[发明专利]耳语的识别方法和装置、存储介质、电子装置

说明书

本申请公开了一种耳语的识别方法和装置、存储介质、电子装置。其中，该方法包括：采集耳语过程中产生的语音信息；对所述语音信息进行预处理，得到预处理结果；通过神经网络模型从所述预处理结果中得到识别结果。本申请解决了相关技术中耳语的识别准确度较低的技术问题。

技术领域

本申请涉及语音识别领域，具体而言，涉及一种耳语的识别方法和装置、存储介质、电子装置。

背景技术

随着人工智能领域的兴起，其在各个领域的应用都得到了快速的发展，其中之一就是语音识别的快速发展，他给人们的日常生活和工作带来了极大的便利性，如智能音响，智能手机中的语音识别功能，并且已经成为一些人与他们的设备进行交互的主要方式之一了。但如今的语音识别在实际使用的过程中却有着很多的局限性，其中一个就是耳语音识别正确率不高的问题。我们在使用语音识别功能时，很多时候是不被允许大声说话的，比如在图书馆，办公室等相对安静的场所，需要清晰地说出对应的指令存在一定的局限性。而小声地，轻声地说出的指令，对应的设备却不能准确地识别出使用者的意图，使用者的使用感受就会大打折扣。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种耳语的识别方法和装置、存储介质、电子装置，以至少解决相关技术中耳语的识别准确度较低的技术问题。

根据本申请实施例的一个方面，提供了一种耳语的识别方法，包括：采集耳语过程中产生的语音信息；对所述语音信息进行预处理，得到预处理结果；通过神经网络模型从所述预处理结果中得到识别结果。

可选地，在对所述语音信息进行预处理，得到预处理结果时，对所述语音信息进行特征提取，得到特征提取结果；通过对所述特征提取结果进行聚类，得到特征聚类结果，其中，所述预处理结果包括所述特征聚类结果。

可选地，在对所述语音信息进行特征提取，得到特征提取结果时，通过高通滤波器对所述语音信息进行预加重处理；对经过预加重处理的所述语音信息进行分帧处理，然后将分帧得到的语音帧进行加窗处理；使用MEL滤波器对加窗处理后的语音帧进行滤波；对滤波后的语音帧进行离散余弦变换，得到特征提取结果。

可选地，在通过对所述特征提取结果进行聚类，得到特征聚类结果时，将特征提取结果分为M组，选取M个特征提取结果作为初始的聚类中心，计算特征提取结果与各个聚类中心之间的距离，把该特征提取结果分配给距离最近的聚类中心，其中，聚类中心和分配给该聚类中心的特征提取结果作为一个聚类，M为预先配置的正整数；为聚类中心每分配一个特征提取结果后，根据该聚类中已有的特征提取结果重新计算出一个聚类中心，直到满足聚类条件。

可选地，在通过神经网络模型从所述预处理结果中得到识别结果时，将特征聚类结果输入所述神经网络模型，通过所述神经网络模型识别出与所述特征聚类结果匹配的识别结果。

可选地，通过神经网络模型从所述预处理结果中得到识别结果之前，获取训练样本，其中，所述训练样本包括正样本和负样本；利用所述正样本和所述负样本对所述神经网络模型进行训练。

可选地，通过神经网络模型从所述预处理结果中得到识别结果之前，对于获取的训练样本，对所述训练样本中的正样本和负样本进行标记。

根据本申请实施例的另一方面，还提供了一种耳语的识别装置，包括：采集单元，用于采集耳语过程中产生的语音信息；预处理单元，用于对所述语音信息进行预处理，得到预处理结果；识别单元，用于通过神经网络模型从所述预处理结果中得到识别结果。

可选地，预处理单元还用于在对所述语音信息进行预处理，得到预处理结果时，对所述语音信息进行特征提取，得到特征提取结果；通过对所述特征提取结果进行聚类，得到特征聚类结果，其中，所述预处理结果包括所述特征聚类结果。