[发明专利]通话语音的识别方法、装置、设备及存储介质

权利要求书

1.一种通话语音的识别方法，其特征在于，包括步骤：

获取待识别的通话语音；

根据预置转化算法，对所述通话语音进行格式标准化处理，得到标准化语音；

根据预置语音切割算法，对所述标准化语音进行静音切割处理，得到响应语音；

基于预置kaldi识别算法，对所述响应语音识别处理，得到识别字段，以及将所述识别字段发送至预置客户端IP地址。

2.根据权利要求1所述的通话语音的识别方法，其特征在于，所述根据预置语音切割算法，对所述标准化语音进行静音切割处理，得到响应语音包括：

根据预置并行线程，对所述标准化语音进行切割处理，得到切割语音集，其中，所述并行线程包括：并行序号、单线程处理排序号；

对所述切割语音集中的每个切割语音进行静音片段的识别标记处理，得到每个所述切割语音对应静音标记片段；

对每个所述切割语音中对应的静音标记片段进行剔除处理，得到基础响应语音集；

根据所述并行序号和所述单线程处理排序号，对所述基础响应语音集进行组合拼接处理，得到响应语音。

3.根据权利要求2所述的通话语音的识别方法，其特征在于，所述对所述切割语音集中的每个切割语音进行静音片段的识别标记处理，得到每个所述切割语音对应静音标记片段包括：

读取所述切割语音集中每个切割语音的短时平均能量分布；

逐帧判断所述短时平均能量分布是否大于预置动态阈值；

若不大于，则将所述短时平均能量分布中对应音频帧确定为静音帧，以及对所述短时平均能量分布中所有的静音帧进行组合过滤处理，生成静音标记片段。

4.根据权利要求3所述的通话语音的识别方法，其特征在于，在所述对所述切割语音集中的每个切割语音进行静音片段的识别标记处理，得到每个切割语音对应静音标记片段之后，在所述对每个所述切割语音中对应的静音标记片段进行剔除处理，得到基础响应语音集之前，还包括：

读取每个静音标记片段两端音频帧的过零率；

判断所述过零率是否超过预置过零率阈值；

若超过，则将所述过零率对应的音频帧移出静音标记片段。

5.根据权利要求3所述的通话语音的识别方法，其特征在于，所述逐帧判断所述短时平均能量分布是否大于预置动态阈值包括：

读取所述短时平均能量中每帧的短时平均能量E_q；

根据动态阈值算法计算出每帧对应的动态阈值R(E_q)，其中，R₀、R₁、E₀、E₁为算法参数，E为短时平均能量代入值；

判断所述短时平均能量E_q是否大于所述动态阈值R(E_q)。

6.根据权利要求3所述的通话语音的识别方法，其特征在于，所述将对所述短时平均能量分布中所有的静音帧进行组合过滤处理，生成静音标记片段包括：

将所述短时平均能量分布中所有相邻的静音帧组合，生成所述短时平均能量分布对应的静音片段；

判断所述静音片段的时间是否大于预置停顿时间阈值；

若大于，则将所述静音片段确定为静音标记片段。

7.根据权利要求1所述的通话语音的识别方法，其特征在于，所述根据预置转化算法，对所述通话语音进行格式标准化处理，得到标准化语音包括：

判断所述通话语音是否为WAVE格式；

若是WAVE格式，则将所述通话语音确定为标准化语音；

若不是WAVE格式，则根据预置转化算法，将所述通话语音转化为WAVE格式，得到标准化语音。