[发明专利]一种音频数据处理方法、装置及存储介质

说明书

本发明实施例公开一种音频数据处理方法、装置及存储介质，其中，方法包括：获取环境空间中的多路音频数据，并基于多路音频数据得到语音数据集合，并在多个增强方向上分别生成语音数据集合对应的增强语音信息；将增强语音信息中的语音隐藏特征与目标匹配词进行匹配，并将与目标匹配词具有最高匹配度的增强语音信息对应的增强方向，确定为目标音频方向；获取增强语音信息中的语音频谱特征，并在语音频谱特征中获取目标音频方向上的语音频谱特征；基于目标匹配词对目标音频方向上的语音隐藏特征和语音频谱特征进行语音验证，得到目标验证结果。采用本发明，可以在提高语音控制的准确度的同时，有效地降低误识别率。

技术领域

本发明涉及互联网技术领域，尤其涉及一种音频数据处理方法、装置及存储介质。

背景技术

随着科技的发展，智能语音设备逐渐被普及应用，在智能语音设备的实施过程中，语音命令与智能语音设备之间的语音交互是实现设备智能化的一项重要技术手段。在目前的智能语音设备的语音交互系统，在唤醒语及命令语的拾取过程中，不可避免地会受到外界环境噪音和其他人说话的干扰，如果干扰噪音过强，会严重影响语音交互系统的灵敏性，进而使得在设备唤醒的过程中会存在唤醒失灵或者误唤醒的现象，即无法确保设备唤醒的准确性。

发明内容

本发明实施例提供一种音频数据处理方法、装置及存储介质，可以在确保语音控制的准确度的同时，有效地降低误识别率。

本发明实施例一方面提供了一种音频数据处理方法，所述方法包括：

获取环境空间中的多路音频数据，并基于所述多路音频数据得到语音数据集合，并在多个增强方向上分别生成所述语音数据集合对应的增强语音信息；

将所述增强语音信息中的语音隐藏特征与目标匹配词进行匹配，并将与所述目标匹配词具有最高匹配度的增强语音信息对应的增强方向，确定为目标音频方向；

获取所述增强语音信息中的语音频谱特征，并在所述语音频谱特征中获取所述目标音频方向上的语音频谱特征；

基于所述目标匹配词对所述目标音频方向上的语音隐藏特征和语音频谱特征进行语音验证，得到目标验证结果；所述目标验证结果用于表征所述目标音频方向上存在用于控制终端的所述目标匹配词的概率。

其中，所述获取环境空间中的多路音频数据，包括：

获取终端所处环境空间对应的麦克风阵列；所述麦克风阵列包含多个麦克风，以及各麦克风对应的阵列结构；

基于所述各麦克风的阵列结构采集所述环境空间中的音频信号；所述音频信号包含至少一个语音信号；

将所述各麦克风采集到的所述至少一个语音信号，分别确定为所述各麦克风对应的一路音频数据；一路音频数据为一个麦克风所采集到的所述至少一个语音信号。

其中，所述各麦克风对应的一路音频数据包含第一语音信号和第二语音信号；所述第一语音信号是所述麦克风阵列所采集到的用户发出的声音信号，所述第二语音信号是所述麦克风阵列所采集到的所述终端发出的声音信号；

所述基于所述多路音频数据得到语音数据集合，包括：

从所述麦克风阵列中的各麦克风中获取目标麦克风，并将所述目标麦克风对应的包含第一语音信号和第二语音信号的音频数据，作为目标音频数据；

使用回声消除器消除所述目标音频数据中的第二语音信号，并将消除第二语音信号后的目标音频数据确定为待增强语音数据；

当所述麦克风阵列中的每个麦克风均被确定为目标麦克风时，得到与各路音频数据分别对应的待增强语音数据；

将各待增强语音数据分别添加到语音数据集合。

其中，所述在多个增强方向上分别生成所述语音数据集合对应的增强语音信息，包括：