[发明专利]一种语音处理方法、装置、系统及计算机可读存储介质

说明书

本发明公开了一种语音处理方法、装置、设备及计算机可读存储介质，包括对待处理语音信号进行预处理，得到多个分帧音频信号；对每个分帧音频信号进行特征提取，得到与每个分帧音频信号一一对应的MFCC声学特征参数；采用预先建立的DNN分类模型对各个MFCC声学特征参数进行训练，得到与每个MFCC声学特征参数一一对应的类别信息，类别信息包括人声和非人声。本申请能够自动对待处理语音信号进行非人声分类，不仅减轻了工作人员的工作负担，还大大提高了工作效率和分类准确率。

技术领域

本发明实施例涉及语音处理技术领域，特别是涉及一种语音处理方法、装置、系统及计算机可读存储介质。

背景技术

语音鉴定通常应用与安防工作，是把作案人和嫌疑人的说话录音分别通过语图仪(声纹仪)转换成条带状或曲线形语图(即声纹)，根据语图所反映的音频、音强与时间等语音特性进行比较，就嫌疑人是否为作案时的言语人做出鉴别与判断。

为了确保语音鉴定的准确度，在进语音鉴定之前，需要对语音信号进行处理，将语音信号中的非人声识别出来，从而减少非人声对语音鉴定的影响。

现有技术中在对语音信号中的非人声进行分类识别时，通过采用人工标定的方式进行非人声识别，例如观察语音信号的频谱图或者通过听语音信号进行判断和识别，工作量较大，不仅容易出错，而且工作效率低。

鉴于此，如何提供一种解决上述技术问题的语音处理方法、装置、系统及计算机可读存储介质成为本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种语音处理方法、装置、系统及计算机可读存储介质，在使用过程中能够自动对待处理语音信号进行非人声分类，不仅减轻了工作人员的工作负担，还大大提高了工作效率和分类准确率。

为解决上述技术问题，本发明实施例提供了一种语音处理方法，包括：

对待处理语音信号进行预处理，得到多个分帧音频信号；

对每个所述分帧音频信号进行特征提取，得到与每个所述分帧音频信号一一对应的梅尔频率倒谱系数MFCC声学特征参数；

采用预先建立的DNN分类模型对各个所述MFCC声学特征参数进行训练，得到与每个所述MFCC声学特征参数一一对应的类别信息，所述类别信息包括人声和非人声。

可选的，所述对待处理语音信号进行预处理，得到多个分帧音频信号的过程为：

对所述待处理语音信号进行预加重、分帧和加汉明窗处理，得到多个所述分帧音频信号。

可选的，在所述得到与每个所述MFCC声学特征参数一一对应的类别信息之后，还包括：

依据各个所述类别信息确定出类别为非人声的各个分帧音频信号。

可选的，所述非人声包括寻呼声、彩铃声及客服语音。

本发明实施例相应的提供了一种语音处理装置，包括：

预处理模块，用于对待处理语音信号进行预处理，得到多个分帧音频信号；

提取模块，用于对每个所述分帧音频信号进行特征提取，得到与每个所述分帧音频信号一一对应的MFCC声学特征参数；

分类模块，用于采用预先建立的DNN分类模型对各个所述MFCC声学特征参数进行训练，得到与每个所述MFCC声学特征参数一一对应的类别信息，所述类别信息包括人声和非人声。

可选的，所述预处理模块，具体用于对所述待处理语音信号进行预加重、分帧和加汉明窗处理，得到多个所述分帧音频信号。

可选的，还包括：

筛选模块，用于依据各个所述类别信息确定出类别为非人声的各个分帧音频信号。