[发明专利]一种语音识别方法、装置和用于语音识别的装置

说明书

本发明实施例提供了一种语音识别方法、装置和用于语音识别的装置。所述方法包括：根据待处理的语音数据中各个说话人的声学特征，对所述语音数据进行切分处理，得到若干子句，每个子句包含一个说话人的语音片段；按照预设标签对所述子句进行归并处理，得到目标子句；对所述目标子句进行语音识别处理，得到所述语音数据的语音识别结果。本发明实施例可以保证每个子句的能量、说话人音调、音色的相对统一，有利于提升语音识别的准确度；并且，本发明实施例进一步还可以按照预设标签对子句进行归并处理，将存在关联关系的子句合并为目标子句，再对目标子句进行语音识别处理，可以进一步提升语音识别的准确度，提高语音识别性能。

技术领域

本发明涉及计算机技术领域，尤其涉及一种语音识别方法、装置和用于语音识别的装置。

背景技术

近年来，音频处理技术取得了很大发展，目前语音识别技术针对单人语音识别任务的处理效果较好，识别准确率高。

然而，在多人会议或交流的场景下，当说话人发言比较自然且随机，会出现说话人之间发言时抢话、打断或交叠的现象；或者，由于不同的说话人自身的说话音量大小和与麦克风距离的远近，导致麦克风拾音时不同说话人能量大小不一；或者，多人交流时，不同说话人的音调、音色也各不相同，导致识别难度增大等，导致多人会议或交流场景下语音识别性能急剧下降，语音识别准确度较差。

发明内容

本发明实施例提供一种语音识别方法、装置和用于语音识别的装置，可以提高语音识别的准确度。

为了解决上述问题，本发明实施例公开了一种语音识别方法，所述方法包括：

根据待处理的语音数据中各个说话人的声学特征，对所述语音数据进行切分处理，得到若干子句，每个子句包含一个说话人的语音片段；

按照预设标签对所述子句进行归并处理，得到目标子句；

对所述目标子句进行语音识别处理，得到所述语音数据的语音识别结果。

可选地，所述预设标签包括语音内容标签，所述按照预设标签对所述子句进行归并处理，得到目标子句，包括：

基于各个子句的语音内容确定各个子句的语音内容标签；

对语音内容标签相匹配的相邻子句进行归并处理，得到目标子句。

可选地，所述预设标签包括说话人标签，所述按照预设标签对所述子句进行归并处理，得到目标子句，包括：

基于各个子句的声学特征确定各个子句的说话人标签；

按照各个子句的起止时间，对说话人标签相同的至少两个子句进行归并处理，得到目标子句。

可选地，所述预设标签包括时长标签，所述按照预设标签对所述子句进行归并处理，得到目标子句，包括：

若存在至少一个时长标签满足预设时长的子句，则将所述子句与其相邻的子句进行归并处理，得到目标子句。

可选地，所述根据待处理的语音数据中各个说话人的声学特征，对所述语音数据进行切分处理，得到若干子句，包括：

对待处理的语音数据进行语音端点检测，确定所述语音数据的有效语音片段；

对所述有效语音片段进行特征分析处理，确定所述有效语音片段包含的各个说话人对应的声学特征；

根据所述有效语音片段包含的各个说话人对应的声学特征，对所述有效语音片段进行切分处理，得到若干子句。

可选地，所述根据所述有效语音片段包含的各个说话人对应的声学特征，对所述有效语音片段进行切分处理，得到若干子句，包括：

对所述有效语音片段进行分帧处理，得到至少两个有效子帧；