[发明专利]声音检测方法及装置

说明书

本申请提供一种声音检测方法及装置，声音检测方法包括：获取待检测的音频数据；确定音频数据中每一帧数据的类型，类型包括语音和静音；将音频数据中属于语音类型的帧对应的语音数据输入深度神经网络，获得属于目标的声音数据。由于静音数据中很少存在声音，因此，通过预先剔除音频数据中的静音数据，仅将音频数据中的语音数据输入到深度神经网络中进行目标声音检测，避免深度神经网络对于静音数据的无效检测，减少了深度神经网络对于音频数据的计算量，在确保目标声音检测的准确率的同时，还提高了目标声音检测的效率。

技术领域

本申请涉及声音检测技术领域，尤其涉及一种声音检测方法、装置、电子设备及存储介质。

背景技术

所谓声音检测，是指从一段音频中检测出目标的声音。声音检测具有广泛的应用前景。例如：声音检测可以作为语音识别的前端预处理。也就是说，从音频数据中检测出人的声音数据，进而对人的声音数据进行语音识别，提高语音的识别效率。再例如：利用声音检测还可以形成会议摘要。具体来说，从会议的音频数据中检测出某个发言人的声音数据，进行形成会议摘要。

为了进行声音检测，一般来说，现有主要采用两种方式。第一种：通过传统的算法(例如：双门限算法、高斯混合模型等)，将一段音频中目标的声音与非目标的声音区分开，进而获得目标的声音数据。第二种：通过深度神经网络，将一段音频中目标的声音与非目标的声音区分开，进而获得目标的声音数据。

然而，对于上述第一种通过传统的算法检测音频中目标的声音的方式，并不能够将目标声音与瞬态声音(例如：敲桌子的声音、走路的声音等)很好的区分开来，进而导致目标声音的检测效果不理想。而对于上述第二种通过深度神经网络检测音频中目标的声音的方式，由于在进行目标声音的检测时，需要深度神经网络对音频中的每一帧都进行判断，进而输出该帧是否为目标声音的标签，进而导致通过深度神经网络进行目标声音检测的计算量较大，影响声音检测的效率。

发明内容

本申请实施例的目的是提供一种声音检测方法、装置、电子设备及存储介质，以提高声音检测的效率和准确性。

为解决上述技术问题，本申请实施例提供如下技术方案：

本申请第一方面提供一种声音检测方法，所述方法包括：获取待检测的音频数据；确定所述音频数据中每一帧数据的类型，所述类型包括语音和静音；将所述音频数据中属于语音类型的帧对应的语音数据输入深度神经网络，获得属于目标的声音数据。

本申请第二方面提供一种声音检测装置，所述装置包括：获取模块，用于获取待检测的音频数据；确定模块，用于确定所述音频数据中每一帧数据的类型，所述类型包括语音和静音；预测模块，用于将所述音频数据中属于语音类型的帧对应的语音数据输入深度神经网络，获得属于目标的声音数据。

相较于现有技术，本申请第一方面提供的声音检测方法，在获取到待检测的音频数据后，确定音频数据中每一帧数据是属于语音类型还是静音类型，然后将音频数据中属于语音类型的帧对应的语音数据输入深度神经网络，获得属于目标的声音数据。由于静音数据中很少存在声音，因此，通过预先剔除音频数据中的静音数据，仅将音频数据中的语音数据输入到深度神经网络中进行目标声音检测，避免深度神经网络对于静音数据的无效检测，减少了深度神经网络对于音频数据的计算量，在确保目标声音检测的准确率的同时，还提高了目标声音检测的效率。

本申请第二方面提供的声音检测装置、第三方面提供的电子设备、第四方面提供的计算机可读存储介质，与第一方面提供的声音检测方法具有相同或相似的有益效果。

附图说明

通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，相同或对应的标号表示相同或对应的部分，其中：

图1为本申请实施例中声音检测方法的流程示意图一；