[发明专利]语音端点检测方法、装置、计算机设备、计算机存储介质

说明书

本发明提出一种语音端点检测方法、装置、计算机设备和计算机可读存储介质。语音端点检测方法，可以包括：针对待检测语音帧，设置卷积神经网络的卷积层的层数；根据所述卷积层的层数设置每层卷积层的步长，其中至少一个所述步长大于1；根据所述每层卷积层的步长，确定所述待检测语音帧的跳帧数。在待检测语音帧进行跳帧检测的情况下，可以大幅度减少电子设备例如计算机设备中的中央处理器的计算量，从而大幅度降低了电子设备的功耗。

技术领域

本发明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、计算机设备和计算机可读存储介质。

背景技术

在语音识别系统中，输入的音频信号一般包括语音和背景噪声，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 ActivityDetection；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。

在现有的语音端点检测中，由于每个语音帧中既包含了语音信息又包含了背景噪声信息，这时需要对于每个语音帧进行语音端点检测，因此中央处理器(CPU)等硬件设备的功耗很大。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

根据本发明的第一个方面，提供了一种语音端点检测方法，可以包括：针对待检测语音帧，设置卷积神经网络(Convolutional Neural Network，简称CNN)的卷积层(convolution layer或者convolutional layer)的层数；根据卷积层的层数设置每层卷积层的步长，其中至少一个步长大于1；根据每层卷积层的步长，确定待检测语音帧的跳帧数。

根据本发明第一方面的一个实施例，其中针对待检测语音帧，设置卷积神经网络的卷积层的层数可以包括：在跳帧数相同的情况下，设置能够将卷积层的层数最大化的层数。

根据本发明第一方面的另一个实施例，其中根据卷积层的层数设置每层卷积层的步长，其中至少一个步长大于1包括：将第一层卷积层的步长设置为大于1。

根据本发明第一方面的再一个实施例，其中将第一层卷积层的步长设置为大于1包括将每层卷积层的步长都设置为大于1。

根据本发明第一方面的又一个实施例，其中根据每层卷积层的步长，确定待检测语音帧的跳帧数包括：根据每层卷积层的步长的乘积，确定待检测语音帧的跳帧数。

根据本发明的第二个方面，提供一种语音端点检测装置，可以包括：

设置模块，用于针对待检测语音帧，设置卷积神经网络的卷积层的层数，并且根据卷积层的层数设置每层卷积层的步长，其中至少一个步长大于1；

确定模块，用于根据每层卷积层的步长，确定待检测语音帧的跳帧数。

根据本发明第二方面的一个实施例，其中设置模块在跳帧数相同的情况下，设置能够将卷积层的层数最大化的层数。

根据本发明第二方面的另一个实施例，其中设置模块将第一层卷积层的步长设置为大于1。

根据本发明第二方面的再一个实施例，其中设置模块将第一层卷积层的步长设置为大于1包括将每层卷积层的步长都设置为大于1。

根据本发明第二方面的又一个实施例，其中确定模块根据每层卷积层的步长的乘积，确定待检测语音帧的跳帧数。

根据本发明的第三个方面，提供一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上所述的任一的方法。

根据本发明的第四个方面，提供一种计算机可读存储介质，其存储有计算机程序，程序被处理器执行时实现如上的方法。