[发明专利]一种语种识别方法和设备

说明书

本发明提出了一种语种识别方法和设备，该方法包括：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；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。本方案实现了语音的自动化语种识别，可以实时在线的进行语种识别，相较于目前的人工识别方式，提升了效率，降低了成本，便于后续的语音处理，例如会议记录转写，智能电话机器人或酒店多国语言版本等智能设备等，使用方便，且语音转写可以实现更高的准确率。

技术领域

本发明涉及语种识别领域，特别涉及一种语种识别方法和设备。

背景技术

目前在很多领域，例如会议或人工智能或者语音识别等方面，涉及到大量的语音数据需要识别，具体的需要确定语音是什么语种，在确定了语种之后，可以方便进行后续的处理，例如可以方便进行精确的语义识别，且在实际应用的某些场景，例如在翻译场景下，其具体的语音数据很可能会涉及到大量的语种夹杂的情况。

现有的语种识别，很大程度是依赖人工的方式来进行的，但是这种方式效率低下，且目前需要识别的数据量是海量的，人工的方式无法及时有效的进行识别。

由此，目前需要一种更好的方法以解决该缺陷。

发明内容

针对现有技术中的缺陷，本发明提出了一种语种识别方法和设备，本方案实现了语音的自动化语种识别，可以实时在线的进行语种识别，相较于目前的人工识别方式，提升了效率，降低了成本，便于后续的语音处理，例如会议记录转写，智能电话机器人或酒店多国语言版本等智能设备等，使用方便，且语音转写可以实现更高的准确率。

具体的，本发明提出了以下具体的实施例：

本发明实施例提出了一种语种识别方法，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；

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。

在一个具体的实施例中，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。

在一个具体的实施例中，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；

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。

在一个具体的实施例中，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。

在一个具体的实施例中，切分后得到的各所述语音片段包括前后扩帧和/或overlap。

在一个具体的实施例中，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。