[发明专利]一种语音处理方法及装置

说明书

本申请公开了一种语音处理方法及装置，首先一种语音处理方法，所述方法包括：接收第一语音信息；使用声纹识别模型对所述第一语音信息进行声纹识别，判断是否具有输出所述第一语音信息的声纹源的记录；若有所述记录，在所述声纹源对应的声纹库中搜索是否具有所述第一语音信息；若在所述声纹库中具有所述第一语音信息，输出与所述第一语音信息对应的第一语音结果；若在声纹库中没有所述第一语音信息，在基本语音库中搜索所述第一语音信息。使用该方法进行语音识别操作，并没有依赖于用户修改的输出文本，仅使用了语音进行处理，因此处理过程简单，效率高，相较于基于修改的输出文本来说，还具有耗时低的特点。

技术领域

本发明涉及音频处理技术领域，特别涉及一种语音处理方法及装置。

背景技术

随着通信领域的飞速发展，目前，语音识别技术已经能够使人机之间进行交互，通过系统对用户进行语音识别，来实现人机交互。

而语音识别的原理具体如下：

如图1所示，

S10，获得语音信息。

S11，对语音信息进行预处理，如分帧、预加重、加窗等。

S12，在预处理之后，提取特征参数。

该特征参数是用来表征语音信息的特征参数。

S13，将该特征参数带入在语音库存储的语音模型中进行搜索，输出与该特征参数最匹配的结果。

在上述步骤中，使用了语音模型，语音模型是表示词汇的基于统计方法得到的模型，由多个语音特征参数样本经过训练得来的。

而语音模型中的词汇是普通词汇，并且是基于标准的口音发音而形成的模型，因此，对于一些具体用户来说并不适用，比如某一个用户具有地方口音，或发音音调与语音模型中不同，则当用户输出一语音信息，即使是语音模型中已有的词汇，系统也很难识别。

而为了解决这一问题，现有技术采用了下面的技术方案：

用户在需要进行人机交互时，向系统输入语音信息，系统会根据用户输入的语音信息，输出相应的文本在一文本框内，以便用户修改，并根据用户对文本的修改情况，综合用户输入的语音信息，来进行人机交互，以此解决了上述当用户具有地方口音，或发音音调与语音模型中不同，或者用户输入的词汇语音模型中并不存在时，系统无法识别的技术问题。

而进一步的，系统还会根据判断结果，向系统添加新词汇、新发音，然后根据这些新词汇以及新发音来调整语言模型。

而本申请人在实现本申请的过程中发现，使用上述方法时，系统会依赖于用户修改的输出文本进行语音识别操作，进而导致识别过程复杂，效率低，以及耗时长的技术问题。

发明内容

本发明提供一种语音处理方法及装置，用以解决现有技术中存在的系统会依赖于用户修改的输出文本进行语音识别操作，进而导致识别过程复杂，效率低，以及耗时长的技术问题。

一方面，本发明通过本申请的一个实施例，提供如下技术方案：

一种语音处理方法，所述方法包括：接收第一语音信息；使用声纹识别模型对所述第一语音信息进行声纹识别，判断是否具有输出所述第一语音信息的声纹源的记录；若有所述记录，在所述声纹源对应的声纹库中搜索是否具有所述第一语音信息；若在所述声纹库中具有所述第一语音信息，输出与所述第一语音信息对应的第一语音结果；若在声纹库中没有所述第一语音信息，在基本语音库中搜索所述第一语音信息。

另一方面，本发明通过本申请的另一实施例提供：