[發(fā)明專利]一種語音處理方法及裝置

有效

• 申請?zhí)枺?/td>: 202110366094.4
• 申請日: 2021-04-06
• 公開（公告）號: CN113192488B
• 公開（公告）日: 2022-05-06
• 發(fā)明（設計）人: 李程帥;孫進偉;徐濤
• 申請（專利權）人: 青島信芯微電子科技股份有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G06K9/62;G10L15/20;G10L15/22
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 彭燕

本發(fā)明實施例涉及語音處理技術領域，尤其涉及一種語音處理方法、裝置、計算設備及計算機可讀存儲介質。包括：針對語音集中的任一第一語音文件，通過語音分析確定第一語音文件的第一有效語音；對各第一有效語音在各第一語音文件中的位置進行聚類，得到有效語音在語音文件中的k個預測位置；針對語音集中的任一第二語音文件，從第二語音文件在k個預測位置處的語音序列中，確定第二語音文件的第二有效語音。通過先對語音集中的一部分語音文件的有效語音所在的位置進行聚類，得到k個可能的預測位置，如此，針對剩下的語音文件，只需在這k個預測位置處進行判斷即可，無需對再進行逐幀的語音分析，從而提高了提取有效語音的效率。

技術領域

本發(fā)明實施例涉及語音處理技術領域，尤其涉及一種語音處理方法、裝置、計算設備及計算機可讀存儲介質。

背景技術

為了訓練基于深度學習的語音識別聲學模型，通常需要對大量的語音數(shù)據(jù)進行處理，其數(shù)據(jù)量是幾十萬甚至上百萬的。在對語音處理的過程中，往往需要提取每個文件的有效語音，但是由于數(shù)據(jù)量巨大，提取有效語音的效率就極為重要。

綜上，目前亟需一種語音處理方法，用以解決現(xiàn)有的提取有效語音的工作量大，效率低的問題。

發(fā)明內容

本發(fā)明實施例提供一種語音處理方法，用以解決現(xiàn)有的提取有效語音的工作量大，效率低的問題。

本發(fā)明實施例提供一種語音處理方法，包括：

針對語音集中的任一第一語音文件，通過語音分析確定所述第一語音文件的第一有效語音；

對各第一有效語音在各第一語音文件中的位置進行聚類，得到有效語音在語音文件中的k個預測位置；

針對所述語音集中的任一第二語音文件，從所述第二語音文件在所述k個預測位置處的語音序列中，確定所述第二語音文件的第二有效語音。

通過先對語音集中的一部分語音文件判斷其對應的有效語音，然后通過對這一部分的有效語音所在的位置進行聚類，從而得到k個可能的預測位置，如此，針對剩下的語音文件，只需在這k個預測位置處進行判斷即可，而無需對剩下的語音文件再進行逐幀的語音分析，從而降低了工作量，提高了提取有效語音的效率。

可選地，所述方法還包括：

針對所述語音集中的任一語音文件，根據(jù)所述語音文件的起始語音序列或結尾語音序列確定所述語音文件的噪聲語音；根據(jù)所述語音文件的有效語音和所述語音文件的噪聲語音，確定所述語音文件的信噪比。

如此，在確定出語音文件的有效語音后，還可結合語音文件的噪聲語音，確定出語音文件的信噪比，提高了確定信噪比的效率。

可選地，通過語音分析確定所述第一語音文件的第一有效語音，包括：

通過對所述第一語音文件進行滑窗操作，得到每個滑窗的語音序列；

將能量最高的語音序列確定為所述第一語音文件的第一有效語音；所述能量最高的語音序列對應的滑窗為所述第一有效語音在所述第一語音文件中的位置。

通過將能量最高的語音序列確定為有效語音，提高了確定有效語音的準確性。在后續(xù)處理中采用基于此方法確定的有效語音，也可以提高后續(xù)處理的準確性。

可選地，通過對所述第一語音文件進行滑窗操作，得到每個滑窗的語音序列，包括：

采用n種不同尺寸的滑窗對所述第一語音文件進行滑窗操作，得到每個滑窗的語音序列；

將能量最高的語音序列確定為所述第一語音文件的第一有效語音，包括：

針對任一種尺寸的滑窗，將能量最高的語音序列確定為所述第一語音文件的第一有效語音。