[发明专利]一种语种识别方法和设备

权利要求书

1.一种语种识别方法，其特征在于，包括：

将待识别音频分为语音部分与非语音部分；

将所述语音部分切分为多个语音片段；

其中，所述将所述语音部分切分为多个语音片段，包括：

将所述语音部分按照预设时间长度切分为多个互不重叠的语音片段，其中，切分出的一个个语音片段里面仅有一个语种；

若时间最后的一个语音片段的时间长度小于预设值，则将时间最后的一个语音片段与相邻的语音片段进行合并；

对各所述语音片段进行语种识别，以确定各所述语音片段对应的语种；

汇总各所述语音片段对应的语种确定所述待识别音频中的语种以及各语种对应的时间段；

其中，所述汇总的操作包括以下一个或多个的任意组合：将相邻的相同语种的语音片段进行合并、将预设语音片段对应的语种设置为与相邻语音片段相同的语种，其中，所述预设语音片段处于前后相邻语音片段之间，且前后相邻语音片段对应的语种相同，所述预设语音片段的时间长度小于预设时长。

2.如权利要求1所述的一种语种识别方法，其特征在于，还包括：

接收实时在线的语音数据，并将所述语音数据设置为待识别音频；或

获取离线的待识别音频。

3.如权利要求1所述的一种语种识别方法，其特征在于，所述将待识别音频分为语音部分与非语音部分，包括：

通过VAD对待识别音频进行切分，以将所述待识别音频分为语音部分与非语音部分。

4.如权利要求1所述的一种语种识别方法，其特征在于，切分后得到的各所述语音片段包括前后扩帧和/或overlap。

5.如权利要求1所述的一种语种识别方法，其特征在于，所述对各所述语音片段进行语种识别，以确定各所述语音片段对应的语种，包括：

通过预设的训练好的语种模型对各所述语音片段进行语种识别，以确定各所述语音片段对应的语种；其中，所述语种模型是基于标识有语种的音频进行训练生成的。

6.一种语种识别设备，其特征在于，包括：

第一切分模块、用于将待识别音频分为语音部分与非语音部分；

第二切分模块，用于将所述语音部分按照预设时间长度切分为多个互不重叠的语音片段，其中，切分出的一个个语音片段里面仅有一个语种；若时间最后的一个语音片段的时间长度小于预设值，则将时间最后的一个语音片段与相邻的语音片段进行合并；

识别模块，用于对各所述语音片段进行语种识别，以确定各所述语音片段对应的语种；

汇总模块，用于汇总各所述语音片段对应的语种确定所述待识别音频中的语种以及各语种对应的时间段；

所述汇总模块还用执行的操作包括以下一个或多个的任意组合：将相邻的相同语种的语音片段进行合并、将预设语音片段对应的语种设置为与相邻语音片段相同的语种，其中，所述预设语音片段处于前后相邻语音片段之间，且前后相邻语音片段对应的语种相同，所述预设语音片段的时间长度小于预设时长。

7.如权利要求6所述的一种语种识别设备，其特征在于，还包括：

获取模块，用于接收实时在线的语音数据，并将所述语音数据设置为待识别音频；或

获取离线的待识别音频。

8.如权利要求6所述的一种语种识别设备，其特征在于，所述第一切分模块，用于：

通过VAD对待识别音频进行切分，以将所述待识别音频分为语音部分与非语音部分。