[发明专利]基于词比较的语音端点定位的方法、系统和介质

权利要求书

1.一种计算机实现的方法，包括：

由一个或多个计算设备接收话语的音频数据；

基于音频数据，由一个或多个计算设备确定话语是完整的话语的第一可能性；

由一个或多个计算设备生成话语的转录；

基于话语的转录，由一个或多个计算设备确定话语是完整的话语的第二可能性；以及

基于话语是完整的话语的第一可能性和话语是完整的话语的第二可能性，由一个或多个计算设备确定是否在话语的音频数据的结束处指定话语的端点。

2.根据权利要求1所述的方法，其中，确定话语是完整的话语的第一可能性包括：

确定话语的音频数据中当能量水平低于阈值能量水平时的时段；

将该时段与阈值时段比较；以及

基于将沉默的时段与阈值时段进行比较来确定话语是完整的话语的第一可能性。

3.根据权利要求1所述的方法，其中，确定话语是完整的话语的第二可能性包括：

将话语的转录与被识别为完整的话语的文本样本的第一汇集进行比较；

将话语的转录与被识别为不完整的话语的文本样本的第二汇集进行比较；以及

基于将话语的转录与被识别为完整的话语的文本样本的第一汇集进行比较和基于将话语的转录与被识别为不完整的话语的文本样本的第二汇集进行比较，确定话语是完整的话语的第二可能性。

4.根据权利要求3所述的方法，其中，将话语的转录与被识别为完整的话语的文本样本的第一汇集进行比较包括：

确定第一汇集中与话语的转录匹配的文本样本的第一值；以及

确定第二汇集中与话语的转录匹配的文本样本的第二值。

5.根据权利要求3所述的方法，其中，将话语的转录与被识别为完整的话语的文本样本的第一汇集进行比较包括：

确定第一汇集中的每个文本样本中的词语是否以与话语的转录的词语相同的顺序出现；以及

确定第二汇集中的每个文本样本中的词语是否以与话语的转录的词语相同的顺序出现。

6.根据权利要求1所述的方法，其中，确定是否在话语的音频数据的结束处指定话语的端点包括：

确定在话语的音频数据的结束处指定话语的端点。

7.根据权利要求6所述的方法，包括：

基于确定在话语的音频数据的结束处指定话语的端点，由一个或多个计算设备去激活检测话语的麦克风。

8.根据权利要求1所述的方法，其中，确定是否在话语的音频数据的结束处指定话语的端点包括：

确定延迟在话语的音频数据的结束处指定话语的端点。

9.根据权利要求8所述的方法，包括：

基于确定在话语的音频数据的结束处指定话语的端点，由一个或多个计算设备维持检测话语的麦克风处于激活状态。

10.一种系统，包括：

一个或多个计算机以及存储指令的一个或多个存储设备，当由一个或多个计算机执行时，所述指令可操作来使得一个或多个计算机执行操作，包括：

由一个或多个计算设备接收话语的音频数据；

基于音频数据，由一个或多个计算设备确定话语是完整的话语的第一可能性；

由一个或多个计算设备生成话语的转录；

基于话语的转录，由一个或多个计算设备确定话语是完整的话语的第二可能性；以及

基于话语是完整的话语的第一可能性和话语是完整的话语的第二可能性，由一个或多个计算设备确定是否在话语的音频数据的结束处指定话语的端点。

11.根据权利要求10所述的系统，其中，确定话语是完整的话语的第一可能性包括：

确定话语的音频数据中当能量水平低于阈值能量水平时的时段；

将该时段与阈值时段比较；以及

基于将沉默的时段与阈值时段进行比较来确定话语是完整的话语的第一可能性。