[发明专利]语音处理方法、装置、计算机设备及存储介质

说明书

本发明公开了一种语音处理方法、装置、计算机设备及存储介质，所述方法包括：读取音频，将音频转化为第一语音数据数组，并获取第一语音数据数组分帧之后的多个初始帧；遍历每个初始帧并获取每个初始帧的频谱主频的频率和幅值；在初始帧的频谱主频的频率未超出预设频率范围且该初始帧的频谱主频的幅值均大于预设幅值阈值时，根据初始帧的能熵比、预设的能熵比双阈值和连续性要求标记该初始帧属于有效语音段或非语音段；根据预设的裁剪规则对非语音段进行裁剪，裁剪规则包括根据有效语音段的位置，确认需要裁剪的非语音段的位置。本发明可以精确地区分音频中的语音段和非语音段并对其中的非语音段进行裁剪，使得裁剪之后的音频对齐效果更好。

技术领域

本发明涉及音频处理技术领域，尤其涉及一种语音处理方法、装置、计算机设备及存储介质。

背景技术

传统的语音端点检测采用双阈值(包括第一参数阈值与大于第一参数阈值的第二参数阈值)参数端点检测方法，只要大于第二参数阈值的音频都会被确认为是语音，该方法在环境噪声较高，并伴随有瞬间冲击噪声的环境下，会将噪声，非人声等误认为是语音；并且，若仅仅采用参数阈值的比较，就会将某些主频的频率较高，属于非人声的音频也确认为语音段。

发明内容

基于此，有必要针对上述技术问题，提供一种语音处理方法、装置、计算机设备及存储介质，用于更加精确地区分音频中的语音段和非语音段，并有效裁剪掉静音或非人声的杂音等非语音段，使得裁剪之后的音频对齐效果更好。

一种语音处理方法，包括：

读取音频，将所述音频转化为第一语音数据数组，并获取所述第一语音数据数组分帧之后的多个初始帧；

遍历每个初始帧并获取每个初始帧的频谱主频的频率和幅值；

在所述初始帧的频谱主频的频率未超出预设频率范围且该初始帧的频谱主频的幅值均大于预设幅值阈值时，根据所述初始帧的能熵比、预设的能熵比双阈值和连续性要求标记该初始帧属于有效语音段或非语音段；

根据预设的裁剪规则对各所述非语音段进行裁剪，其中，所述裁剪规则包括根据所述有效语音段的位置，确认需要裁剪的所述非语音段的位置。

一种语音处理装置，包括：

读取模块，用于读取音频，将所述音频转化为第一语音数据数组，并获取所述第一语音数据数组分帧之后的多个初始帧；

检测模块，用于遍历每个初始帧并获取每个初始帧的频谱主频的频率和幅值；

标记模块，用于在所述初始帧的频谱主频的频率未超出预设频率范围且该初始帧的频谱主频的幅值均大于预设幅值阈值时，根据所述初始帧的能熵比、预设的能熵比双阈值和连续性要求标记该初始帧属于有效语音段或非语音段；

裁剪模块，用于根据预设的裁剪规则对所述非语音段进行裁剪，其中，所述裁剪规则包括根据所述有效语音段的位置，确认需要裁剪的所述非语音段的位置。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述语音处理方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述语音处理方法的步骤。

上述语音处理方法、装置、计算机设备及存储介质，将连续性要求引入语音处理过程中，更加精确地区分音频中的语音段和非语音段，并有效裁剪掉静音或非人声的杂音等非语音段，可以更好地对齐音频，有利于利用裁剪之后的音频进行语音识别模型训练的训练过程。

附图说明