[发明专利]网络电话语音识别方法、装置、计算机设备和存储介质

说明书

本发明实施例公开了一种网络电话语音识别方法、装置、计算机设备和存储介质，所述方法包括：确定网络电话语音的能量断句概率，并基于所述能量断句概率确定所述网络电话语音中的候选断句点；确定所述候选断句点前后时刻的网络电话语音属于不同说话人的概率；依据所述候选断句点的能量断句概率和所述不同说话人的概率确定所述候选断句点的语音断句概率；基于所述候选断句点的语音断句概率对所述候选断句点进行筛选，并依据筛选结果对所述网络电话语音进行断句处理得到所述网络电话语音中包含的语音分句。解决了传统的能量断句方法语音断句的准确率低而导致语音识别正确率不高的问题，实现了网络电话语音的准确语音断句的效果。

技术领域

本发明实施例涉及语音识别和语音处理技术，尤其涉及一种网络电话语音识别方法、装置、计算机设备和存储介质。

背景技术

随着通信行业的快速发展，IP电话(Voice Over Internet Protocol，网络电话)成为一种大众普遍使用的交流方式，IP电话过程中的语音识别技术也变得十分重要，尤其是语音断句识别技术。

当前的语音识别过程为：语音信号预处理→语音断句→语音识别，语音预处理包括语音解码和去噪等，语音断句将连续的语音拆分为句子片段，语音识别采用特征提取、声学模型、语言模型和解码器等。其中，语音断句采用传统的基于能量的检测的方法进行判定。

但是在上述现有的技术方案中，基于能量的语音断句的缺点包括：无法过滤噪音和无效的语音，且对说话人的要求较高，中间不能有停顿。但是通常情况下IP电话过程中的语音质量时好时坏，导致语音断断续续。

发明内容

本发明实施例提供一种网络电话语音识别方法、装置、计算机设备和存储介质，以实现对IP电话语音的准确语音断句。

第一方面，本发明实施例提供了一种网络电话语音识别方法，该方法包括：

确定网络电话语音的能量断句概率，并基于所述能量断句概率确定所述网络电话语音中的候选断句点；

确定所述候选断句点前后时刻的网络电话语音属于不同说话人的概率；

依据所述候选断句点的能量断句概率和所述不同说话人的概率确定所述候选断句点的语音断句概率；

基于所述候选断句点的语音断句概率对所述候选断句点进行筛选，并依据筛选结果对所述网络电话语音进行断句处理得到所述网络电话语音中包含的语音分句。

第二方面，本发明实施例还提供了一种网络电话语音识别装置，该装置包括：

候选断句点获取模块，用于确定网络电话语音的能量断句概率，并基于所述能量断句概率确定所述网络电话语音中的候选断句点；

语音归属检测模块，用于确定所述候选断句点前后时刻的网络电话语音属于不同说话人的概率；

语音断句概率确定模块，用于依据所述候选断句点的能量断句概率和所述不同说话人的概率确定所述候选断句点的语音断句概率；

语音断句处理模块，基于所述候选断句点的语音断句概率对所述候选断句点进行筛选，并依据筛选结果对所述网络电话语音进行断句处理得到所述网络电话语音中包含的语音分句。

第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一所述的网络电话语音识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一所述的网络电话语音识别方法。