[发明专利]语音端点检测方法、装置和计算机设备

说明书

本申请提出一种语音端点检测方法、装置和计算机设备，其中，上述语音端点检测方法包括：通过DNNVAD对输入的音频信号进行检测；当在所述音频信号中未检测到语音信号时，通过EVAD在所述音频信号中每N帧计算一次平均能量值；如果当前计算的N帧的音频信号的平均能量值大于或等于第一阈值，则通过DNNVAD从当前N帧的起始帧开始对所述音频信号进行语音检测，确定所述音频信号中语音信号的端点。本申请可以实现通过EVAD对音频信号中声音的起点进行检测，提高语音端点检测的速度，降低功耗，并在检测到声音起点之后，通过DNNVAD对音频信号进行语音检测，确定上述音频信号中语音信号的端点，提高了语音端点检测的精度。

技术领域

本申请涉及语音识别技术领域，尤其涉及一种语音端点检测方法、装置和计算机设备。

背景技术

在语音识别系统中，输入的音频信号包括语音和背景噪声等，在输入信号中找到语音段，称为语音端点检测、起终点检测或语音活动性检测(Voice Activity Detection；以下简称：VAD)。简单地说就是要找出语音段的起点和终点，语音端点检测的准确与否，会直接影响到语音识别系统的性能。

现有相关技术提供的语音端点检测的技术方案，存在语音端点检测不准确，以及计算量大、功耗大和处理速度慢的缺点，降低了语音识别系统的性能。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种语音端点检测方法，以实现通过增强型语音活动检测(Enhanced Voice Activity Detection；以下简称：EVAD)对音频信号中声音的起点进行检测，提高语音端点检测的速度，降低功耗，并在检测到声音起点之后，通过深度神经网络语音活动检测(Deep Neural Networks Voice Activity Detection；以下简称：DNNVAD)对音频信号进行语音检测，确定上述音频信号中语音信号的端点，提高了语音端点检测的精度，进而可以提高语音识别系统的性能。

本申请的第二个目的在于提出一种语音端点检测装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出一种语音端点检测方法，包括：通过深度神经网络语音活动检测对输入的音频信号进行检测；当在所述音频信号中未检测到语音信号时，通过增强型语音活动检测在所述音频信号中每N帧计算一次平均能量值，N为正整数；如果当前计算的N帧的音频信号的平均能量值大于或等于第一阈值，则通过深度神经网络语音活动检测从当前N帧的起始帧开始对所述音频信号进行语音检测，确定所述音频信号中语音信号的端点。

本申请实施例的语音端点检测方法中，通过DNNVAD对输入的音频信号进行检测，当在上述音频信号中未检测到语音信号时，通过EVAD在上述音频信号中每N帧计算一次平均能量值，如果当前计算的N帧的音频信号的平均能量值大于或等于第一阈值，则通过DNNVAD从当前N帧的起始帧开始对上述音频信号进行语音检测，确定上述音频信号中语音信号的端点，从而可以实现通过EVAD对音频信号中声音的起点进行检测，提高语音端点检测的速度，降低功耗，并在检测到声音起点之后，通过DNNVAD对音频信号进行语音检测，确定上述音频信号中语音信号的端点，提高了语音端点检测的精度，进而可以提高语音识别系统的性能。