[发明专利]语音处理方法、装置、设备及存储介质

权利要求书

1.一种语音处理方法，其特征在于，包括：

获取N个语音帧中每个语音帧的第一声学特征，N为大于1的正整数；

对N个所述第一声学特征采用神经网络算法，得到第一掩蔽阈值；

根据所述N个语音帧的语音活动检测VAD信息修正所述第一掩蔽阈值，得到第二掩蔽阈值；

根据第二掩蔽阈值对N个所述第一声学特征进行处理，得到第二声学特征；

其中，根据所述N个语音帧的语音活动检测VAD信息修正所述第一掩蔽阈值，包括：

计算所述VAD信息与所述第一掩蔽阈值的乘积，得到所述第二掩蔽阈值；

所述VAD信息包括：所述每个语音帧对应的VAD值；

相应的，所述根据所述N个语音帧的语音活动检测VAD信息修正所述第一掩蔽阈值之前，还包括：

确定所述N个语音帧中VAD值为1的M1个语音帧，以及，VAD值为0的P1个语音帧，所述M1个语音帧与所述P1个语音帧相邻，其中M1和P1均为大于1的正整数；

对所述M1个语音帧中的M2个语音帧对应的VAD值和所述P1个语音帧中的P2个语音帧对应的VAD值作平滑处理，以使所述M2个语音帧和所述P2个语音帧对应的VAD值由0渐变至1或者由1渐变至0，所述M2个语音帧与所述P2个语音帧相邻，其中1≤M2≤M1，1≤P2≤P1。

2.根据权利要求1所述的方法，其特征在于，所述确定所述N个语音帧中VAD值为1的M1个语音帧，以及，VAD值为0的P1个语音帧，包括：

确定所述N个语音帧中的每个语音帧对应的电话类型，所述类型包括：静音和非静音；

将所述类型为静音的语音帧确定为VAD值为0的语音帧；

将所述类型为非静音的语音帧确定为VAD值为1的语音帧。

3.根据权利要求2所述的方法，其特征在于，M2和P2通过hamming窗、三角窗或者hanning窗确定。

4.一种语音处理装置，其特征在于，包括：

获取模块，用于获取N个语音帧中每个语音帧的第一声学特征，N为大于1的正整数；

训练模块，用于对N个所述第一声学特征采用神经网络算法，得到第一掩蔽阈值；

修正模块，用于根据所述N个语音帧的语音活动检测VAD信息修正所述第一掩蔽阈值，得到第二掩蔽阈值；

第一处理模块，用于根据第二掩蔽阈值对N个所述第一声学特征进行处理，得到第二声学特征；

其中，所述修正模块具体用于：

计算所述VAD信息与所述第一掩蔽阈值的乘积，得到所述第二掩蔽阈值；

所述VAD信息包括：所述每个语音帧对应的VAD值；

相应的，所述装置还包括：

确定模块，用于确定所述N个语音帧中VAD值为1的M1个语音帧，以及，VAD值为0的P1个语音帧，所述M1个语音帧与所述P1个语音帧相邻，其中M1和P1均为大于1的正整数；

第二处理模块，用于对所述M1个语音帧中的M2个语音帧对应的VAD值和所述P1个语音帧中的P2个语音帧对应的VAD值作平滑处理，以使所述M2个语音帧和所述P2个语音帧对应的VAD值由0渐变至1或者由1渐变至0，所述M2个语音帧与所述P2个语音帧相邻，其中1≤M2≤M1，1≤P2≤P1。

5.根据权利要求4所述的装置，其特征在于，所述确定模块具体用于：

确定所述N个语音帧中的每个语音帧对应的电话类型，所述类型包括：静音和非静音；

将所述类型为静音的语音帧确定为VAD值为0的语音帧；

将所述类型为非静音的语音帧确定为VAD值为1的语音帧。

6.根据权利要求5所述的装置，其特征在于，M2和P2通过hamming窗、三角窗或者hanning窗确定。

7.一种语音处理设备，其特征在于，包括：

存储器和处理器；

所述存储器用于存储所述处理器的执行指令，以使所述处理器执行如权利要求1-3任一项所述的语音处理方法。

8.一种存储介质，其特征在于，包括：计算机可执行指令，所述指令用于实现如权利要求1-3任一项所述的语音处理方法。