[发明专利]语音的处理方法及装置、存储介质、电子设备

权利要求书

1.一种语音的处理方法，其特征在于，包括：

将语音输入预先训练好的音素预测模型，获得所述语音对应的预测音素，具体包括：对语音进行分帧处理；将分帧后的每一帧语音输入语音特征提取模块，获得所述每一帧语音的第一特征参数；将所述每一帧语音的第一特征参数输入所述预先训练好的音素预测模型，得到每一帧语音的音素预测结果；根据所述音素预测结果确定所述语音对应的预测音素；其中，所述音素预测结果包括：音素预测类别和音素预测向量；所述根据所述音素预测结果确定所述语音对应的预测音素包括：根据所述音素预测类别和所述音素预测向量确定所述语音对应的预测音素；

对所述预测音素与所述语音的标准音素进行音素相似度匹配，得到所述预测音素与所述语音的标准音素之间的音素相似度；

基于所述音素相似度确定所述语音是否满足采集要求。

2.根据权利要求1所述的方法，其特征在于，根据所述音素预测类别和所述音素预测向量确定所述语音对应的预测音素包括：

将所述音素预测类别和所述音素预测向量输入集束搜索模型或者贪婪搜索模型，得到所述语音对应的预测音素；或者，

根据每一类的所述音素预测类别，对其对应的所述音素预测向量进行求平均处理，得到所述语音对应的预测音素；或者，

将所述音素预测类别和所述音素预测向量进行聚类处理，得到所述语音对应的预测音素。

3.根据权利要求1或2所述的方法，其特征在于，所述音素预测模型包括语音特征提取模块、卷积神经网络、长短时记忆网络和CTC解码模块。

4.一种语音的处理装置，其特征在于，包括：

音素预测模块，用于将语音输入预先训练好的音素预测模型，获得所述语音对应的预测音素，具体包括：对语音进行分帧处理；将分帧后的每一帧语音输入语音特征提取模块，获得所述每一帧语音的第一特征参数；将所述每一帧语音的第一特征参数输入所述预先训练好的音素预测模型，得到每一帧语音的音素预测结果；根据所述音素预测结果确定所述语音对应的预测音素；其中，所述音素预测结果包括：音素预测类别和音素预测向量；所述根据所述音素预测结果确定所述语音对应的预测音素包括：根据所述音素预测类别和所述音素预测向量确定所述语音对应的预测音素；

音素相似度计算模块，用于对所述预测音素与所述语音的标准音素进行音素相似度匹配，得到所述预测音素与所述语音的标准音素之间的音素相似度；

判断模块，用于基于所述音素相似度确定所述语音是否满足采集要求。

5.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至3任一项中所述的方法。

6.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至3任一项中所述的方法。