[發(fā)明專利]語(yǔ)音檢測(cè)方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310089664.9
• 申請(qǐng)日: 2023-02-09
• 公開（公告）號(hào): CN116168725A
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 王步云;吳澤策;楊睿
• 申請(qǐng)（專利權(quán)）人: 烽火通信科技股份有限公司
• 主分類號(hào): G10L25/51
• 分類號(hào): G10L25/51
• 代理公司: 武漢智權(quán)專利代理事務(wù)所(特殊普通合伙) 42225
• 代理人: 羅成

1.一種語(yǔ)音檢測(cè)方法，其特征在于，所述語(yǔ)音檢測(cè)方法包括：

獲取待檢測(cè)語(yǔ)音、真實(shí)目標(biāo)人聲和真實(shí)背景噪聲；

對(duì)待檢測(cè)語(yǔ)音進(jìn)行人聲和背景噪聲分離，得到待檢測(cè)人聲和待檢測(cè)背景噪聲；

從待檢測(cè)背景噪聲和真實(shí)背景噪聲中，分別提取第一特征，通過(guò)計(jì)算待檢測(cè)背景噪聲的第一特征和真實(shí)背景噪聲的第一特征之間的相似度，判定待檢測(cè)背景噪聲是否真實(shí)；

若待檢測(cè)背景噪聲為不真實(shí)，則判定待檢測(cè)語(yǔ)音不是真人語(yǔ)音；

若待檢測(cè)背景噪聲為真實(shí)，則從待檢測(cè)人聲和真實(shí)目標(biāo)人聲中，分別提取第二特征，通過(guò)計(jì)算待檢測(cè)人聲的第二特征和真實(shí)目標(biāo)人聲的第二特征之間的相似度，判定待檢測(cè)語(yǔ)音是否為真人語(yǔ)音。

2.如權(quán)利要求1所述的語(yǔ)音檢測(cè)方法，其特征在于，所述對(duì)待檢測(cè)語(yǔ)音進(jìn)行人聲和背景噪聲分離，得到待檢測(cè)人聲和待檢測(cè)背景噪聲包括：

將待檢測(cè)語(yǔ)音劃分為連續(xù)且時(shí)長(zhǎng)相等的多個(gè)語(yǔ)音幀；

將每一個(gè)語(yǔ)音幀使用傅里葉變換轉(zhuǎn)換為頻域，將每一個(gè)語(yǔ)音幀根據(jù)頻域劃分為多個(gè)頻率區(qū)間；

根據(jù)每個(gè)頻率區(qū)間的能量值和每個(gè)頻率區(qū)間的預(yù)設(shè)能量值，采用概率計(jì)算模型，判定每一個(gè)語(yǔ)音幀是否為人聲；

將判定為人聲，且時(shí)間上連續(xù)的語(yǔ)音幀進(jìn)行合并，將合并得到的一個(gè)或多個(gè)片段作為待檢測(cè)人聲；

將判定為不是人聲，且時(shí)間上連續(xù)的語(yǔ)音幀進(jìn)行合并，將合并得到的一個(gè)或多個(gè)片段作為待檢測(cè)背景噪聲。

3.如權(quán)利要求2所述的語(yǔ)音檢測(cè)方法，其特征在于，所述從待檢測(cè)背景噪聲和真實(shí)背景噪聲中，分別提取第一特征，通過(guò)計(jì)算待檢測(cè)背景噪聲的第一特征和真實(shí)背景噪聲的第一特征之間的相似度，判定待檢測(cè)背景噪聲是否真實(shí)包括：

將待檢測(cè)背景噪聲中時(shí)間最長(zhǎng)的片段作為第一對(duì)比片段；

從第一對(duì)比片段中提取第一特征，所述第一特征包括標(biāo)準(zhǔn)差、峰值、單峰均值及平均能量；

若第一對(duì)比片段的標(biāo)準(zhǔn)差小于預(yù)設(shè)標(biāo)準(zhǔn)差，則判定待檢測(cè)背景噪聲為不真實(shí)，否則從真實(shí)背景噪聲中提取標(biāo)準(zhǔn)差、峰值、單峰均值及平均能量；

采用概率計(jì)算模型，分別計(jì)算真實(shí)背景噪聲的標(biāo)準(zhǔn)差、峰值、單峰均值及平均能量和第一對(duì)比片段的標(biāo)準(zhǔn)差、峰值、單峰均值及平均能量之間的相似度，得到第一相似度、第二相似度、第三相似度和第四相似度；

計(jì)算第一相似度、第二相似度、第三相似度和第四相似度之間的乘積，得到第一聯(lián)合相似度；

若第一聯(lián)合相似度大于第一預(yù)設(shè)聯(lián)合相似度，則判定待檢測(cè)背景噪聲為真實(shí)，否則判定待檢測(cè)背景噪聲為不真實(shí)。

4.如權(quán)利要求2所述的語(yǔ)音檢測(cè)方法，其特征在于，所述從待檢測(cè)人聲和真實(shí)目標(biāo)人聲中，分別提取第二特征，通過(guò)計(jì)算待檢測(cè)人聲的第二特征和真實(shí)目標(biāo)人聲的第二特征之間的相似度，判定待檢測(cè)語(yǔ)音是否為真人語(yǔ)音包括：

對(duì)真實(shí)目標(biāo)人聲進(jìn)行人聲和背景噪聲分離，從分離得到的一個(gè)或多個(gè)真實(shí)目標(biāo)人聲的片段中，選取時(shí)間最長(zhǎng)的真實(shí)目標(biāo)人聲片段作為第二對(duì)比片段；

從第二對(duì)比片段中提取第二特征，所述第二特征包括音量均值、基音周期、語(yǔ)速及頻譜分布；

提取每個(gè)待檢測(cè)人聲片段的音量均值、基音周期、語(yǔ)速及頻譜分布；

采用概率計(jì)算模型，分別計(jì)算每個(gè)待檢測(cè)人聲片段的音量均值、基音周期、語(yǔ)速及頻譜分布和第二對(duì)比片段的音量均值、基音周期、語(yǔ)速及頻譜分布之間的相似度，得到每個(gè)待檢測(cè)人聲片段的第五相似度、第六相似度、第七相似度和第八相似度；

計(jì)算每個(gè)待檢測(cè)人聲片段的第五相似度、第六相似度、第七相似度和第八相似度之間的乘積，得到每個(gè)待檢測(cè)人聲的片段的第二聯(lián)合相似度；

若至少有一個(gè)待檢測(cè)人聲片段的第二聯(lián)合相似度大于第二預(yù)設(shè)聯(lián)合相似度，則判定待檢測(cè)語(yǔ)音是真人語(yǔ)音，否則判定待檢測(cè)語(yǔ)音不是真人語(yǔ)音。