[发明专利]语音音频的检测方法及装置、存储介质及电子装置

权利要求书

1.一种语音音频的检测方法，其特征在于，包括：

接收语音唤醒模块发送的第一语音音频，并获取所述第一语音音频的多个第一Fbank特征，其中，所述第一语音音频为所述语音唤醒模块检测到的，且所述第一语音音频的唤醒词概率大于预设阈值；

通过差分自编码器神经网络模型对每个第一Fbank特征依次进行编码操作、解码操作，得到每个第一Fbank特征对应的第二Fbank特征，其中，所述差分自编码器神经网络模型在模型训练过程中，已获取到所有唤醒词音频的相似特征；

根据每个第一Fbank特征和每个第一Fbank特征对应的第二Fbank特征确定每个第一Fbank特征和每个第一Fbank特征对应的第二Fbank特征之间的偏差值，并根据所述偏差值再次确定所述第一语音音频是否为唤醒词音频。

2.根据权利要求1所述的方法，其特征在于，获取所述第一语音音频的多个第一Fbank特征，包括：

对所述第一语音音频进行分帧操作，得到多帧音频；

对所述多帧音频进行预增强操作，得到预增强音频；

对所述预增强音频的高频语音部分进行加窗操作，得到加窗后的音频；

从所述加窗后的音频中提取出所述第一语音音频的多个第一Fbank特征。

3.根据权利要求2所述的方法，其特征在于，从所述加窗后的音频中提取出所述第一语音音频的多个第一Fbank特征，包括：

对所述加窗后的音频进行傅里叶变换操作，得到傅里叶变换结果；

对所述傅里叶变换结果进行Mel滤波操作，得到滤波后的音频；

对所述滤波后的音频进行对数运算处理，得到所述多个第一Fbank特征。

4.根据权利要求1所述的方法，其特征在于，根据每个第一Fbank特征和每个第一Fbank特征对应的第二Fbank特征确定每个第一Fbank特征和每个第一Fbank特征对应的第二Fbank特征之间的偏差值，包括：

根据以下公式确定所述偏差值A：

，其中，是第二Fbank特征，是第一Fbank特征，K是正整数。

5.根据权利要求1所述的方法，其特征在于，通过差分自编码器神经网络模型对每个第一Fbank特征依次进行编码操作、解码操作，得到每个第一Fbank特征对应的第二Fbank特征之前，所述方法还包括：

通过使用多个无噪声的唤醒词音频对所述差分自编码器神经网络模型进行模型训练；

在所述差分自编码器神经网络模型学习到所述相似特征的情况下，将所述相似特征分别保存到多个GRU单元中，其中，所述差分自编码器神经网络模型包括多个GRU单元。

6.根据权利要求5所述的方法，其特征在于，通过差分自编码器神经网络模型对每个第一Fbank特征依次进行编码操作、解码操作，得到每个第一Fbank特征对应的第二Fbank特征，包括：

通过所述差分自编码器神经网络模型中编码器中的每个GRU单元对接收到的H_K-1以及X_K进行编码，以得到编码器中的每个GRU单元对应的特征编码，其中，K等于1时，H₀是一个零序列，K不等于1时，H_K-1是第K-1个GRU单元对H_K-2以及X_K-1编码的结果；

通过所述差分自编码器神经网络模型中解码器中的每个GRU单元对接收的特征编码进行解码，得到解码器中的每个GRU单元对应的第二Fbank特征。

7.根据权利要求1所述的方法，其特征在于，根据所述偏差值再次确定所述第一语音音频是否为唤醒词音频，包括：

在所述偏差值大于预设门限的情况下，确定所述第一语音音频不是所述唤醒词音频；

在所述偏差值小于或者等于所述预设门限的情况下，确定第一语音音频为所述唤醒词音频。