[发明专利]语音识别方法、装置、电子设备及可读存储介质

说明书

本发明提供了一种语音识别方法、装置、电子设备及可读存储介质，所述方法包括：获取目标人物对应的语音文件按照预设帧长划分的多个语音帧；对于各语音帧，生成所述语音帧的特征向量；对所述各语音帧的特征向量进行聚类，生成特征中心向量；根据参考噪声帧的特征中心向量，从所述各语音帧的特征中心向量中确定包含语音信息的特征中心向量，并生成目标语音特征中心向量，所述参考噪声帧为所述多个语音帧中的噪声帧，所述目标语音特征中心向量用于确定所述目标人物的身份信息。解决了现有技术中去噪导致的识别较慢、无法去掉所有噪声导致语音识别准确度较低的问题，能够直接提取特征，并将噪声弱化，提高了识别的速度和准确度。

技术领域

本发明实施例涉及语音识别技术领域，尤其涉及一种语音识别方法、装置、电子设备及可读存储介质。

背景技术

随着语音识别技术的迅速发展，语音作为身份识别的有效手段逐渐成熟。

现有技术中，专利申请CN107610707A提出了一种声纹识别方法、装置、电子设备及可读存储介质：首先，通过预处理对语音数据进行去噪，得到有效语音数据；然后，从有效语音数据中提取MFCC(Mel-frequency cepstral coefficients,梅尔频率倒谱系数)声学特征，得到MFCC维度及语音分帧数的特征矩阵；最后，根据特征矩阵从预设特征矩阵集中确定语音数据的说话人。

然而，去噪处理运算复杂度较大，导致语音识别速度较慢，且去噪处理具有针对性，无法保证去掉所有噪声，导致语音识别准确率较低。

发明内容

本发明提供一种语音识别方法、装置、电子设备及可读存储介质，以解决现有技术语音识别的上述问题。

根据本发明的第一方面，提供了一种语音识别方法，所述方法包括：

获取目标人物对应的语音文件按照预设帧长划分的多个语音帧；

对于各语音帧，生成所述语音帧的特征向量；

对所述各语音帧的特征向量进行聚类，生成特征中心向量；

根据参考噪声帧的特征中心向量，从所述各语音帧的特征中心向量中确定包含语音信息的特征中心向量，并生成目标语音特征中心向量，所述参考噪声帧为所述多个语音帧中的噪声帧，所述目标语音特征中心向量用于确定所述目标人物的身份信息。

根据本发明的第二方面，提供了一种语音识别装置，所述装置包括：

语音帧划分模块，用于获取目标人物对应的语音文件按照预设帧长划分的多个语音帧；

特征向量生成模块，用于对于各语音帧，生成所述语音帧的特征向量；

特征中心向量生成模块，用于对所述各语音帧的特征向量进行聚类，生成特征中心向量；

目标语音特征中心向量生成模块，用于根据参考噪声帧的特征中心向量，从所述各语音帧的特征中心向量中确定包含语音信息的特征中心向量，并生成目标语音特征中心向量，所述参考噪声帧为所述多个语音帧中的噪声帧，所述目标语音特征中心向量用于确定所述目标人物的身份信息。

根据本发明的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现前述语音识别方法。

根据本发明的第四方面，提供了一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述语音识别方法。