[发明专利]语音活性检测方法和装置

说明书

本发明公开一种语音活性检测方法和装置，其中，语音活性检测方法，包括：将待检测音频输入帧级别VAD系统中进行帧级别的语音活性检测，获取所述帧级别VAD系统输出的第一音频；将所述第一音频输入句子级别VAD系统中进行句子级别的语音活性检测，获取所述句子级别VAD系统输出的第二音频，并对所述第二音频进行后续处理。通过在已有的帧级别VAD系统之后附加一个句子级的VAD系统，可以实现对前一个系统判定为语音的音频进行进一步的整句级的判定，减少音频的误判定，提高了非语音段的召回率，进一步的节省了后端识别的资源。

技术领域

本发明属于语音识别技术领域，尤其涉及语音活性检测方法和装置。

背景技术

语音活性检测(Voice activity detection，VAD),也称为speech activitydetectionorspeech detection,是一项用于语音处理的技术，目的是检测语音信号是否存在。VAD技术主要用于语音编码和语音识别。它可以简化语音处理，也可用于在音频会话期间去除非语音片段：可以在IP电话应用中避免对静音数据包的编码和传输，节省计算时间和带宽。

VAD技术使得一些列基于语音的应用程序成为现实。因此，有一系列的VAD算法，具有不同的特性和延迟时间、灵敏度、精度和计算成本。有些VAD算法也提供了进一步的分析，例如讲话是否浊音、清音或持续。语音活动检测通常是与语言无关的。

VAD技术首先被用于时分语言内插法(time-assignment speech interpolation/TASI)系统。

基于传统声学特征如短时能量、频谱能量、过零率等或基于神经网络提取的特征来进行语音活动检测，对每一帧音频都给出是否是语音的判定。这种方法在信噪比较高时拥有很好的性能。

发明内容

本发明实施例提供一种语音活性检测方法及装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种语音活性检测方法，包括：将待检测音频输入帧级别VAD系统中进行帧级别的语音活性检测，获取所述帧级别VAD系统输出的第一音频；将所述第一音频输入句子级别VAD系统中进行句子级别的语音活性检测，获取所述句子级别VAD系统输出的第二音频，并对所述第二音频进行后续处理。

第二方面，本发明实施例提供一种语音活性检测装置，包括：第一输入检测输出模块，配置为将待检测音频输入帧级别VAD系统中进行帧级别的语音活性检测，获取所述帧级别VAD系统输出的第一音频；第二输入检测输出模块，配置为将所述第一音频输入句子级别VAD系统中进行句子级别的语音活性检测，获取所述句子级别VAD系统输出的第二音频，并对所述第二音频进行后续处理。

第三方面，提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行第一方面所述的语音活性检测方法的步骤。

第四方面，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述方法的步骤。

本申请实施例提供的方法通过在已有的帧级别VAD系统之后附加一个句子级的VAD系统，可以实现对前一个系统判定为语音的音频进行进一步的整句级的判定，减少音频的误判定，提高了非语音段的召回率，进一步的节省了后端识别的资源。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。