[发明专利]语音处理方法、装置、电子设备和存储介质

说明书

本申请提出一种语音处理方法、装置、电子设备和存储介质，其中，方法包括：通过对语音采样得到的原始编码数据解码，得到解码音频数据；若确定解码音频数据的采样率和/或采样位数大于设定阈值，则对解码音频数据降采样，得到目标音频数据；向服务器端发送目标音频数据，以从服务器端获取对目标音频数据语音识别得到的文本。由此，通过对高采样率和/或高采样位数的音频数据进行降采样处理，进而将降采样后的目标音频数据传输至服务器端，以从服务器端获取语音识别得到的文本，从而减少了数据传输量，提高了数据传输速率。

技术领域

本申请涉及语音处理技术领域，尤其涉及一种语音处理方法、装置、电子设备和存储介质。

背景技术

语音文字转换(speech-to-text，简称STT)系统是一种将说出的单词转换为文本文件以供后续用途的方式。针对STT，目前常见的方案是直接将采集到的音频文件(如MP3，M4A，AMR等格式音频)传输至服务器，由服务器端对音频数据进行语音转换处理，并返回转换后的文本。

为了保证音质，在录制过程中会大幅度的提高采样率、采样位数以及比特率，从而导致传输的音频文件体积增大，增加了音频文件传输至服务器的过程中的负担，降低了传输效率。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

本申请第一方面实施例提出了一种语音处理方法，包括：

对语音采样得到的原始编码数据解码，得到解码音频数据；

若确定所述解码音频数据的采样率和/或采样位数大于设定阈值，则对所述解码音频数据降采样，得到目标音频数据；

向服务器端发送所述目标音频数据，以从所述服务器端获取对所述目标音频数据语音识别得到的文本。

作为本申请实施例的第一种可能的实现方式，所述对所述解码音频数据降采样，包括：

采用同步采样率转换SSRC算法，对所述解码音频数据降采样。

作为本申请实施例的第二种可能的实现方式，所述采用同步采样率转换SSRC算法，对所述解码音频数据降采样，包括：

对所述解码音频数据中设定长度序列采用有限长单位冲激响应FIR滤波器滤波；

将滤波后得到的设定长度序列后增加所述设定长度的目标序列，得到傅里叶变换的输入序列；其中，所述目标序列中各元素取值为零；

对所述输入序列进行快速傅里叶变换，得到频域序列；

对所述频域序列滤波后，进行快速傅里叶逆变换，以得到时域序列；

对所述时域序列，根据设定的降采样率重采样，得到所述目标音频数据。

作为本申请实施例的第三种可能的实现方式，所述向服务器端发送所述目标音频数据之前，还包括：

若所述目标音频数据中包括双声道数据，剔除所述双声道数据中一个声道数据。

作为本申请实施例的第四种可能的实现方式，所述剔除所述双声道数据中一个声道数据，包括：

确定所述目标音频数据中单一声道数据占用的数据长度；

对所述目标音频数据每间隔所述数据长度，剔除一段符合所述数据长度的数据。

作为本申请实施例的第五种可能的实现方式，所述向服务器端发送所述目标音频数据之前，还包括：

根据所述目标音频数据，进行语音端点检测，以从所述目标音频数据中提取出浊音部分和清音部分，并去除静音部分；

其中，所述浊音部分的能量值大于第一能量阈值；