[发明专利]长语音端点检测方法与装置、存储介质、电子设备

说明书

本公开属于语音检测技术领域，涉及一种长语音端点检测方法及装置、计算机可读存储介质、电子设备。该方法包括：获取待检测长语音的语音信号，并对语音信号进行分窗处理得到检测窗；在检测窗中确定一采样点为起始检测点，并计算起始检测点的起始能量比率；根据起始检测点确定另一采样点为终止检测点，并计算终止检测点的终止能量比率；根据起始能量比率确定起始检测点为待检测长语音的语音起始点，并根据终止能量比率确定终止检测点为待检测长语音的语音终止点。本公开减少对短促语音片段的孤立，使得端点检测更连贯，进一步减少了后续合并处理工作带来的复杂度，避免了漏掉有效语音片段，也使得端点检测的准确度更高。

技术领域

本公开涉及语音检测技术领域，尤其涉及一种长语音端点检测方法与长语音端点检测装置、计算机可读存储介质及电子设备。

背景技术

语音信号端点检测技术是语音信号处理技术中一个非常重要的方向，目的是从一段包含语音的信号中准确地检测出语音的起始点和终止点，以区分语音信号和非语音信号。有效的语音信号端点检测不仅能在语音识别、声纹识别等系统中减少语音数据采集的成本，节约处理时间，还能排除无声段和噪声段的干扰，提升系统的性能。

目前应用最为广泛的语音信号端点检测技术是双门限法。双门限法根据信号的短时能量和短时过零率这两个特征参数来区分语音和非语音。但是，双门限法需要设置很多阈值，对于底噪不同的语音信号，每一次都调整阈值几乎是不可能的。除此之外，双门限法用到的的都是短时的特征，在应用于长语音时，很容易判断失误。

鉴于此，本领域亟需开发一种新的长语音端点检测方法及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种长语音端点检测方法、长语音端点检测装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的检测不准确和长语音不适用等问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本发明实施例的第一个方面，提供一种长语音端点检测方法，所述方法包括：获取待检测长语音的语音信号，并对所述语音信号进行分窗处理得到检测窗；

在所述检测窗中确定一采样点为起始检测点，并计算所述起始检测点的起始能量比率；

根据所述起始检测点确定另一采样点为终止检测点，并计算所述终止检测点的终止能量比率；

根据所述起始能量比率确定所述起始检测点为所述待检测长语音的语音起始点，并根据所述终止能量比率确定所述终止检测点为所述待检测长语音的语音终止点。

在本发明的一种示例性实施例中，所述计算所述起始检测点的起始能量比率，包括：获取所述起始检测点之前的第一前序采样点的第一前序幅值，并获取所述起始检测点之后的第一后序采样点的第一后序幅值；

对所述第一前序幅值和所述第一后序幅值进行计算得到起始能量比率。

在本发明的一种示例性实施例中，所述对所述第一前序幅值和所述第一后序幅值进行计算得到起始能量比率，包括：对所述第一前序幅值进行计算得到第一前序能量值，并对所述第一后序幅值进行计算得到第一后序能量值；

对所述第一前序能量值和所述第一后序能量值进行计算得到起始能量比率。

在本发明的一种示例性实施例中，所述计算所述终止检测点的终止能量比率，包括：获取所述终止检测点之前的第二前序采样点的第二前序幅值，并获取所述终止检测点之后的第二后序采样点的第二后序幅值；

对所述第二前序幅值和所述第二后序幅值进行计算得到终止能量比率。