[發(fā)明專利]語(yǔ)音檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品

在審

• 申請(qǐng)?zhí)枺?/td>: 202210325910.1
• 申請(qǐng)日: 2022-03-29
• 公開（公告）號(hào): CN114724588A
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 陳孝良;李良斌
• 申請(qǐng)（專利權(quán)）人: 北京聲智科技有限公司
• 主分類號(hào): G10L25/60
• 分類號(hào): G10L25/60;G10L25/18;G10L25/27
• 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: 賈敏

本申請(qǐng)?zhí)峁┝艘环N語(yǔ)音檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，屬于語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域。其中，該語(yǔ)音檢測(cè)方法包括：獲取音頻信號(hào)的目標(biāo)幀頻譜，目標(biāo)幀頻譜中包括目標(biāo)幀的多個(gè)采樣點(diǎn)的振幅值；基于目標(biāo)幀頻譜，確定多個(gè)采樣點(diǎn)中的第一采樣點(diǎn)，第一采樣點(diǎn)的振幅值為目標(biāo)幀頻譜中的振幅極大值；獲取第一采樣點(diǎn)的倍頻信息，第一采樣點(diǎn)的倍頻信息包括第一采樣點(diǎn)的至少一個(gè)倍頻采樣點(diǎn)的振幅值；基于第一采樣點(diǎn)的倍頻信息，對(duì)音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)。該方法提高了對(duì)音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)的適用性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及語(yǔ)音信號(hào)處理技術(shù)領(lǐng)域，特別涉及一種語(yǔ)音檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品。

背景技術(shù)

語(yǔ)音檢測(cè)(Voice Activity Detection，VAD)技術(shù)在語(yǔ)音增強(qiáng)、語(yǔ)音識(shí)別等語(yǔ)音信號(hào)處理領(lǐng)域有著非常重要的作用，VAD技術(shù)主要是從一段音頻信號(hào)中檢測(cè)出語(yǔ)音信號(hào)和非語(yǔ)音信號(hào)。

相關(guān)技術(shù)中，VAD技術(shù)一般是在音頻信號(hào)的信噪比較高時(shí)，基于音頻信號(hào)的短時(shí)能量和過(guò)零率分別與其對(duì)應(yīng)的閾值進(jìn)行對(duì)比，從而檢測(cè)出語(yǔ)音信號(hào)和非語(yǔ)音信號(hào)。但對(duì)于信噪比較低的音頻信號(hào)，其噪聲較大，使得該音頻信號(hào)中的噪聲對(duì)語(yǔ)音信號(hào)的干擾較大，進(jìn)而通過(guò)這種方法不能準(zhǔn)確檢測(cè)出語(yǔ)音信號(hào)和非語(yǔ)音信號(hào)，從而降低了VAD技術(shù)的適用性。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種語(yǔ)音檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，能夠提高對(duì)音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)的適用性。所述技術(shù)方案如下：

一方面，提供了一種語(yǔ)音檢測(cè)方法，所述方法包括：

獲取音頻信號(hào)的目標(biāo)幀頻譜，所述目標(biāo)幀頻譜中包括目標(biāo)幀的多個(gè)采樣點(diǎn)的振幅值；

基于所述目標(biāo)幀頻譜，確定所述多個(gè)采樣點(diǎn)中的第一采樣點(diǎn)，所述第一采樣點(diǎn)的振幅值為所述目標(biāo)幀頻譜中的振幅極大值；

獲取所述第一采樣點(diǎn)的倍頻信息，所述第一采樣點(diǎn)的倍頻信息包括所述第一采樣點(diǎn)的至少一個(gè)倍頻采樣點(diǎn)的振幅值；

基于所述第一采樣點(diǎn)的倍頻信息，對(duì)所述音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)。

在一些實(shí)施例中，所述基于所述第一采樣點(diǎn)的倍頻信息，對(duì)所述音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)，包括：獲取至少一個(gè)第二采樣點(diǎn)的倍頻信息，所述第二采樣點(diǎn)的倍頻信息包括所述第二采樣點(diǎn)的至少一個(gè)倍頻采樣點(diǎn)的振幅值，所述第二采樣點(diǎn)的振幅值為其他幀頻譜中的振幅極大值，所述其他幀頻譜為所述音頻信號(hào)中與所述目標(biāo)幀頻譜相鄰的頻譜；基于所述第一采樣點(diǎn)的倍頻信息和所述至少一個(gè)第二采樣點(diǎn)的倍頻信息，確定第一目標(biāo)倍頻采樣點(diǎn)，所述第一目標(biāo)倍頻采樣點(diǎn)的振幅值為所述其他幀頻譜和所述目標(biāo)幀頻譜組成的多幀頻譜中的振幅極大值；基于所述第一目標(biāo)倍頻采樣點(diǎn)，確定所述多幀頻譜中的目標(biāo)頻譜，所述目標(biāo)頻譜包括所述第一采樣點(diǎn)和所述至少一個(gè)第二采樣點(diǎn)中的目標(biāo)采樣點(diǎn)，所述目標(biāo)采樣點(diǎn)對(duì)應(yīng)的第一目標(biāo)倍頻采樣點(diǎn)的第一數(shù)量大于或等于第一數(shù)量閾值；若第二數(shù)量大于或等于第二數(shù)量閾值，則確定所述音頻信號(hào)為語(yǔ)音信號(hào)，所述第二數(shù)量為所述多幀頻譜中包括的目標(biāo)頻譜的數(shù)量。

在一些實(shí)施例中，所述語(yǔ)音檢測(cè)方法還包括：若所述第二數(shù)量小于所述第二數(shù)量閾值，則獲取所述多幀頻譜的能量參數(shù)和過(guò)零率參數(shù)；基于所述第二數(shù)量、所述能量參數(shù)和所述過(guò)零率參數(shù)，對(duì)所述音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)。

在一些實(shí)施例中，所述能量參數(shù)包括所述多幀頻譜分別對(duì)應(yīng)的能量，所述過(guò)零率參數(shù)包括所述多幀頻譜分別對(duì)應(yīng)的過(guò)零率；所述基于所述第二數(shù)量、所述能量參數(shù)和所述過(guò)零率參數(shù)，對(duì)所述音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)，包括：基于所述多幀頻譜分別對(duì)應(yīng)的能量和所述多幀頻譜分別對(duì)應(yīng)的過(guò)零率，確定所述多幀頻譜中除第一幀和最后一幀以外的各兩幀頻譜之間的第一差值和第二差值，所述第一差值為所述兩幀頻譜的能量之差，所述第二差值為所述兩幀頻譜的過(guò)零率之差；基于所述第二數(shù)量以及所述多幀頻譜對(duì)應(yīng)的多個(gè)第一差值和多個(gè)第二差值，對(duì)所述音頻信號(hào)進(jìn)行語(yǔ)音檢測(cè)。