[發(fā)明專利]通話語音的識別方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011632956.5
• 申請日: 2020-12-31
• 公開（公告）號: CN112767920A
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計）人: 梁凱峰
• 申請（專利權(quán)）人: 深圳市珍愛捷云信息技術(shù)有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L25/87;G10L15/22;G10L15/26
• 代理公司: 深圳市特訊知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44653
• 代理人: 孟智廣

本發(fā)明涉及語音識別領(lǐng)域，公開了一種通話語音的識別方法、裝置、設(shè)備及存儲介質(zhì)。該方法包括：獲取待識別的通話語音；根據(jù)預(yù)置轉(zhuǎn)化算法，對所述通話語音進(jìn)行格式標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化語音；根據(jù)預(yù)置語音切割算法，對所述標(biāo)準(zhǔn)化語音進(jìn)行靜音切割處理，得到響應(yīng)語音；基于預(yù)置kaldi識別算法，對所述響應(yīng)語音識別處理，得到識別字段，以及將所述識別字段發(fā)送至預(yù)置客戶端IP地址。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識別領(lǐng)域，尤其涉及一種通話語音的識別方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

現(xiàn)代通信技術(shù)最開端是通過將聲音信號轉(zhuǎn)化為電信號，然后再將電信號轉(zhuǎn)換為電信號，這使得聲音的處理和轉(zhuǎn)換是整個通信技術(shù)研究的一個重點。隨著人工智能的快速發(fā)展，通信領(lǐng)域傳統(tǒng)的語音識別又進(jìn)一步的發(fā)展，人工智能與語音識別的結(jié)合一下成為一個研究的大領(lǐng)域。

隨著，語音識別準(zhǔn)確率不斷提高，人們越來越廣泛應(yīng)用語音識別技術(shù)。在各類社交軟件中，具有語音識別的模塊，幫助人們在不方便聽取語音內(nèi)容時，將語音內(nèi)容轉(zhuǎn)換為文字內(nèi)容，幫助人們提高交流的效率。但是，目前的語音識別的速度還是需要人們等待，需要一種更快的通信的語音識別技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于解決當(dāng)前語音識別速度不足的技術(shù)問題。

本發(fā)明第一方面提供了一種通話語音的識別方法，所述通話語音的識別方法包括：

獲取待識別的通話語音；

根據(jù)預(yù)置轉(zhuǎn)化算法，對所述通話語音進(jìn)行格式標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化語音；

根據(jù)預(yù)置語音切割算法，對所述標(biāo)準(zhǔn)化語音進(jìn)行靜音切割處理，得到響應(yīng)語音；

基于預(yù)置kaldi識別算法，對所述響應(yīng)語音識別處理，得到識別字段，以及將所述識別字段發(fā)送至預(yù)置客戶端IP地址。

可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，所述根據(jù)預(yù)置語音切割算法，對所述標(biāo)準(zhǔn)化語音進(jìn)行靜音切割處理，得到響應(yīng)語音包括：

根據(jù)預(yù)置并行線程，對所述標(biāo)準(zhǔn)化語音進(jìn)行切割處理，得到切割語音集，其中，所述并行線程包括：并行序號、單線程處理排序號；

對所述切割語音集中的每個切割語音進(jìn)行靜音片段的識別標(biāo)記處理，得到每個所述切割語音對應(yīng)靜音標(biāo)記片段；

對每個所述切割語音中對應(yīng)的靜音標(biāo)記片段進(jìn)行剔除處理，得到基礎(chǔ)響應(yīng)語音集；

根據(jù)所述并行序號和所述單線程處理排序號，對所述基礎(chǔ)響應(yīng)語音集進(jìn)行組合拼接處理，得到響應(yīng)語音。

可選的，在本發(fā)明第一方面的第二種實現(xiàn)方式中，所述對所述切割語音集中的每個切割語音進(jìn)行靜音片段的識別標(biāo)記處理，得到每個所述切割語音對應(yīng)靜音標(biāo)記片段包括：

讀取所述切割語音集中每個切割語音的短時平均能量分布；

逐幀判斷所述短時平均能量分布是否大于預(yù)置動態(tài)閾值；

若不大于，則將所述短時平均能量分布中對應(yīng)音頻幀確定為靜音幀，以及對所述短時平均能量分布中所有的靜音幀進(jìn)行組合過濾處理，生成靜音標(biāo)記片段。

可選的，在本發(fā)明第一方面的第三種實現(xiàn)方式中，在所述對所述切割語音集中的每個切割語音進(jìn)行靜音片段的識別標(biāo)記處理，得到每個切割語音對應(yīng)靜音標(biāo)記片段之后，在所述對每個所述切割語音中對應(yīng)的靜音標(biāo)記片段進(jìn)行剔除處理，得到基礎(chǔ)響應(yīng)語音集之前，還包括：

讀取每個靜音標(biāo)記片段兩端音頻幀的過零率；

判斷所述過零率是否超過預(yù)置過零率閾值；

若超過，則將所述過零率對應(yīng)的音頻幀移出靜音標(biāo)記片段。