[发明专利]语音检测方法、装置、电子设备、存储介质及产品

说明书

本申请提供了一种语音检测方法、装置、电子设备、存储介质及产品，属于语音信号处理技术领域。其中，该语音检测方法包括：获取音频信号的目标帧频谱，目标帧频谱中包括目标帧的多个采样点的振幅值；基于目标帧频谱，确定多个采样点中的第一采样点，第一采样点的振幅值为目标帧频谱中的振幅极大值；获取第一采样点的倍频信息，第一采样点的倍频信息包括第一采样点的至少一个倍频采样点的振幅值；基于第一采样点的倍频信息，对音频信号进行语音检测。该方法提高了对音频信号进行语音检测的适用性。

技术领域

本申请涉及语音信号处理技术领域，特别涉及一种语音检测方法、装置、电子设备、存储介质及产品。

背景技术

语音检测(Voice Activity Detection，VAD)技术在语音增强、语音识别等语音信号处理领域有着非常重要的作用，VAD技术主要是从一段音频信号中检测出语音信号和非语音信号。

相关技术中，VAD技术一般是在音频信号的信噪比较高时，基于音频信号的短时能量和过零率分别与其对应的阈值进行对比，从而检测出语音信号和非语音信号。但对于信噪比较低的音频信号，其噪声较大，使得该音频信号中的噪声对语音信号的干扰较大，进而通过这种方法不能准确检测出语音信号和非语音信号，从而降低了VAD技术的适用性。

发明内容

本申请实施例提供了一种语音检测方法、装置、电子设备、存储介质及产品，能够提高对音频信号进行语音检测的适用性。所述技术方案如下：

一方面，提供了一种语音检测方法，所述方法包括：

获取音频信号的目标帧频谱，所述目标帧频谱中包括目标帧的多个采样点的振幅值；

基于所述目标帧频谱，确定所述多个采样点中的第一采样点，所述第一采样点的振幅值为所述目标帧频谱中的振幅极大值；

获取所述第一采样点的倍频信息，所述第一采样点的倍频信息包括所述第一采样点的至少一个倍频采样点的振幅值；

基于所述第一采样点的倍频信息，对所述音频信号进行语音检测。

在一些实施例中，所述基于所述第一采样点的倍频信息，对所述音频信号进行语音检测，包括：获取至少一个第二采样点的倍频信息，所述第二采样点的倍频信息包括所述第二采样点的至少一个倍频采样点的振幅值，所述第二采样点的振幅值为其他帧频谱中的振幅极大值，所述其他帧频谱为所述音频信号中与所述目标帧频谱相邻的频谱；基于所述第一采样点的倍频信息和所述至少一个第二采样点的倍频信息，确定第一目标倍频采样点，所述第一目标倍频采样点的振幅值为所述其他帧频谱和所述目标帧频谱组成的多帧频谱中的振幅极大值；基于所述第一目标倍频采样点，确定所述多帧频谱中的目标频谱，所述目标频谱包括所述第一采样点和所述至少一个第二采样点中的目标采样点，所述目标采样点对应的第一目标倍频采样点的第一数量大于或等于第一数量阈值；若第二数量大于或等于第二数量阈值，则确定所述音频信号为语音信号，所述第二数量为所述多帧频谱中包括的目标频谱的数量。

在一些实施例中，所述语音检测方法还包括：若所述第二数量小于所述第二数量阈值，则获取所述多帧频谱的能量参数和过零率参数；基于所述第二数量、所述能量参数和所述过零率参数，对所述音频信号进行语音检测。

在一些实施例中，所述能量参数包括所述多帧频谱分别对应的能量，所述过零率参数包括所述多帧频谱分别对应的过零率；所述基于所述第二数量、所述能量参数和所述过零率参数，对所述音频信号进行语音检测，包括：基于所述多帧频谱分别对应的能量和所述多帧频谱分别对应的过零率，确定所述多帧频谱中除第一帧和最后一帧以外的各两帧频谱之间的第一差值和第二差值，所述第一差值为所述两帧频谱的能量之差，所述第二差值为所述两帧频谱的过零率之差；基于所述第二数量以及所述多帧频谱对应的多个第一差值和多个第二差值，对所述音频信号进行语音检测。