[发明专利]一种语音端点检测方法及装置

说明书

本发明公开了一种语音端点检测方法及装置，该方法包括：在确定出有语音输入时，确定当前的网络传输速率；根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时；根据确定出的语音延时，得到语音输入的终止点。能够较好地解决在网络传输带宽不够的情况下，信号传输延时比较长，使得语音端点识别准确率较低的问题。

技术领域

本发明涉及移动多媒体技术领域，尤其是涉及一种语音端点检测方法及装置。

背景技术

随着人机信息交互技术的发展，语音识别技术显示出其重要性，语音识别需要确定语音端点。语音端点包括语音录入的起始点，以及语音录入的终止点。从语音录入的起始点开始计时，延时一段时长后得到语音录入的终止点。语音端点检测是语音识别是否正确的关键技术之一，可以在语音识别中提高识别精度及减少识别时间。

通常情况下，语音端点检测的具体流程如下述：

步骤一：接收用户输入的触发语音输入的触发指令。

用户可以通过点击语音输入按钮，触发启动终端中的语音输入程序，开启语音录入模式。

步骤二：接收用户录入的语音。

步骤三：终端进入语音录入状态，接收用户录入的语音的起始点。

步骤四：在检测到语音录入的起始点时，开始计时。

步骤五：计时结束后，得到语音录入的终止点。

步骤六：根据得到的语音起始点和语音终止点，完成语音端点检测。

但是，上述语音端点检测过程，语音录入时需要通过网络传输，因此在网络传输带宽不够的情况下，信号传输延时比较长，使得语音端点识别准确率较低。

发明内容

本发明提供了一种语音端点检测方法及装置，能够较好地解决在网络传输带宽不够的情况下，信号传输延时比较长，使得语音端点识别准确率较低的问题。

一种语音端点检测方法，包括：在确定出有语音输入时，确定当前的网络传输速率；根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时；根据确定出的语音延时，得到语音输入的终止点。

在语音端点确定的过程中，引入网络传输速率，最终根据当前的网络传输速率来确定语音延时，在高带宽的情况下，可以延长语音延时，在网路拥塞的情况下，可以缩短语音延时，从而增加语音识别等应用的成功率，从而增加语音端点检测的准确性。

按照下述公式确定当前的网络传输速率：

其中，V是当前的网络传输速率，P_c是语音输入过程中，语音编码队列的当前占用率，T_VA是语音输入的时长，R_c是语音输入过程中，输入的语音的编码速率。

在确定网络传输速率时，综合考虑语音编码队列的当前占用率，以及语音输入的时长，以及语音的编码速率，能够较好地提高确定出当前网络传输速率的准确性。

按照下述公式确定用于表征语音输入的时长的语音延时：

d＝S_D*V*α

其中，d是语音延时，V是当前的网络传输速率，S_D是设定的常量，α是网络传输速率的权重。

最终根据当前的网络传输速率来确定语音延时在高带宽的情况下，可以延长语音延时，在网路拥塞的情况下，可以缩短语音延时，从而增加语音识别等应用的成功率，从而增加语音端点检测的准确性。