[發明專利]一種語音處理方法、裝置及設備

有效

• 申請號: 202110867725.0
• 申請日: 2021-07-28
• 公開（公告）號: CN113593540B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 陳小強;蒲胤華
• 申請（專利權）人: 展訊半導體（成都）有限公司
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L15/22;G10L21/02;G10L21/0216
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 董建姣;劉芳

本申請實施例提供一種語音處理方法、裝置及設備，應用于語音系統，所述語音系統中包括麥克風和揚聲器，該方法包括：獲取所述麥克風在預設時段內采集的第一語音信號，所述第一語音信號包括用戶語音信號和所述揚聲器在所述預設時段內播放的語音信號；在緩存中獲取所述預設時段內的第二語音信號；根據所述第一語音信號和所述第二語音信號，確定所述揚聲器對所述緩存中的語音信號進行播放的時延；根據所述時延對所述第二語音信號進行校準處理，得到第三語音信號；根據所述第三語音信號對所述第一語音信號進行處理，以在所述第一語音信號中提取所述用戶語音信號。提高了語音處理的準確性。

技術領域

本申請涉及音頻處理技術領域，具體涉及一種語音處理方法、裝置及設備。

背景技術

用戶可以通過語音指令對車輛中的車載設備進行控制，在用戶發出語音指令的同時，車輛中的多媒體設備可能正在播放音樂、廣播等多媒體語音信號，導致無法對用戶發出的語音指令進行準確的識別。

多媒體設備通常先將多媒體語音信號存儲至緩存，再播放緩存中的多媒體語音信號。在相關技術中，在車輛中的麥克風采集得到待識別語音信號(包括語音指令和多媒體語音信號)之后，可以通過緩存中多媒體信號對該待識別語音信號進行處理，以得到用戶發出的語音指令。然而，麥克風采集得到的待識別語音信號中的多媒體信號與緩存中的多媒體語音信號之間通常存在一定時延，導致無法在待識別語音信號中準確的提取出語音指令，進而導致語音處理的準確性較差。

發明內容

本申請涉及一種語音處理方法、裝置及設備，降低了參考信號與采集的語音信號的時延，提高語音處理的準確性。

第一方面，本申請實施例提供一種語音處理方法，應用于語音系統，所述語音系統中包括麥克風和揚聲器，所述方法包括：

獲取所述麥克風在預設時段內采集的第一語音信號，所述第一語音信號包括用戶語音信號和所述揚聲器在所述預設時段內播放的語音信號；

在緩存中獲取所述預設時段內的第二語音信號；

根據所述第一語音信號和所述第二語音信號，確定所述揚聲器對所述緩存中的語音信號進行播放的時延；

根據所述時延對所述第二語音信號進行校準處理，得到第三語音信號；

根據所述第三語音信號對所述第一語音信號進行處理，以在所述第一語音信號中提取所述用戶語音信號。

在一種可能的實施方式中，根據所述時延對所述第二語音信號進行校準處理，得到第三語音信號，包括：

獲取所述麥克風的采樣參數，所述采樣參數包括音頻采樣率、采樣位數和通道數；

根據所述時延和所述采樣參數，確定預設信號插入數量N，所述N為大于1的整數；

在所述第二語音信號之前添加N個預設信號，得到所述第三語音信號。

在一種可能的實施方式中，根據所述時延和所述采樣參數，確定預設信號插入數量N，包括：

根據所述時延和所述采樣參數，通過如下公式一，確定所述預設信號插入數量N：

其中，所述d為所述時延，所述R為所述采樣率，所述B為所述采樣位數，所述C為所述通道數。

在一種可能的實施方式中，所述第二語音信號之前添加N個預設信號，得到所述第三語音信號，包括：

在緩存中確定所述第二語音信號對應的起始存儲位置；

在所述緩存中的所述起始存儲位置之前添加所述N個預設信號，得到所述第三語音信號，其中，所述第三語音信號在所述緩存中的起始存儲位置為所述N個預設信號中第一個預設信號的存儲位置。