[發明專利]語音處理方法、電子設備及存儲裝置

在審

• 申請號: 202110390273.1
• 申請日: 2021-04-12
• 公開（公告）號: CN113314123A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 吳重亮;萬根順;高建清;劉聰;王智國;胡國平
• 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;G10L15/16;G10L15/08;G10L15/02;G10L15/22;G10L15/18
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種語音處理方法，其特征在于，包括：

采集第一語音數據；

對所述第一語音數據進行分類，得到所述第一語音數據中至少部分幀語音數據所屬的類別；

基于所述至少部分幀語音數據所屬的類別，得到所述第一語音數據的類別；

基于所述第一語音數據，執行與所述類別對應的操作。

2.根據權利要求1所述的方法，其特征在于，所述第一語音數據的類別是利用預先訓練好的分類模型對所述第一語音數據進行分類得到的；所述方法還包括對所述分類模型進行訓練：

獲取各種所述類別的樣本語音數據，并利用所述樣本語音數據對所述分類模型進行訓練，其中，轉寫類的樣本語音數據與交互類的樣本語音數據之間的比例為第一預設比例。

3.根據權利要求1所述的方法，其特征在于，所述至少部分幀語音數據包括所述第一語音數據的所有幀語音數據，或者所述第一語音數據的前預設數量幀語音數據。

4.根據權利要求1所述的方法，其特征在于，所述基于所述至少部分幀語音數據所屬的類別，得到所述第一語音數據的類別，包括：

基于所述至少部分幀語音數據，統計所述至少部分幀語音數據中屬于每種所述類別的幀數；

將所述幀數在所述至少部分幀語音數據中占第二預設比例的所述類別，作為所述第一語音數據的類別。

5.根據權利要求1所述的方法，其特征在于，所述基于所述第一語音數據，執行與所述類別對應的操作，包括以下至少一個步驟：

在所述類別為轉寫類的情況下，對所述第一語音數據進行轉寫；

在所述類別為交互類的情況下，基于所述第一語音數據執行相應操作；

在所述類別為場景設置類的情況下，基于所述第一語音數據確定目標錄音場景，并利用所述目標錄音場景對應的識別資源對后續采集到的語音數據進行轉寫；

在所述類別為文件處理類的情況下，基于所述第一語音數據執行相應文件處理；

在所述類別為翻譯類的情況下，基于所述第一語音數據執行翻譯。

6.根據權利要求1所述的方法，其特征在于，在所述基于所述第一語音數據，執行與所述類別對應的操作之前，所述方法還包括：

若當前處于預設錄音模式且所述類別為轉寫類，則判斷所述第一語音數據是否屬于目標對象；

若屬于，則執行所述基于所述第一語音數據，執行與所述類別對應的操作。

7.根據權利要求6所述的方法，其特征在于，在所述對所述第一語音數據進行分類，得到所述第一語音數據中至少部分幀語音數據所屬的類別之前，所述方法還包括：

在之前采集到的第二語音數據所屬的類別為交互類的情況下，基于所述第二語音數據，執行進入所述預設錄音模式的操作；

從預存對象特征庫中提取目標對象的語音特征，或者從歷史語音數據中提取目標對象的語音特征；

所述判斷所述第一語音數據是否屬于目標對象，包括：

判斷所述第一語音數據中的特征是否與所述目標對象的語音特征匹配，若匹配，則確定所述第一語音數據屬于所述目標對象。

8.根據權利要求1所述的方法，其特征在于，在所述對所述第一語音數據進行分類，得到所述第一語音數據中至少部分幀語音數據所屬的類別之前，所述方法還包括：

利用聲學模型對所述第一語音數據進行處理，得到聲學處理結果；

所述對所述第一語音數據進行分類，得到所述第一語音數據中至少部分幀語音數據所屬的類別，包括：

對所述聲學處理結果進行分類，得到所述第一語音數據中至少部分幀語音數據所屬的類別；

所述基于所述第一語音數據，執行與所述類別對應的操作，包括：

基于語音模型對所述聲學處理結果的識別結果，執行與所述類別對應的操作，其中，所述語音模型對所述聲學處理結果的識別步驟和所述對所述聲學處理結果進行分類的步驟同步或不同步執行。