[发明专利]一种机器人秘书智能会议记录方法及系统

说明书

本发明涉及一种机器人秘书智能会议记录方法及系统，方法包括如下步骤：S1.从麦克风接收语音并处理语音，将其转换为文本；S2.话者识别：S21.语音活动检测；S22.梅尔频率倒谱系数特征提取；S23.构造高斯混合模型；S3.说话者声音的分段。本发明的有益效果在于：智能化程度较高，话者语音识别效果好，能够提供令人满意的用户体验。

技术领域

本发明涉及智能通讯技术领域，尤其涉及一种机器人秘书智能会议记录方法及系统。

背景技术

随着人工智能和智能机器人的发展，智能会议记录系统得到了应用，并且高性能的智能会议记录系统变得至关重要，尤其是智能服务机器人作为智能个人助理，能够提供令人满意的用户体验。智能会议记录系统需要几种重要的关键技术，即语音识别，话者识别和音箱声音分割，随着深入学习和神经网络的发展，语音识别已经大大提高，实现了接近人类识别能力的高性能。话者识别是通过声音特征(语音生物识别)来鉴定说话人，扬声器识别可以根据不同的类别进行分类：文本依赖或独立文本，验证(决定该人是否)或识别 (通过其声音来决定该人是谁)。话者识别能力可能受到年龄、健康状况、情绪状态、扬声器的工作量、背景噪声和录音设备性能的干扰，话者识别是人机互动(HCI)的重要组成部分。说话人确认对于电信、电话银行和电话预约服务等商业应用来说可能至关重要。

对于话者识别系统，将高斯混合模型(GMM)应用于从语音中提取的混合频率系数(MFCC)特征，以识别声音属于哪个说话者是比较流行的。话者识别已经被广泛应用于许多场合，然而，它仅适用于单个扬声器的声音，并且在应用说话者识别程序之前，包括多个说话者的声音需要被分成多个扬声器的部分。

发明内容

有鉴于此，本发明的目的是提供一种机器人秘书智能会议记录方法及系统，以解决现有技术中的不足。

为了达到上述目的，本发明的目的是通过下述技术方案实现的：

一方面，提供一种机器人秘书智能会议记录方法，包括如下步骤：

S1.从麦克风接收语音并处理语音，将其转换为文本；

S2.话者识别：

S21.语音活动检测：先对信号进行滤波以去除沉默部分，应用LTSD算法来去除静音部分，其中语音被分割成重叠的帧，并且对于每个帧给出在该帧中存在语音活动的概率的分数，这个概率将被累积，以提取所有的声音活动；

S22.梅尔频率倒谱系数特征提取：

S221.语音被分成长度为L的连续的短时间帧，其中相邻的帧已经重叠R，然后这些帧被汉明窗分隔成多个窗口；对窗口信号应用离散傅里叶变换来计算频谱；

S222.在信号频谱上应用梅尔倒频谱系数，然后根据频谱上的梅尔倒频谱系数应用滤波器组，计算每个存储体下的能量对数，并执行离散余弦变换以获得数组，使用阵列中的第一个k项作为特征；

S23.构造高斯混合模型：对于每个数据点，估计每个高斯产生的概率；修改高斯混合模型的参数，使数据的可能性最大化；

S3.说话者声音的分段：

基于分割的方法应用语音活动检测算法来检测语音和非语音帧，以将记录的声音分段成说话者部分，然后将高斯混合模型应用于每个部分的梅尔频率倒谱系数特征，以识别来自哪个说话人。

上述机器人秘书智能会议记录方法，其中，在步骤S1中，当提取声音时，将每段声音分成扬声器的声部，如果最后一个部分是语音，则在中间部分切割，同时将最后一个语音部分结合到下一个部分，并再次处理，最后将分段说话者的声音发送到语音识别服务器，获得结果文本。

上述机器人秘书智能会议记录方法，其中，在步骤S23中，高斯混合模型假定属于该模型的特征向量x的概率如下：