[发明专利]应用于机器人的语音处理方法及装置

权利要求书

1.一种应用于机器人的语音处理方法，其特征在于，包括步骤：

获取机器人采集的场景音，并基于语音端点检测，分离出所述场景音中的语音部分；

预先建立声学模型，并基于所述声学模型识别所述语音部分，获得第一识别结果；

预先建立语言模型，并基于所述语言模型识别所述语音部分，获得第二识别结果；

根据所述第一识别结果和所述第二识别结果，获得语音处理结果。

2.根据权利要求1所述的应用于机器人的语音处理方法，其特征在于，所述获取机器人采集的场景音，并基于语音端点检测，分离出所述场景音中的语音部分的过程，包括步骤：

收集各应用场景下的非语音数据，通过深度神经网络进行语音与非语音建模，实现语音端点检测。

3.根据权利要求1或2所述的应用于机器人的语音处理方法，其特征在于，所述获取机器人采集的场景音，并基于语音端点检测，分离出所述场景音中的语音部分的过程，包括步骤：

结合短时场景下的BIC距离以及长时声纹相似性评估中的PLDA，分离出所述场景音中的语音部分。

4.根据权利要求1所述的应用于机器人的语音处理方法，其特征在于，所述预先建立声学模型的过程，包括步骤：

收集各发音风格的训练语音，以提高所述声学模型对发音变化的覆盖性；其中，所述训练语音用于训练所述声学模型。

5.根据权利要求1或4所述的应用于机器人的语音处理方法，其特征在于，所述预先建立声学模型的过程，包括步骤：

基于模型域、特征域以及特殊音素，进行所述声学模型的建模。

6.根据权利要求5所述的应用于机器人的语音处理方法，其特征在于，所述预先建立声学模型的过程，还包括步骤：

采用具有时序建模能力的循环神网经络，结合对音素、说话人、环境的预测，优化所述声学模型的建模。

7.根据权利要求1所述的应用于机器人的语音处理方法，其特征在于，所述预先建立语言模型的过程，还包括步骤：

采用基于字与基于词结合的循环神经网络建模以及语义语言模型，训练所述语言模型。

8.根据权利要求7所述的应用于机器人的语音处理方法，其特征在于，所述预先建立语言模型的过程，还包括步骤：

采用基于N-Gram的篇章级语言模型以及基于循环神经网络的篇章级自适应，优化所述语言模型。

9.一种应用于机器人的语音处理装置，其特征在于，包括：

语音分离模块，用于获取机器人采集的场景音，并基于语音端点检测，分离出所述场景音中的语音部分；

第一建立模块，用于预先建立声学模型，并基于所述声学模型识别所述语音部分，获得第一识别结果；

第二建立模块，用于预先建立语言模型，并基于所述语言模型识别所述语音部分，获得第二识别结果；

语音处理模块，用于根据所述第一识别结果和所述第二识别结果，获得语音处理结果。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现如权利要求1至8任意一项所述的应用于机器人的语音处理方法。