[發明專利]語音數據的處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202111155323.4
• 申請日: 2021-09-29
• 公開（公告）號: CN113870841A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 周毅
• 申請（專利權）人: 阿波羅智聯（北京）科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/26;G10L21/0208
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅嵐

本公開提出了語音數據的處理方法、裝置、電子設備及存儲介質，涉及計算機技術領域，尤其涉及語音交互、深度學習、車聯網和智能座艙等人工智能技術領域。其中，語音數據的處理方法，包括：獲取待識別的語音數據；對所述語音數據進行解析，以獲取所述語音數據中包含的N個候選語音信號，其中，N為正整數；在N大于1的情況下，獲取每個所述候選語音信號對應的能量特征；根據N個所述能量特征，從N個所述候選語音信號中提取目標語音信號；對所述目標語音信號進行語音識別，以確定所述目標語音信號對應的目標文本。由此，實現了對語音數據中背景聲音的濾除，從而提高了目標語音信號識別的準確性。

技術領域

本公開涉及計算機技術領域，尤其涉及語音交互、深度學習等人工智能技術領域，具體涉及一種語音數據的處理方法、裝置、電子設備及存儲介質。

背景技術

隨著人工智能技術的不斷發展和完善，很多智能終端已經具備識別語音的能力。然而，在現實場景中，智能終端采集到的語音可能摻雜多種背景聲音，進而影響對語音識別的準確性。因此，研究如何在復雜環境下提高語音識別的準確率，成為亟需解決的問題。

發明內容

本公開提供了一種語音數據的處理方法、裝置、電子設備及存儲介質。

根據本公開的第一方面，提供了一種語音數據的處理方法，包括：

獲取待識別的語音數據；

對所述語音數據進行解析，以獲取所述語音數據中包含的N個候選語音信號，其中，N為正整數；

在N大于1的情況下，獲取每個所述候選語音信號對應的能量特征；

根據N個所述能量特征，從N個所述候選語音信號中提取目標語音信號；

對所述目標語音信號進行語音識別，以確定所述目標語音信號對應的目標文本。

根據本公開的第二方面，提供了一種語音數據的處理裝置，包括：

第一獲取模塊，用于獲取待識別的語音數據；

第二獲取模塊，用于對所述語音數據進行解析，以獲取所述語音數據中包含的N個候選語音信號，其中，N為正整數；

第三獲取模塊，用于在N大于1的情況下，獲取每個所述候選語音信號對應的能量特征；

提取模塊，用于根據N個所述能量特征，從N個所述候選語音信號中提取目標語音信號；

第一確定模塊，用于對所述目標語音信號進行語音識別，以確定所述目標語音信號對應的目標文本。

根據本公開的第三方面，提供了一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如第一方面所述的方法。

根據本公開的第四方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，所述計算機指令用于使所述計算機執行如第一方面所述的方法。

根據本公開的第五方面，提供了一種計算機程序產品，包括計算機指令，所述計算機指令在被處理器執行時實現如第一方面所述的方法。

本公開提供的語音數據的處理方法、裝置、電子設備及存儲介質，存在如下有益效果：