ)音中的幀為語(yǔ)音幀或非語(yǔ)音幀；

基于所有所述語(yǔ)音幀對(duì)所述語(yǔ)音模型進(jìn)行自適應(yīng)更新，以及基于所有所述非語(yǔ)音幀對(duì)所述非語(yǔ)音模型進(jìn)行自適應(yīng)更新；

使用更新后語(yǔ)音模型和更新后非語(yǔ)音模型分別計(jì)算每一個(gè)所述特征幀的最終語(yǔ)音似然值和最終非語(yǔ)音似然值；

基于所述最終語(yǔ)音似然值和所述最終非語(yǔ)音似然值計(jì)算得到每一個(gè)所述特征幀的最終信噪似然比，基于所述最終信噪似然比檢測(cè)所述待檢測(cè)語(yǔ)音的端點(diǎn)。

2.根據(jù)權(quán)利要求1所述方法，其特征在于，基于所有所述語(yǔ)音幀對(duì)所述語(yǔ)音模型進(jìn)行自適應(yīng)更新，以及基于所有所述非語(yǔ)音幀對(duì)所述非語(yǔ)音模型進(jìn)行自適應(yīng)更新，包括：

滿足條件時(shí)，停止對(duì)所述語(yǔ)音模型和非語(yǔ)音模型的自適應(yīng)更新；

所述條件包括以下至少一者：

直到所述特征幀的信噪似然比的結(jié)果穩(wěn)定；

直到所述語(yǔ)音模型或所述非語(yǔ)音模型的更新誤差小于預(yù)設(shè)閾值。

3.根據(jù)權(quán)利要求1所述方法，其特征在于，計(jì)算預(yù)先訓(xùn)練的語(yǔ)音模型與每一個(gè)所述特征幀的語(yǔ)音似然值以及計(jì)算預(yù)先訓(xùn)練的非語(yǔ)音模型與每一個(gè)所述特征幀的非語(yǔ)音似然值是通過(guò)以下任一算法計(jì)算的，所述算法包括：

最大后驗(yàn)概率算法、最大似然估計(jì)算法、最大期望算法。

4.根據(jù)權(quán)利要求1所述方法，其特征在于，所述方法還包括：

獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括非語(yǔ)音數(shù)據(jù)和語(yǔ)音數(shù)據(jù)；

使用所述非語(yǔ)音數(shù)據(jù)訓(xùn)練第一預(yù)設(shè)高斯混合模型得到所述非語(yǔ)音模型；

使用所述語(yǔ)音數(shù)據(jù)訓(xùn)練第二預(yù)設(shè)高斯混合模型得到所述語(yǔ)音模型；

基于所有所述語(yǔ)音幀對(duì)所述語(yǔ)音模型進(jìn)行自適應(yīng)更新，以及基于所有所述非語(yǔ)音幀對(duì)所述非語(yǔ)音模型進(jìn)行自適應(yīng)更新，其中，自適應(yīng)更新的算法包括以下任意一者：

最大后驗(yàn)概率MAP、最大似然線性回歸MLLR。

5.根據(jù)權(quán)利要求1所述方法，其特征在于，對(duì)待檢測(cè)語(yǔ)音進(jìn)行語(yǔ)音特征提取，包括：

對(duì)所述待檢測(cè)語(yǔ)音進(jìn)行預(yù)加重，提升所述待檢測(cè)語(yǔ)音的高頻部分，得到預(yù)加重后待檢測(cè)語(yǔ)音；

將所述預(yù)加重后待檢測(cè)語(yǔ)音劃分為多個(gè)初始語(yǔ)音幀；

將每一個(gè)所述初始語(yǔ)音幀乘以漢明窗，得到中間處理后信號(hào)；

對(duì)所述中間處理后信號(hào)進(jìn)行快速傅里葉變換，得到所述語(yǔ)音幀的頻譜以及能量分布；

通過(guò)一組梅爾Mel尺度的三角形濾波器組對(duì)所述能量譜進(jìn)行濾波，以對(duì)所述語(yǔ)音幀的頻譜進(jìn)行平滑化；

計(jì)算每個(gè)三角形濾波器組輸出的對(duì)數(shù)能量，所述對(duì)數(shù)能量經(jīng)離散余弦變換DCT得到梅爾倒譜MFCC系數(shù)，將所述梅爾倒譜MFCC系數(shù)作為所述語(yǔ)音特征。

6.根據(jù)權(quán)利要求1所述方法，其特征在于，所述特征幀、所述語(yǔ)音幀或所述非語(yǔ)音幀中的幀的長(zhǎng)度為20ms。

7.根據(jù)權(quán)利要求5所述方法，其特征在于，在所述多個(gè)初始語(yǔ)音幀中，任意相鄰的兩個(gè)所述初始語(yǔ)音幀之間無(wú)交疊。