[发明专利]一种基于声纹的语音识别方法

说明书

本发明公开了一种基于声纹的语音识别方法，该方法包括以下步骤：S1、获取环境中多个不同位置的音频信息；S2、根据所述多个音频信息中的声纹特征分离出个体声音，将所述个体声音分组并记录时间信息，将各分组中的个体声音进行融合得到个体增强音频信息；S3、根据各分组中的个体声音中的时间信息结合音频获取模块的位置计算个体位置以辅助视频信息对个体定位；S4、根据个体位置信息、声音强度分布、视频信息以及语义实现讨论分组；S5、显示和播放讨论分组中的个体增强音频信息。

技术领域

本发明涉及语音识别技术领域，具体涉及一种基于声纹的语音识别方法。

背景技术

随着远程课堂和智能课堂的发展，对教学和学生的评估方式也在发生改变。同时，对学生的素质教育如团队协作以及沟通能力的培养也有了新的要求。现有的基于语音识别的技术有以下几种：

专利CN201911342652.2公开了一种数据处理方法、装置、电子设备及存储介质，具体的方法如下：获取待处理数据；所述待处理数据为与用户在至少一种场景中产生的行为相关的数据；利用多融合模型对所述待处理数据进行处理，得到至少两个第一参数；所述多融合模型至少包含用于语音识别的第一模型、用于图像识别的第二模型、用于说话人识别的第三模型；所述第一参数表征对用户在至少一种场景中产生的相应行为进行评估得到的分数值；根据所述至少两个第一参数，确定第二参数；所述第二参数表征对用户的至少两种行为进行评估得到的总分数值；所述第二参数用于进行教学评估。实际上也就是结合语音识别、说话人识别、图像识别等多种识别模型，对用户的品德、智力、体质等行为进行全面、准确的评估，评估得到的总分数值进行教学评估。然而，该现有技术的应用范围仅限于课堂后的事后评估，要分别获取语音、图像后再行分析得出结果，并不能得出实时结果以供实时分析。而且，多融合模型的三个模型在处理数据时无法做到多线程实时处理多个音频信号。

专利CN201911418872.9公开了一种音频信号处理方法、装置以及电子设备，涉及语音处理领域。具体实现方案为：利用多个线程处理音频信号，得到各线程对应的音频信息，每个线程对应一个音频功能；将各线程对应的音频信息发送至各音频功能对应的应用程序中进行处理。利用多线程同时处理音频信号，可以并行执行多种音频功能，有利于提高在多种应用场景中的语音信号处理效果，尽管该专利采用多个线程处理音频信号，可以并行执行多种音频功能，然而，该专利并不能实现融合多个音频数据，也不能实现对话识别或者分组讨论的情况。

教学中还存在无法兼顾所有学员的情况，无法准确对所有的学员进行教学评估。

发明内容

本发明的目的在于提供一种基于声纹的语音识别方法，能够满足课堂多点监测和评估要求，同时提升语音识别效果，解决老师无法同时关注所有学生或者小组的缺点等技术问题。

为实现上述目的，本发明提供了一种基于声纹的语音识别方法，该方法包括如下步骤：

S1、获取环境中多个不同位置的音频信息。

S2、根据所述多个音频信息中的声纹特征分离出个体声音，将所述个体声音分组并记录时间信息，将各分组中的个体声音进行融合得到个体增强音频信息。

S3、根据各分组中的个体声音中的时间信息结合音频获取模块的位置计算个体位置以辅助视频信息对个体定位。

S4、根据个体位置信息、声音强度分布、视频信息以及语义实现讨论分组。

S5、显示和播放讨论分组中的个体增强音频信息。

优选的，所述步骤S2中的分离出个体声音的方法具体可为：预先采集个体声音信息，存储并进行语音建模为分离模型；根据个体声音与分离模型进行比较进行相似度运算以实现个体声音分辨，然后将个体声音从环境音中提取出来，所述提取方法具体可为根据频谱信息训练得到的神经网络滤波算法。

优选的，所述步骤S2中的个体声音分组是指，将分离出的多个个体声音进行分组并赋予时间标签。