[发明专利]语音端点检测方法、装置、计算机设备及存储介质

权利要求书

1.一种语音端点检测方法，其特征在于，所述方法包括：

对待检测语音进行预检测，以从所述待检测语音中提取第一混合音片段，所述第一混合音片段包含语音信号和非稳态噪声信号；

对所述第一混合音片段进行音高检测，以从所述第一混合音片段中提取第二混合音片段和浊音信号片段，所述第二混合音片段中包含所述非稳态噪声信号和清音信号；

根据所述第一混合音片段中的第一个浊音信号片段的起始点，确定所述第一混合音片段中的语音起始端点；

根据所述第一混合音片段中的最后一个浊音信号片段的结束点，确定所述第一混合音片段中的语音结束端点。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一混合音片段中的第一个浊音信号片段的起始点，确定所述第一混合音片段中的语音起始端点，包括：

当所述第一个浊音信号片段前存在所述第二混合音片段时，在所述第一个浊音信号片段前的预定时域范围内检测能量值；

若在所述预定时域范围内存在能量波谷，分别获取所述第二混合音片段的起始点与所述第一个浊音信号片段的距离关系以及所述第一个浊音信号片段前指定时长的时间点与所述第一个浊音信号片段的距离关系；

确定所述第二混合音片段的起始点与所述第一个浊音信号片段前指定时长的时间点中距离所述第一浊音信号片段最近的一个为所述语音起始端点。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若在所述预定时域范围内不存在能量波谷，则将所述第一个浊音信号片段的起始点，作为所述语音起始端点。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一混合音片段中的最后一个浊音信号片段的结束点，确定所述第一混合音片段中的语音结束端点，包括：

将所述最后一个浊音信号片段的结束点，作为所述语音结束端点。

5.根据权利要求1所述的方法，其特征在于，所述对所述第一混合音片段进行音高检测，以从所述第一混合音片段中提取第二混合音片段和浊音信号片段，包括：

对所述第一混合音片段进行频率检测，获得所述第一混合音片段的自相关信息；

提取所述第一混合音片段中，所述自相关信息的峰值高于预设阈值且处于语音信号基音频率范围内的语音片段作为所述浊音信号片段；

将所述第一混合音片段中，除了所述浊音信号片段之外的语音片段作为所述第二混合音片段。

6.根据权利要求1所述的方法，其特征在于，所述对待检测语音进行预检测，以从所述待检测语音中提取第一混合音片段，包括：

对所述待检测语音进行分帧处理，得到多个待检测语音帧，每个所述待检测语音帧中包含数量相同的采样点；

获取各个所述待检测语音帧的能量值，所述待检测语音帧的能量值是所述待检测语音帧中各个所述采样点的能量值之和；

根据各个所述待检测语音帧的能量值与预设能量值阈值的关系，从所述待检测语音中提取所述第一混合音片段。

7.根据权利要求6所述的方法，其特征在于，所述根据各个所述待检测语音帧的能量值与预设能量值阈值的关系，从所述待检测语音中提取所述第一混合音片段，包括：

根据各个所述待检测语音帧的能量值与预设能量值阈值的关系，从所述待检测语音中确定至少一个第一类型时间点和至少一个第二类型时间点；所述第一类型时间点是前连续n帧的能量值都小于所述预设能量阈值，且后连续n帧的能量值都大于或等于所述预设能量阈值的时间点；所述第二类型时间点是前连续n帧的能量值都大于或等于所述预设能量阈值，后连续n帧的能量值都小于所述预设能量阈值的时间点；

将目标时间点以及在所述目标时间点之后且在与所述目标时间点相邻的所述第二类型时间点之前的语音片段获取为一个所述第一混合音片段；所述目标时间点是所述至少一个第一类型时间点中的任意一个时间点。