[发明专利]语音端点检测方法、装置、设备及存储介质

权利要求书

1.一种语音端点检测方法，其特征在于，所述语音端点检测方法包括以下步骤：

获取待检测的输入语音以及预置语音帧检测模型；

对所述输入语音进行分帧处理，得到多个带时序的语音帧；

依次将所述输入语音的各语音帧输入所述语音帧检测模型进行检测，输出各语音帧对应的第一检测结果；

依次对所述输入语音的各语音帧进行谐波能量检测，得到各语音帧对应的第二检测结果；

基于所述第一检测结果与所述第二检测结果，确定各语音帧对应的帧类别，所述帧类别包括有效语音帧、噪声帧；

基于各语音帧对应的帧类别，确定所述输入语音的语音开始端点与语音结束端点。

2.如权利要求1所述的语音端点检测方法，其特征在于，所述语音帧检测模型包括：语音模型和噪声模型；在所述获取待检测的输入语音以及预置语音帧检测模型的步骤之前，还包括：

以正常语音数据为训练样本，采用预设第一机器学习算法进行训练，构建语音模型，以供用于检测有效语音帧；

以真实环境噪声为训练样本，采用预设第二机器学习算法进行训练，构建噪声模型，以供用于检测噪声帧。

3.如权利要求2所述的语音端点检测方法，其特征在于，所述依次将所述输入语音的各语音帧输入所述语音帧检测模型进行检测，输出各语音帧对应的第一检测结果包括：

依次将所述输入语音的各语音帧输入所述语音模型进行检测，输出每一语音帧为有效语音帧的第一概率值；

依次将所述输入语音的各语音帧输入所述噪声模型进行检测，输出每一语音帧为噪声帧的第二概率值；

基于所述第一概率值与所述第二概率值，输出各语音帧对应的第一检测结果，其中，若语音帧为有效语音帧的第一概率值大于为噪声帧的第二概率值，则判定语音帧为有效语音帧，否则为噪声帧。

4.如权利要求1所述的语音端点检测方法，其特征在于，所述依次对所述输入语音的各语音帧进行谐波能量检测，得到各语音帧对应的第二检测结果包括：

依次提取所述输入语音的第i帧语音帧在时域上的短时语音能量；

判断第i帧语音帧对应的短时语音能量是否大于预置短时语音能量；

若是，则判定第i帧语音帧为有效语音帧，否则为噪声帧。

5.如权利要求4所述的语音端点检测方法，其特征在于，所述短时语音能量的计算公式如下:

其中，M(i)表示第i帧语音帧的短时语音能量；x(n)表示语音波形时域信号；w(n)表示窗函数；y_i(n)表示经过w(n)分帧处理后得到的第i帧语音信号；b表示帧移长度；n＝1,2,…L；i＝1,2,…f_n；L表示帧长，f_n表示分帧后的总帧数。

6.如权利要求3所述的语音端点检测方法，其特征在于，所述基于所述第一检测结果与所述第二检测结果，确定各语音帧对应的帧类别包括：

若所述第一检测结果为语音帧为有效语音帧、所述第二检测结果为语音帧为有效语音帧，则判定语音帧对应的帧类别为有效语音帧；

若所述第一检测结果为语音帧为有效语音帧、所述第二检测结果为语音帧为噪声帧，则判定语音帧对应的帧类别为噪声帧；

若所述第一检测结果为语音帧为噪声帧、所述第二检测结果为语音帧为有效语音帧，则判定语音帧对应的帧类别为噪声帧；

若所述第一检测结果为语音帧为噪声帧、所述第二检测结果为语音帧为噪声帧，则判定语音帧对应的帧类别为噪声帧。