[发明专利]语音处理方法、装置、电子设备及计算机可读存储介质

说明书

本公开实施例公开了一种语音处理方法、装置、电子设备和计算机可读存储介质。其中该语音处理方法包括：获取音频源中的音频信号；检测所述音频信号中的至少一个语音段；对所述语音段进行语音识别；响应于所述语音段被识别为语音，对所述语音段进行第一处理。通过上述方法，解决了现有技术中对语音的端点进行检测时候所可能发生误判的技术问题。

技术领域

本公开涉及语音处理领域，尤其涉及一种语音处理方法、装置、电子设备及计算机可读存储介质。

背景技术

作为一种人机交互的手段，语音识别技术在解放人类双手方面意义重大。但是，由于实际运行环境中存在着各种各样的背景噪声，这些噪声会严重降低语音的质量从而影响语音识别的准确率；另外，在存储或传输语音的场景下，连续的语音流在存储或传输的数据量上偏大，并且需要更多的语音处理计算工作量，因而容易降低语音应用的成功率等。因此，语音端点检测技术始终是语音处理技术领域研究的一大热点。

语音端点检测是指在噪声环境中检测语音的存在与否，并且检测出每段语音的前、后端点，通常用于语音编码、语音增强等语音处理系统中，只有检测到语音才会进行后续的处理，其余非语音音频部分不进行处理。在实际环境中，语音端点检测算法经常会受到环境噪声等干扰，容易将噪声或者人的咳嗽声等误识别为语音。这在某些应用场景下，尤其是智能音箱、智能家居等短语音命令识别场景下，上述缺陷可能会导致出现过早判断到了语音前、后端点的情况，从而导致用户真正的语音命令无法被正确识别，影响语音命令的识别率以及用户体验。因此，如果避免误将背景噪声和一些无意义的人声等判断为语音，一直都是比较棘手的问题。

针对上述缺陷，当前最常见的做法是针对可能出现的各种误判情况，收集一定量的误判音频进行模型训练，以降低这些误判情况对语音端点检测的影响。但是该方案只能达到一定程度上减少误判的效果，并不能从根本上解决问题。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供一种语音处理方法，包括：

获取音频源中的音频信号；

检测所述音频信号中的至少一个语音段；

对所述语音段进行语音识别；

响应于所述语音段被识别为语音，对所述语音段进行第一处理。

进一步的，所述检测所述音频信号中的至少一个语音段，包括：

将所述音频信号分为多个音频帧；

提取所述音频帧中的特征参数；

根据所述特征参数判断所述音频帧是否为语音帧；

将连续的语音帧合成一个语音段。

进一步的，所述根据所述特征参数判断所述音频帧是否为语音帧，包括：

响应于所述特征参数大于第一阈值，判断所述音频帧为语音帧。

进一步的，所述将连续的语音帧合成一个语音段，包括：

获取至少一个连续的语音帧序列；

响应于该语音帧序列的长度大于第二阈值，将所述语音帧序列合成一个语音段；

将所述语音帧序列中的第一个语音帧作为所述语音段的起点，将所述语音帧序列中的最后一个语音帧作为所述语音段的终点。

进一步的，所述对所述语音段进行语音识别，包括：

提取所述语音段中的语音特征；