[發明專利]用于識別對話語音的方法、裝置以及可拆卸的拾音設備

在審

• 申請號: 202111505670.5
• 申請日: 2021-12-10
• 公開（公告）號: CN114203181A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 楊松;孟憲海;王福到;陳杰;李鑫;王凱
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L25/51;G10L17/00;G01S5/20;G06N20/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于識別對話語音的方法，包括：

從預設的麥克風陣列獲取至少兩個說話人的對話語音；

對所述對話語音進行方位判決處理，生成目標數目個說話人角色；

將所述對話語音中與說話人角色對應的語音分別輸入至預先訓練的所述目標數目個語音解碼器，生成語音識別文字。

2.根據權利要求1所述的方法，其中，所述預設的麥克風陣列包括環形陣列；以及

所述對所述對話語音進行方位判決處理，生成目標數目個說話人角色，包括：

對于所述對話語音中的語音片段，根據該語音片段在所述麥克風陣列中的能量分布確定說話人的方向；

根據所生成的說話人的方向的數量，生成所述目標數目個說話人角色。

3.根據權利要求2所述的方法，其中，所述根據該語音片段在所述麥克風陣列中的能量分布確定說話人的方向，包括：

根據該語音片段在所述麥克風陣列中的能量分布確定說話人的方位所歸屬的所述麥克風陣列的扇區；

將歸屬于同一個預設扇區的語音片段確定為同一個說話人角色對應的語音。

4.根據權利要求2所述的方法，其中，所述根據該語音片段在所述麥克風陣列中的能量分布確定說話人的方向，包括：

確定呈環形陣列排列的所述麥克風陣列中所接收到的該語音片段中聲音的能量最高的第一數目個麥克風的位置；

根據所確定的第一數目個麥克風的位置的朝向確定該語音片段對應的說話人的方向。

5.根據權利要求2所述的方法，其中，所述根據所生成的說話人的方向的數量，生成所述目標數目個說話人角色，包括：

將所生成的說話人的方向進行聚類，生成第二數目個聚類后的方向；

將對應于同一個所述聚類后的方向的語音片段的說話人確定為一個說話人角色，生成所述目標數目個說話人角色。

6.一種用于識別對話語音的裝置，包括：

獲取單元，被配置成從預設的麥克風陣列獲取至少兩個說話人的對話語音；

生成單元，被配置成對所述對話語音進行方位判決處理，生成目標數目個說話人角色；

識別單元，被配置成將所述對話語音中與說話人角色對應的語音分別輸入至預先訓練的所述目標數目個語音解碼器，生成語音識別文字。

7.根據權利要求6所述的裝置，其中，所述預設的麥克風陣列包括環形陣列；以及

所述生成單元，包括：

確定模塊，被配置成對于所述對話語音中的語音片段，根據該語音片段在所述麥克風陣列中的能量分布確定說話人的方向；

生成模塊，被配置成根據所生成的說話人的方向的數量，生成所述目標數目個說話人角色。

8.根據權利要求7所述的裝置，其中，所述確定模塊進一步被配置成：

根據該語音片段在所述麥克風陣列中的能量分布確定說話人的方位所歸屬的所述麥克風陣列的扇區；

將歸屬于同一個預設扇區的語音片段確定為同一個說話人角色對應的語音。

9.根據權利要求7所述的裝置，其中，所述確定模塊被進一步配置成：

確定呈環形陣列排列的所述麥克風陣列中所接收到的該語音片段中聲音的能量最高的第一數目個麥克風的位置；

根據所確定的第一數目個麥克風的位置的朝向確定該語音片段對應的說話人的方向。

10.根據權利要求7所述的裝置，其中，所述生成模塊被進一步配置成：

將所生成的說話人的方向進行聚類，生成第二數目個聚類后的方向；

將對應于同一個所述聚類后的方向的語音片段的說話人確定為一個說話人角色，生成所述目標數目個說話人角色。