[發明專利]基于聲紋識別的語音識別方法及裝置、存儲介質、終端

在審

• 申請號: 202011478575.6
• 申請日: 2020-12-15
• 公開（公告）號: CN112599136A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 喬磊;肖彥果;李丹
• 申請（專利權）人: 江蘇惠通集團有限責任公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L21/0216;G10L15/08;G06F16/68;G06F16/683
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 武振華;吳敏

1.一種基于聲紋識別的語音識別方法，其特征在于，包括：

確定用戶的遠場語音數據；

對所述遠場語音數據進行聲紋識別，以得到所述用戶的聲紋信息；

根據所述聲紋信息，從多個客制化數據庫中選擇所述用戶的客制化數據庫，其中，每位用戶有各自的客制化數據庫，每個客制化數據庫包含對應用戶的聲紋信息以及一條或多條語義指示信息，每條語義指示信息用于指示至少一條預設語音與該預設語音的語義之間的映射關系；

確定所述遠場語音數據包含的各條待識別語音；

針對每條待識別語音，分別在所述用戶的客制化數據庫中查找是否存在與所述待識別語音一致的預設語音，如果存在，則根據所述語義指示信息確定所述待識別語音的語義。

2.根據權利要求1所述的基于聲紋識別的語音識別方法，其特征在于，確定用戶的遠場語音數據包括：

采集用戶的初始遠場語音數據；

對所述初始遠場語音數據進行數據處理，以得到所述遠場語音數據。

3.根據權利要求2所述的基于聲紋識別的語音識別方法，其特征在于，所述采集用戶的初始遠場語音數據包括：

采用遠場麥克風陣列遠距離采集用戶的語音數據，以得到所述用戶的初始遠場語音數據。

4.根據權利要求2所述的基于聲紋識別的語音識別方法，其特征在于，對所述初始遠場語音數據進行數據處理包括：

采用降噪算法和/或增強算法對所述初始遠場語音數據進行數據處理，以得到所述遠場語音數據。

5.根據權利要求4所述的基于聲紋識別的語音識別方法，其特征在于，采用降噪算法和/或增強算法對所述初始遠場語音數據進行數據處理選自以下一項或多項：

采用相位差降噪算法兩位差對所述初始遠場語音數據進行數據處理；

采用多MIC高保真降噪算法對所述初始遠場語音數據進行數據處理；

采用多麥克遠場增強算法對所述初始遠場語音數據進行數據處理。

6.根據權利要求4所述的基于聲紋識別的語音識別方法，其特征在于，所述降噪算法和/或增強算法包含兩種或兩種以上算法；

在采用降噪算法和/或增強算法對所述初始遠場語音數據進行數據處理后，還包括：

對分別采用所述兩種或兩種以上算法處理后的數據進行數據合成。

7.根據權利要求1所述的基于聲紋識別的語音識別方法，其特征在于，還包括：

如果不存在與所述待識別語音一致的預設語音，則在確定所述待識別語音的語義后，對所述用戶的客制化數據庫進行更新，以增加所述待識別語音的語義指示信息。

8.一種基于聲紋識別的語音識別裝置，其特征在于，包括：

數據確定模塊，用于確定用戶的遠場語音數據；

聲紋識別模塊，用于對所述遠場語音數據進行聲紋識別，以得到所述用戶的聲紋信息；

數據塊選擇模塊，用于根據所述聲紋信息，從多個客制化數據庫中選擇所述用戶的客制化數據庫，其中，每位用戶有各自的客制化數據庫，每個客制化數據庫包含對應用戶的聲紋信息以及一條或多條語義指示信息，每條語義指示信息用于指示至少一條預設語音與該預設語音的語義之間的映射關系；

語音確定模塊，用于確定所述遠場語音數據包含的各條待識別語音；

語義確定模塊，用于針對每條待識別語音，分別在所述用戶的客制化數據庫中查找是否存在與所述待識別語音一致的預設語音，如果存在，則根據所述語義指示信息確定所述待識別語音的語義。

9.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行權利要求1至7任一項所述基于聲紋識別的語音識別方法的步驟。

10.一種終端，包括存儲器和處理器，所述存儲器上存儲有能夠在所述處理器上運行的計算機程序，其特征在于，所述處理器運行所述計算機程序時執行權利要求1至7任一項所述基于聲紋識別的語音識別方法的步驟。