[發(fā)明專利]合成語音識別方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210647355.4
• 申請日: 2022-06-08
• 公開（公告）號: CN114974205A
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 魏林強(qiáng)
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L15/00;G10L15/02;G10L25/30;G10L25/51
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種合成語音識別方法，其特征在于，所述方法包括：

獲取業(yè)務(wù)場景中的原始語音數(shù)據(jù)，并采集所述原始語音數(shù)據(jù)中的語音信號；

對所述語音信號進(jìn)行預(yù)處理，得到預(yù)處理信號，利用預(yù)設(shè)的線性預(yù)測算法提取所述預(yù)處理信號中的殘差語音信號；

對所述殘差語音信號進(jìn)行傅里葉變換，得到所述殘差語音信號對應(yīng)的頻域信號，對所述頻域信號進(jìn)行特征提取，得到頻域信號特征；

利用訓(xùn)練好的輕型卷積神經(jīng)網(wǎng)絡(luò)對所述頻域信號特征進(jìn)行合成判別，得到所述原始語音數(shù)據(jù)的合成語音識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述語音信號進(jìn)行預(yù)處理，得到預(yù)處理信號，包括：

對所述語音信號進(jìn)行預(yù)加重處理，得到預(yù)加重語音信號；

對所述預(yù)加重語音信號進(jìn)行分幀處理，得到分幀語音信號；

對所述分幀語音信號進(jìn)行加窗處理，得到預(yù)處理信號。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述預(yù)加重語音信號進(jìn)行分幀處理，得到分幀語音信號，包括：

提取所述預(yù)加重語音信號中的時(shí)域語音信號，對所述時(shí)域語音信號進(jìn)行頻譜分析，得到語音頻譜信號；

對所述語音頻譜信號進(jìn)行增強(qiáng)處理，得到增強(qiáng)語音信號；

對所述增強(qiáng)語音信號進(jìn)行分幀處理，得到分幀語音信號。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述分幀語音信號進(jìn)行加窗處理，得到預(yù)處理信號，包括：

對所述分幀語音信號進(jìn)行疊加處理，得到疊加語音信號；

識別所述疊加語音信號的類別，通過所述疊加語音信號的類別獲取對應(yīng)的窗函數(shù)；

利用所述窗函數(shù)對所述疊加語音信號進(jìn)行加窗，得到預(yù)處理信號。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述殘差語音信號進(jìn)行傅里葉變換，得到所述殘差語音信號對應(yīng)的頻域信號，包括：

對所述殘差語音信號進(jìn)行降噪處理，得到降噪語音信號；

對所述降噪語音信號進(jìn)行傅里葉變換，得到所述殘差語音信號對應(yīng)的頻域信號。

6.根據(jù)權(quán)利要求1至5中任意一項(xiàng)所述的方法，其特征在于，所述對所述頻域信號進(jìn)行特征提取，得到頻域信號特征，包括：

對所述頻域信號進(jìn)行向量轉(zhuǎn)化，得到頻域向量；

對所述頻域向量進(jìn)行降維處理，得到降維向量；

對所述降維向量進(jìn)行特征提取，得到特征向量；

通過輸出函數(shù)對所述特征向量進(jìn)行連接處理，得到頻域信號特征。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用訓(xùn)練好的輕型卷積神經(jīng)網(wǎng)絡(luò)對所述頻域信號特征進(jìn)行合成判別，得到所述原始語音數(shù)據(jù)的合成語音識別結(jié)果，包括：

通過所述輕型卷積神經(jīng)網(wǎng)絡(luò)中的卷積層對所述頻域信號特征進(jìn)行特征篩選，得到卷積信號特征；

通過所述輕型卷積神經(jīng)網(wǎng)絡(luò)中的池化層對所述卷積信號特征進(jìn)行池化處理，得到池化信號特征；

通過所述輕型卷積神經(jīng)網(wǎng)絡(luò)中的全連接層對所述池化信號特征進(jìn)行合成判別，得到判別類別；

根據(jù)所述判別類別得到所述原始語音數(shù)據(jù)的合成語音識別結(jié)果。

8.一種合成語音識別裝置，其特征在于，所述裝置包括：

信號采集模塊，用于獲取業(yè)務(wù)場景中的原始語音數(shù)據(jù)，并采集所述原始語音數(shù)據(jù)中的語音信號；

信號預(yù)處理模塊，用于對所述語音信號進(jìn)行預(yù)處理，得到預(yù)處理信號，利用預(yù)設(shè)的線性預(yù)測算法提取所述預(yù)處理信號中的殘差語音信號；

信號特征提取模塊，利用對所述殘差語音信號進(jìn)行傅里葉變換，得到所述殘差語音信號對應(yīng)的頻域信號，對所述頻域信號進(jìn)行特征提取，得到頻域信號特征；

語音識別判斷模塊，用于利用訓(xùn)練好的輕型卷積神經(jīng)網(wǎng)絡(luò)對所述頻域信號特征進(jìn)行合成判別，得到所述原始語音數(shù)據(jù)的合成語音識別結(jié)果。