[发明专利]自动字幕生成系统中语音区间的检测方法

摘要

本发明涉及自动字幕生成系统中的语音检测技术，具体涉及一种自动字幕生成系统中语音区间的检测方法。该方法将音频采样序列分成固定长度的帧，计算每一帧的短时能频值，并形成一个短时能频值序列；从第一帧数据开始，分析短时能频值序列，寻找短时能频值序列的上升区间或下降区间；通过计算短时能频值序列波形的平均斜率，并与门限值进行比较，确定语音的起点或终点，最终完成对语音区间的检测。本发明可以在背景噪声经常发生变化的情况下，对连续语音进行语音端点检测，从而提高在复杂噪声背景下的语音端点检测效率。

主权项

1.一种自动字幕生成系统中语音区间的检测方法，包括如下步骤：(1)将音频采样序列分成固定长度的帧，计算音频文件中每一帧的短时能频值，形成一个短时能频值序列：X1X2X3X4......Xn；(2)从第一帧开始依次分析短时能频值序列，设当前所分析的为第t帧，检测第t帧之后每一帧的短时能频值，直至找到一帧j，使得Xt≤Xt+1≤Xt+2≤......≤Xj且Xj+1≥Xj+2即寻找从第t帧开始的短时能频值序列的上升区间，记为At；(3)计算所找到的上升区间At的短时能频值序列波形的平均斜率Rt：$R_t=\frac{X_j-X_t}{j-t}$其中，Xt为第t帧的短时能频值，Xj为第j帧的短时能频值；(4)设定一个门限值Rm来确定语音起始点，如果Rt≥Rm，且第t帧之前的区间没有被认为是语音区间，则将第t帧记为语音的起点，然后令t＝j+1，去寻找与之相匹配的语音终点，从而确定一个语音区间；如果Rt＜Rm，则令t＝j+1，重复步骤(2)的操作。