[發(fā)明專(zhuān)利]語(yǔ)音音區(qū)切換方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210139939.0
• 申請(qǐng)日: 2022-02-16
• 公開(kāi)（公告）號(hào): CN114550717A
• 公開(kāi)（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 沈洋
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京梧桐車(chē)聯(lián)科技有限責(zé)任公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L17/00;G10L25/51;H04R1/40
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 邢少真

本申請(qǐng)公開(kāi)了一種語(yǔ)音音區(qū)切換方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，屬于語(yǔ)音識(shí)別領(lǐng)域。所述方法包括：獲取目標(biāo)對(duì)象的語(yǔ)音音頻，該語(yǔ)音音頻為目標(biāo)對(duì)象在當(dāng)前時(shí)間使用語(yǔ)音客戶端時(shí)所發(fā)出的音頻，對(duì)該語(yǔ)音音頻進(jìn)行聲源定位，以確定該語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，基于第一時(shí)間段內(nèi)獲取到的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值進(jìn)行語(yǔ)音音區(qū)的切換。由于語(yǔ)音音頻對(duì)應(yīng)的聲源定位值能夠指示語(yǔ)音音頻的來(lái)源方向，所以，在確定出語(yǔ)音音頻對(duì)應(yīng)的聲源定位值之后，能夠基于聲源定位值確定當(dāng)前時(shí)間使用語(yǔ)音客戶端的目標(biāo)對(duì)象是否來(lái)源于同一方向，進(jìn)而基于第一時(shí)間段內(nèi)各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值進(jìn)行語(yǔ)音音區(qū)的切換。

技術(shù)領(lǐng)域

本申請(qǐng)涉及語(yǔ)音識(shí)別領(lǐng)域，特別涉及一種語(yǔ)音音區(qū)切換方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

目前，諸如語(yǔ)音助手等語(yǔ)音客戶端的工作模式通常包括單音區(qū)模式和雙音區(qū)模式，在語(yǔ)音客戶端的工作模式為單音區(qū)模式的情況下，語(yǔ)音客戶端通過(guò)單通道采集語(yǔ)音音頻。在語(yǔ)音客戶端的工作模式為雙音區(qū)模式的情況下，語(yǔ)音客戶端通過(guò)雙通道采集語(yǔ)音音頻。但是，在某些情況下，語(yǔ)音客戶端的工作模式需要在單音區(qū)模式和雙音區(qū)模式之間進(jìn)行切換。因此，如何進(jìn)行語(yǔ)音音區(qū)的切換成為目前亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N語(yǔ)音音區(qū)切換方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。所述技術(shù)方案如下：

一方面，提供了一種語(yǔ)音音區(qū)切換方法，所述方法包括：

獲取目標(biāo)對(duì)象的語(yǔ)音音頻，所述語(yǔ)音音頻為所述目標(biāo)對(duì)象在當(dāng)前時(shí)間使用語(yǔ)音客戶端時(shí)所發(fā)出的音頻；

對(duì)所述語(yǔ)音音頻進(jìn)行聲源定位，以確定所述語(yǔ)音音頻對(duì)應(yīng)的聲源定位值；

基于第一時(shí)間段內(nèi)獲取到的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值進(jìn)行語(yǔ)音音區(qū)的切換，所述第一時(shí)間段為包含所述當(dāng)前時(shí)間且位于所述當(dāng)前時(shí)間之前的一個(gè)時(shí)間段。

可選地，所述對(duì)所述語(yǔ)音音頻進(jìn)行聲源定位，以確定所述語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，包括：

對(duì)所述語(yǔ)音音頻進(jìn)行聲源定位，以確定所述目標(biāo)對(duì)象為主駕人員還是副駕人員；

在所述目標(biāo)對(duì)象為主駕人員的情況下，確定所述語(yǔ)音音頻對(duì)應(yīng)的聲源定位值為第一數(shù)值；

在所述目標(biāo)對(duì)象為副駕人員的情況下，確定所述語(yǔ)音音頻對(duì)應(yīng)的聲源定位值為第二數(shù)值。

可選地，所述基于第一時(shí)間段內(nèi)獲取到的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值進(jìn)行語(yǔ)音音區(qū)切換，包括：

在所述各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值均相同，且所述語(yǔ)音客戶端的工作模式為單音區(qū)模式的情況下，保持所述語(yǔ)音客戶端的工作模式不變；

在所述各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值均相同，且所述語(yǔ)音客戶端的工作模式為雙音區(qū)模式的情況下，切換所述語(yǔ)音客戶端的工作模式為單音區(qū)模式；

在所述各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值存在不同，且所述語(yǔ)音客戶端的工作模式為單音區(qū)模式的情況下，切換所述語(yǔ)音客戶端的工作模式為雙音區(qū)模式；

在所述各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值存在不同，且所述語(yǔ)音客戶端的工作模式為雙音區(qū)模式的情況下，保持所述語(yǔ)音客戶端的工作模式不變。

可選地，所述基于第一時(shí)間段內(nèi)獲取到的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值進(jìn)行語(yǔ)音音區(qū)切換，包括：

獲取第二時(shí)間段內(nèi)的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，所述第二時(shí)間段為所述第一時(shí)間段之前且距離所述第一時(shí)間段最近的一個(gè)時(shí)間段；

基于所述第一時(shí)間段內(nèi)的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，以及所述第二時(shí)間段內(nèi)的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，進(jìn)行語(yǔ)音音區(qū)的切換。

可選地，所述基于所述第一時(shí)間段內(nèi)的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，以及所述第二時(shí)間段內(nèi)的各個(gè)語(yǔ)音音頻對(duì)應(yīng)的聲源定位值，進(jìn)行語(yǔ)音音區(qū)的切換，包括：