[发明专利]语音端点检测方法、装置、电子设备及存储介质

说明书

本公开公开了语音端点检测方法、装置、电子设备及存储介质，涉及深度学习以及智能语音等人工智能领域，其中的方法可包括：获取时间对齐的语音数据及视频数据；利用训练得到的语音检测模型，对语音数据进行语音起点和语音尾点的第一检测；对视频数据进行唇动起点和唇动尾点的第二检测；利用第二检测结果对第一检测结果进行修正，将修正后的结果作为语音端点检测结果。应用本公开所述方案，可提升语音端点检测结果的准确性等。

技术领域

本公开涉及人工智能技术领域，特别涉及深度学习以及智能语音等领域的语音端点检测方法、装置、电子设备及存储介质。

背景技术

近年来，人机交互类产品的应用越来越普及，比如，在银行大厅、百货商场以及医院等场合，经常能够看到人机交互类产品。

为进行准确的语音交互，通常需要对采集的语音数据进行语音端点检测(VAD，Voice Activity Detection)，语音端点检测结果的准确性会直接影响到人机交互的成功率等。

目前，通常采用训练得到的语音检测模型来对语音数据进行语音端点检测，即进行语音起点和语音尾点的检测。但这种方式在复杂噪音环境下，尤其是当噪音为周围人声(背景人声)的情况下，检测效果通常较差，即检测结果的准确性不高。

发明内容

本公开提供了语音端点检测方法、装置、电子设备及存储介质。

一种语音端点检测方法，包括：

获取时间对齐的语音数据及视频数据；

利用训练得到的语音检测模型，对所述语音数据进行语音起点和语音尾点的第一检测；

对所述视频数据进行唇动起点和唇动尾点的第二检测；

利用第二检测结果对第一检测结果进行修正，将修正后的结果作为语音端点检测结果。

一种语音端点检测装置，包括：获取模块、第一检测模块、第二检测模块以及修正模块；

所述获取模块，用于获取时间对齐的语音数据及视频数据；

所述第一检测模块，用于利用训练得到的语音检测模型，对所述语音数据进行语音起点和语音尾点的第一检测；

所述第二检测模块，用于对所述视频数据进行唇动起点和唇动尾点的第二检测；

所述修正模块，用于利用第二检测结果对第一检测结果进行修正，将修正后的结果作为语音端点检测结果。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如以上所述的方法。

上述公开中的一个实施例具有如下优点或有益效果：结合了语音检测模型以及唇动检测技术，利用唇动检测结果来对语音检测模型检测到的语音起点和语音尾点进行修正，从而提升了语音端点检测结果的准确性等。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：