[發(fā)明專(zhuān)利]語(yǔ)音數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210450693.9
• 申請(qǐng)日: 2022-04-26
• 公開(kāi)（公告）號(hào): CN114792530A
• 公開(kāi)（公告）日: 2022-07-26
• 發(fā)明（設(shè)計(jì)）人: 趙東宇;夏立超;劉寧;張法朝;奉飛飛;唐劍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 美的集團(tuán)（上海）有限公司;美的集團(tuán)股份有限公司
• 主分類(lèi)號(hào): G10L25/87
• 分類(lèi)號(hào): G10L25/87;G10L15/04;G10L15/22
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 周淑娟

本申請(qǐng)涉及語(yǔ)音數(shù)據(jù)處理技術(shù)領(lǐng)域，提供一種語(yǔ)音數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，該方法包括：基于當(dāng)前時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果確定與當(dāng)前時(shí)刻對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀為無(wú)效幀，獲取第一歷史時(shí)刻和第二歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果；基于第一歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果確定對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀為無(wú)效幀，且基于第二歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果確定對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀為有效幀，將與第一歷史時(shí)刻對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀確定為目標(biāo)語(yǔ)音片段的截?cái)喽它c(diǎn)。本申請(qǐng)通過(guò)在有效語(yǔ)音段截取的過(guò)程中加入后處理邏輯，對(duì)截取有效語(yǔ)音段的結(jié)束條件加以約束，從而防止完整語(yǔ)音段由于中途存在短時(shí)靜音而被誤分割為多段，提高有效語(yǔ)音片段截取的魯棒性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及語(yǔ)音數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及語(yǔ)音數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

語(yǔ)音喚醒技術(shù)通過(guò)在設(shè)備或軟件中預(yù)置喚醒詞,當(dāng)用戶(hù)發(fā)出該語(yǔ)音指令時(shí),設(shè)備便從休眠狀態(tài)中被喚醒,并作出指定響應(yīng),大大提升了人機(jī)交互的效率。為了保護(hù)用戶(hù)隱私，在設(shè)備喚醒之前不能將語(yǔ)音數(shù)據(jù)上傳，因此，語(yǔ)音喚醒往往要在本地設(shè)備實(shí)現(xiàn)。

受到成本的限制，本地設(shè)備往往存在算力不足、內(nèi)存空間小的局限。為了實(shí)現(xiàn)低功耗的離線(xiàn)語(yǔ)音喚醒，不能將所有語(yǔ)音信號(hào)都直接進(jìn)行喚醒詞判斷算法步驟，而是對(duì)語(yǔ)音信號(hào)分析后，將有效的語(yǔ)音段提取出來(lái)進(jìn)行喚醒詞的判斷。

通過(guò)有效語(yǔ)音片段檢測(cè)進(jìn)行截取，單獨(dú)對(duì)語(yǔ)音片段進(jìn)行分析判斷，不僅大大降低了數(shù)據(jù)量與計(jì)算量，還有助于提高喚醒率、降低誤喚醒率。采用VAD(Voice ActivityDetection，語(yǔ)音活動(dòng)檢測(cè))技術(shù)對(duì)輸入語(yǔ)音信號(hào)進(jìn)行有效語(yǔ)音片段的開(kāi)始點(diǎn)和結(jié)束點(diǎn)的檢測(cè)，可以將有效的語(yǔ)音段截取出來(lái)，針對(duì)性地對(duì)語(yǔ)音信號(hào)進(jìn)行分析處理。

但是，采用現(xiàn)有技術(shù)進(jìn)行有效語(yǔ)音片段的檢測(cè)，在某些情況下(尤其安靜環(huán)境下)容易過(guò)早地判斷一段語(yǔ)音的結(jié)束點(diǎn)，導(dǎo)致將一個(gè)完整的有效語(yǔ)音段誤分割為若干段，影響后續(xù)獲取喚醒詞判斷結(jié)果的準(zhǔn)確性。

發(fā)明內(nèi)容

本申請(qǐng)旨在至少解決相關(guān)技術(shù)中存在的技術(shù)問(wèn)題之一。為此，本申請(qǐng)?zhí)岢鲆环N語(yǔ)音數(shù)據(jù)處理方法，能夠提高語(yǔ)音片段截取的魯棒性。

本申請(qǐng)還提出一種語(yǔ)音數(shù)據(jù)處理裝置。

本申請(qǐng)還提出一種電子設(shè)備。

本申請(qǐng)還提出一種存儲(chǔ)介質(zhì)。

本申請(qǐng)還提出一種計(jì)算機(jī)程序產(chǎn)品。

根據(jù)本申請(qǐng)第一方面實(shí)施例的語(yǔ)音數(shù)據(jù)處理方法，包括：

基于原始語(yǔ)音段的當(dāng)前時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果確定與所述當(dāng)前時(shí)刻對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀為無(wú)效幀，獲取所述原始語(yǔ)音段的第一歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果和所述原始語(yǔ)音段的第二歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果；

基于所述第一歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果確定與所述第一歷史時(shí)刻對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀為無(wú)效幀，且基于所述第二歷史時(shí)刻的語(yǔ)音有效性檢測(cè)結(jié)果確定與所述第二歷史時(shí)刻對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀為有效幀，將與所述第一歷史時(shí)刻對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)幀確定為目標(biāo)語(yǔ)音片段的截?cái)喽它c(diǎn)；

其中，所述第一歷史時(shí)刻為所述當(dāng)前時(shí)刻之前的某一時(shí)刻，所述第二歷史時(shí)刻為所述第一歷史時(shí)刻的前一時(shí)刻；所述目標(biāo)語(yǔ)音片段為所述原始語(yǔ)音段中的其中一語(yǔ)音段。

根據(jù)本申請(qǐng)實(shí)施例的語(yǔ)音數(shù)據(jù)處理方法，通過(guò)在有效語(yǔ)音段截取的過(guò)程中加入后處理邏輯，對(duì)截取有效語(yǔ)音段的結(jié)束條件加以約束，從而防止完整語(yǔ)音段由于中途存在短時(shí)靜音而被誤分割為多段，提高有效語(yǔ)音片段截取的魯棒性。

根據(jù)本申請(qǐng)的一個(gè)實(shí)施例，所述第一歷史時(shí)刻與所述當(dāng)前時(shí)刻之間相隔有至少一時(shí)刻。