[发明专利]语音音区切换方法、装置、设备及存储介质

说明书

本申请公开了一种语音音区切换方法、装置、设备及存储介质，属于语音识别领域。所述方法包括：获取目标对象的语音音频，该语音音频为目标对象在当前时间使用语音客户端时所发出的音频，对该语音音频进行声源定位，以确定该语音音频对应的声源定位值，基于第一时间段内获取到的各个语音音频对应的声源定位值进行语音音区的切换。由于语音音频对应的声源定位值能够指示语音音频的来源方向，所以，在确定出语音音频对应的声源定位值之后，能够基于声源定位值确定当前时间使用语音客户端的目标对象是否来源于同一方向，进而基于第一时间段内各个语音音频对应的声源定位值进行语音音区的切换。

技术领域

本申请涉及语音识别领域，特别涉及一种语音音区切换方法、装置、设备及存储介质。

背景技术

目前，诸如语音助手等语音客户端的工作模式通常包括单音区模式和双音区模式，在语音客户端的工作模式为单音区模式的情况下，语音客户端通过单通道采集语音音频。在语音客户端的工作模式为双音区模式的情况下，语音客户端通过双通道采集语音音频。但是，在某些情况下，语音客户端的工作模式需要在单音区模式和双音区模式之间进行切换。因此，如何进行语音音区的切换成为目前亟待解决的问题。

发明内容

本申请提供了一种语音音区切换方法、装置、设备及存储介质。所述技术方案如下：

一方面，提供了一种语音音区切换方法，所述方法包括：

获取目标对象的语音音频，所述语音音频为所述目标对象在当前时间使用语音客户端时所发出的音频；

对所述语音音频进行声源定位，以确定所述语音音频对应的声源定位值；

基于第一时间段内获取到的各个语音音频对应的声源定位值进行语音音区的切换，所述第一时间段为包含所述当前时间且位于所述当前时间之前的一个时间段。

可选地，所述对所述语音音频进行声源定位，以确定所述语音音频对应的声源定位值，包括：

对所述语音音频进行声源定位，以确定所述目标对象为主驾人员还是副驾人员；

在所述目标对象为主驾人员的情况下，确定所述语音音频对应的声源定位值为第一数值；

在所述目标对象为副驾人员的情况下，确定所述语音音频对应的声源定位值为第二数值。

可选地，所述基于第一时间段内获取到的各个语音音频对应的声源定位值进行语音音区切换，包括：

在所述各个语音音频对应的声源定位值均相同，且所述语音客户端的工作模式为单音区模式的情况下，保持所述语音客户端的工作模式不变；

在所述各个语音音频对应的声源定位值均相同，且所述语音客户端的工作模式为双音区模式的情况下，切换所述语音客户端的工作模式为单音区模式；

在所述各个语音音频对应的声源定位值存在不同，且所述语音客户端的工作模式为单音区模式的情况下，切换所述语音客户端的工作模式为双音区模式；

在所述各个语音音频对应的声源定位值存在不同，且所述语音客户端的工作模式为双音区模式的情况下，保持所述语音客户端的工作模式不变。

可选地，所述基于第一时间段内获取到的各个语音音频对应的声源定位值进行语音音区切换，包括：

获取第二时间段内的各个语音音频对应的声源定位值，所述第二时间段为所述第一时间段之前且距离所述第一时间段最近的一个时间段；

基于所述第一时间段内的各个语音音频对应的声源定位值，以及所述第二时间段内的各个语音音频对应的声源定位值，进行语音音区的切换。

可选地，所述基于所述第一时间段内的各个语音音频对应的声源定位值，以及所述第二时间段内的各个语音音频对应的声源定位值，进行语音音区的切换，包括：