[发明专利]语音起点和终点检测方法、装置、计算机设备及存储介质

说明书

本发明公开了语音起点和终点检测方法、装置、计算机设备及存储介质，其中方法包括：获取待检测的语音数据；将语音数据分割为语音片段，语音片段数大于一；基于预先训练得到的语音活动检测模型，分别确定出各语音片段的语音状态；根据语音状态确定出语音数据的起点和终点。应用本发明所述方案，能够提高检测结果的准确性等。

【技术领域】

本发明涉及语音处理技术，特别涉及语音起点和终点检测方法、装置、计算机设备及存储介质。

【背景技术】

随着技术的发展，出现了各种具有语音交互功能的产品，如智能音箱、智能电视、智能冰箱等。

语音交互中很重要的一点，就是能够检测出语音的起点和终点。

检测起点的必要性在于：可以将真正的语音提取出来，比如，智能音箱一直处于待机状态，时刻监听着环境中的语音，如果每一帧语音数据均进行语音识别的处理，无疑会给系统带来很大的功耗，语音起点的检测，可以让系统只关注有人说话的片段，而对其它如噪声段不作处理。

检测终点的必要性在于：当用户说出了他的请求，系统需要快速给出反应，若有延迟可能用户就会抱怨“系统反应太慢”等，比如，用户说出了他的请求“北京今天的天气”，用户希望在说出请求之后，系统能够及时告诉他“北京今天多云”等。

现有技术中提出了各种语音起点和终点检测方法，如基于信号处理的方法、利用分类模型进行检测的方法等。但这些方法都比较容易出现检测错误，如出现起点的误报和漏报以及终点的误报和漏报等。

其中，起点的误报包括：将噪声段分类成了语音，从而将噪声传给了后台的语音识别器，进而增加了系统的功耗，如果后台服务在云端，还会增加流量。

起点的漏报包括：语音的起点没有检测到，因此没有任何语音被传递到后台的语音识别器，这种情况时有发生，比如用户说话的声音很小，从而错误地将用户的小声说话当做背景噪声来处理，进而使得后台的语音识别器接收不到任何语音。

终点的误报包括：提前截止，即用户还没有说完话，就认为语音结束了，这种情况多出现在用户说话“虎头蛇尾”的时候，如声音越说越小，或者，用户具有较长时间的停顿，如用户说出“北京今天的天气”之后，喘了口气，再接着说“适合外出爬山吗”，如果终点检测过于敏感，就会分成两句话来处理。

终点的漏报包括：长时间不截止，这种情况多出现在环境比较嘈杂的时候，用户虽然说话结束，但由于背景噪声比较大，就不会截断，造成的后果就是，用户说完了“北京今天天气怎么样”，然后一直在等待系统给出反应。

无论是出现了误报还是漏报，均降低了检测结果的准确性。

【发明内容】

有鉴于此，本发明提供了语音起点和终点检测方法、装置、计算机设备及存储介质。

具体技术方案如下：

一种语音起点和终点检测方法，包括：

获取待检测的语音数据；

将所述语音数据分割为语音片段，所述语音片段数大于一；

基于预先训练得到的语音活动检测模型，分别确定出各语音片段的语音状态；

根据所述语音状态确定出所述语音数据的起点和终点。

根据本发明一优选实施例，至少相邻两个语音片段之间存在重叠。

根据本发明一优选实施例，所述语音活动检测模型包括：卷积神经网络模型。

根据本发明一优选实施例，所述基于预先训练得到的语音活动检测模型，分别确定出各语音片段的语音状态包括：

利用所述语音活动检测模型对所述语音片段进行分类；