[發(fā)明專利]一種語音轉寫方法及裝置

在審

• 申請?zhí)枺?/td>: 202011569238.8
• 申請日: 2020-12-26
• 公開（公告）號: CN112687273A
• 公開（公告）日: 2021-04-20
• 發(fā)明（設計）人: 張志偉;雍文淵;汪冬雪;萬歡;劉江
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 馮柳偉

本申請公開了一種語音轉寫方法及裝置，該方法包括：在獲取到第一聲音采集設備在當前時刻下采集的第一當前聲音信號之后，先根據(jù)該第一當前聲音信號，確定該第一當前聲音信號的聲音能量；再判斷該第一當前聲音信號的聲音能量是否高于該第一當前聲音信號對應的轉寫閾值，以便在確定該第一當前聲音信號的聲音能量高于該第一當前聲音信號對應的轉寫閾值時，對第一當前聲音信號進行語音轉寫。其中，第一當前聲音信號對應的轉寫閾值是根據(jù)第一歷史聲音信號的聲音能量確定的，且該第一歷史聲音信號是由該第一聲音采集設備在第一歷史時間段內采集的。如此能夠在出現(xiàn)快速對話、搶話、插話等多人同時說話的現(xiàn)象時準確地獲取到各個發(fā)言者的發(fā)言信息。

技術領域

本申請涉及計算機技術領域，尤其涉及一種語音轉寫方法及裝置。

背景技術

語音轉寫是指將聲音采集設備(如，拾音器等)采集的聲音信號攜帶的語音信息轉寫成文字信息的過程。另外，語音轉寫可以應用于多個應用場景中，尤其可以應用于多人交談場景(例如，庭審等)中。

其中，多人交談場景中通常部署有多個聲音采集設備，以使每個聲音采集設備均能夠從該多人交談場景采集到一路聲音信號，從而使得該多人交談場景中的全程交談信息可以記錄在由該多個聲音采集設備采集的多路聲音信號中。

然而，因現(xiàn)有的語音轉寫方法通常會先從多路聲音信號中篩選出聲音能量最大的一路聲音信號，再對該聲音能量最大的一路聲音信號進行語音轉寫，使得在每個時間點下只能轉寫得到一個發(fā)言者的發(fā)言信息，如此導致在出現(xiàn)快速對話、搶話、插話等多人同時說話的現(xiàn)象時無法通過現(xiàn)有的語音轉寫方法得到多個發(fā)言者的發(fā)言信息，從而導致語音轉寫的準確性較低。

發(fā)明內容

本申請實施例的主要目的在于提供一種語音轉寫方法及裝置，能夠在出現(xiàn)快速對話、搶話、插話等多人同時說話的現(xiàn)象時準確地獲取到各個發(fā)言者的發(fā)言信息，從而能夠提高多人同時說話場景下語音轉寫的準確性。

本申請實施例提供了一種語音轉寫方法，所述方法包括：

獲取第一當前聲音信號；其中，所述第一當前聲音信號是由第一聲音采集設備在當前時刻下采集的；

根據(jù)所述第一當前聲音信號，確定所述第一當前聲音信號的聲音能量；

在確定所述第一當前聲音信號的聲音能量高于所述第一當前聲音信號對應的轉寫閾值時，對所述第一當前聲音信號進行語音轉寫；其中，所述第一當前聲音信號對應的轉寫閾值是根據(jù)第一歷史聲音信號的聲音能量確定的；所述第一歷史聲音信號是由所述第一聲音采集設備在第一歷史時間段內采集的。

在一種可能的實施方式下，所述根據(jù)所述第一當前聲音信號，確定所述第一當前聲音信號的聲音能量，包括：

在確定所述第一當前聲音信號攜帶有語音信息時，根據(jù)所述第一當前聲音信號，確定所述第一當前聲音信號的聲音能量。

在一種可能的實施方式下，當所述第一歷史聲音信號的個數(shù)為N時，所述第一當前聲音信號對應的轉寫閾值的確定過程包括：

根據(jù)第1個第一歷史聲音信號的聲音能量至第N個第一歷史聲音信號的聲音能量，得到N個歷史能量均值；其中，N為正整數(shù)；

將所述N個歷史能量均值中最小值，確定為所述第一當前聲音信號對應的轉寫閾值。

在一種可能的實施方式下，當i為正整數(shù)，且i≤N時，第i個歷史能量均值的確定過程包括：

若i＝1，則根據(jù)第1個第一歷史聲音信號的聲音能量，確定所述第i個歷史能量均值；

若i≥2，則將第i個第一歷史聲音信號的聲音能量和第i-1個歷史能量均值進行加權求和，得到所述第i個歷史能量均值。

在一種可能的實施方式下，所述方法還包括：