[發(fā)明專(zhuān)利]控制語(yǔ)音的識(shí)別方法及目標(biāo)角色的控制方法、相關(guān)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111034200.5
• 申請(qǐng)日: 2021-09-03
• 公開(kāi)（公告）號(hào): CN113903333A
• 公開(kāi)（公告）日: 2022-01-07
• 發(fā)明（設(shè)計(jì)）人: 張正明;李誠(chéng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海商湯智能科技有限公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L15/02;G10L15/04;G10L15/10;G10L25/24
• 代理公司: 深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 黎堅(jiān)怡

1.一種控制語(yǔ)音的識(shí)別方法，其特征在于，所述方法包括：

獲取語(yǔ)音數(shù)據(jù)流中的目標(biāo)語(yǔ)音分段；

獲取所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征；

獲得所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征與參考語(yǔ)音特征之間的相似度；

響應(yīng)于所述相似度大于預(yù)設(shè)閾值，確定所述目標(biāo)語(yǔ)音分段為與所述參考語(yǔ)音特征對(duì)應(yīng)的目標(biāo)控制指令相關(guān)的控制語(yǔ)音。

2.根據(jù)權(quán)利要求1所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述獲取語(yǔ)音數(shù)據(jù)流中的目標(biāo)語(yǔ)音分段，包括：

利用語(yǔ)音采集設(shè)備采集所述語(yǔ)音數(shù)據(jù)流；

將所述語(yǔ)音數(shù)據(jù)流中的背景音進(jìn)行過(guò)濾，得到所述語(yǔ)音數(shù)據(jù)流中的目標(biāo)語(yǔ)音分段。

3.根據(jù)權(quán)利要求2所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述將所述語(yǔ)音數(shù)據(jù)流中的背景音進(jìn)行過(guò)濾，得到所述語(yǔ)音數(shù)據(jù)流中的目標(biāo)語(yǔ)音分段，包括：

以設(shè)定長(zhǎng)度的時(shí)間窗口對(duì)所述語(yǔ)音數(shù)據(jù)流進(jìn)行劃分，得到多個(gè)語(yǔ)音分段；

對(duì)所述多個(gè)語(yǔ)音分段中的至少部分語(yǔ)音分段進(jìn)行語(yǔ)音活動(dòng)檢測(cè)，得到所述至少部分語(yǔ)音分段對(duì)應(yīng)的振幅峰值；

將所述振幅峰值大于預(yù)設(shè)幅值的語(yǔ)音分段作為所述目標(biāo)語(yǔ)音分段。

4.根據(jù)權(quán)利要求2所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述將所述語(yǔ)音數(shù)據(jù)流中的背景音進(jìn)行過(guò)濾，得到所述語(yǔ)音數(shù)據(jù)流中的目標(biāo)語(yǔ)音分段，包括：

提取所述語(yǔ)音數(shù)據(jù)流中的若干個(gè)關(guān)鍵點(diǎn)；

獲取每個(gè)關(guān)鍵點(diǎn)的振幅，將包含所述振幅大于預(yù)設(shè)閾值的關(guān)鍵點(diǎn)的語(yǔ)音分段作為所述目標(biāo)語(yǔ)音分段，或，獲取每個(gè)關(guān)鍵點(diǎn)對(duì)應(yīng)的包含該關(guān)鍵點(diǎn)的語(yǔ)音分段的振幅峰值，將所述振幅峰值大于預(yù)設(shè)幅值的語(yǔ)音分段作為所述目標(biāo)語(yǔ)音分段。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述獲取所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征，包括：

對(duì)所述目標(biāo)語(yǔ)音分段中的語(yǔ)音信號(hào)進(jìn)行預(yù)加重處理，并獲取經(jīng)所述預(yù)加重處理后的所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征。

6.根據(jù)權(quán)利要求1-5任一項(xiàng)所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述方法還包括：

預(yù)先獲取關(guān)于目標(biāo)控制指令的若干個(gè)語(yǔ)音樣本，并獲得每個(gè)語(yǔ)音樣本對(duì)應(yīng)的語(yǔ)音特征；

將所述若干個(gè)語(yǔ)音樣本對(duì)應(yīng)的語(yǔ)音特征的平均值作為所述目標(biāo)控制指令對(duì)應(yīng)的所述參考語(yǔ)音特征。

7.根據(jù)權(quán)利要求6所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述獲得每個(gè)語(yǔ)音樣本對(duì)應(yīng)的語(yǔ)音特征，包括：

對(duì)每個(gè)語(yǔ)音樣本進(jìn)行語(yǔ)音活動(dòng)檢測(cè)，得到每個(gè)語(yǔ)音樣本對(duì)應(yīng)的振幅峰值；

對(duì)所述振幅峰值大于預(yù)設(shè)幅值的語(yǔ)音樣本中的語(yǔ)音信號(hào)進(jìn)行預(yù)加重處理，并獲取經(jīng)所述預(yù)加重處理后的每個(gè)語(yǔ)音樣本對(duì)應(yīng)的語(yǔ)音特征。

8.根據(jù)權(quán)利要求1至7任一項(xiàng)所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述響應(yīng)于所述相似度大于預(yù)設(shè)閾值，確定所述目標(biāo)語(yǔ)音分段為與所述參考語(yǔ)音特征對(duì)應(yīng)的目標(biāo)控制指令相關(guān)的控制語(yǔ)音，包括：

響應(yīng)于所述相似度大于預(yù)設(shè)閾值，確定所述目標(biāo)語(yǔ)音分段為預(yù)設(shè)用戶(hù)錄入的控制語(yǔ)音，識(shí)別出所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的目標(biāo)控制指令。

9.根據(jù)權(quán)利要求1至8任一項(xiàng)所述的控制語(yǔ)音的識(shí)別方法，其特征在于，所述語(yǔ)音特征包括梅爾倒譜系數(shù)；所述相似度為余弦相似度；

所述獲取所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征，包括：

獲取所述目標(biāo)語(yǔ)音分段的梅爾倒譜系數(shù)，作為所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征；

所述獲得所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征與參考語(yǔ)音特征之間的相似度，包括：

確定所述目標(biāo)語(yǔ)音分段對(duì)應(yīng)的語(yǔ)音特征和所述參考語(yǔ)音特征之間的余弦相似度。

10.一種目標(biāo)角色的控制方法，其特征在于，所述方法包括：

獲取語(yǔ)音采集設(shè)備采集的所述語(yǔ)音數(shù)據(jù)流；

確定所述語(yǔ)音數(shù)據(jù)流中的目標(biāo)控制語(yǔ)音；

基于所述目標(biāo)控制語(yǔ)音控制所述目標(biāo)角色；

其中，所述目標(biāo)控制語(yǔ)音通過(guò)權(quán)利要求1至9任一項(xiàng)所述的控制語(yǔ)音的識(shí)別方法確定。