[发明专利]语音检测方法、装置、介质及电子设备

说明书

本公开的实施方式提供了一种语音检测方法、装置、介质及电子设备，涉及语音识别技术领域。该方法包括：获取待检测信号，确定待检测信号对应的全频谱值；根据全频谱值确定待检测信号的偏值平坦度，根据偏值平坦度确定待检测信号的第一语音活动性检测结果；对待检测信号进行语音活动检测，得到第二语音活动性检测结果；根据第一语音活动性检测结果与第二语音活动性检测结果确定待检测信号的目标语音检测结果。本公开可以检测出待检测信号中是否包含语音，可以有效提高语音活动性检测过程中语音命中率和非语音命中率。

技术领域

本公开的实施方式涉及语音识别技术领域，更具体地，本公开的实施方式涉及语音检测方法、语音检测装置、计算机可读存储介质及电子设备。

背景技术

本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

语音活动性检测(Voice Activity Detection，VAD)是判断当前信号是否有语音的技术，在语音处理中至关重要，也有非常多的用途。对于节省带宽来说，如果判断当前信号帧不含有语音，可以选择不发音频帧节省带宽。对于自动增益控制(Adaptive GainControl，AGC)来说，如果判断当前信号不含有语音，可以缩小抑制当前信号，如果判断当前信号含有语音，可以增大信号。对于语音噪声抑制(Audio Noise Suppression，ANS)来说，如果判断当前信号不含有语音，可以将其视为噪声并跟踪，进而准确抑制噪声，如果判断当前信号含有语音，不用此时信号更新噪声，进而保护语音。

发明内容

为此，本公开提出一种语音检测方法，以使对待检测信号进行语音活动检测时，可以同时具有较高的(Speech Hit Ratio，SHR)与非语音命中率(Non-speech Hit Ratio，NHR)，提高语音检测的鲁棒性。

在本上下文中，本公开的实施方式期望提供一种语音检测方法、语音检测装置、计算机可读存储介质及电子设备。

在本公开实施方式的第一方面中，提供了一种语音检测方法，包括：获取待检测信号，确定待检测信号对应的全频谱值；根据全频谱值确定待检测信号的偏值平坦度，根据偏值平坦度确定待检测信号的第一语音活动性检测结果；对待检测信号进行语音活动检测，得到第二语音活动性检测结果；根据第一语音活动性检测结果与第二语音活动性检测结果确定待检测信号的目标语音检测结果。

在本公开的一个实施例中，根据全频谱值确定待检测信号的偏值平坦度，包括：确定待检测信号包含的帧信号以及帧信号数量；对帧信号进行频谱转换处理，得到对应的帧信号频谱；根据全频谱值、帧信号频谱与帧信号数量确定偏值平坦度。

在本公开的一个实施例中，偏值平坦度包括待检测信号中所有帧信号对应的偏值平坦度；根据偏值平坦度确定待检测信号的第一语音活动性检测结果，包括：获取平坦度阈值，将偏值平坦度与平坦度阈值进行对比；偏值平坦度基于待检测信号中各帧信号的帧信号频谱确定；确定目标帧信号，如果目标帧信号的偏值平坦度大于等于平坦度阈值，则将第一语音活动性检测结果确定为目标帧信号是非语音信号；如果目标帧信号的偏值平坦度小于平坦度阈值，则将第一语音活动性检测结果确定为目标帧信号是语音信号。

在本公开的一个实施例中，对待检测信号进行语音活动检测，得到第二语音活动性检测结果，包括：获取待检测信号的帧信号数量，根据帧信号数量确定待检测信号对应的检测周期时长；获取待检测信号的帧信号频谱，根据帧信号频谱确定待检测信号的帧信号能量；根据帧信号能量与检测周期时长对待检测信号进行帧级语音活动检测，得到第二语音活动性检测结果。

在本公开的一个实施例中，根据帧信号能量与检测周期时长对待检测信号进行帧级语音活动检测，得到第二语音活动性检测结果，包括：根据检测周期时长确定帧级语音活动检测对应的多个检测周期；确定各检测周期对应的最小能量值；将各检测周期内的帧信号能量分别与最小能量值进行对比，以根据能量对比结果确定第二语音活动性检测结果。