[发明专利]语音通话的噪声消除方法、装置、电子设备及存储介质在审
| 申请号： | 202010570483.4 | 申请日： | 2020-06-19 |
| 公开（公告）号： | CN111754982A | 公开（公告）日： | 2020-10-09 |
| 发明（设计）人： | 孙岩丹;王瑞璋;马骏;王少军;肖京 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G10L15/05 | 分类号： | G10L15/05;G10L17/02;G10L17/20;G10L21/0216;G10L21/0232;G10L25/24;G10L25/27;G10L25/30;G10L25/45 |
| 代理公司： | 深圳市沃德知识产权代理事务所(普通合伙) 44347 | 代理人： | 高杰;于志光 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例涉及声纹识别技术，揭露了一种语音通话的噪声消除方法，包括：对通话音频进行语音端点检测，得到人声语音集；对所述人声语音集进行语音特征提取，得到语音特征集；依时间顺序从所述语音特征集中截取累计时长为预设时长阈值的待检测语音特征集，得到多个待检测语音特征集，对每个待检测语音特征集进行聚类处理，并对所述聚类进行评分；根据所述评分，将所述人声语音集分成第一说话人声和第二说话人声，并从所述第一说话人声和第二说话人声中区分出背景人声，并将所述背景人声从所述人声语音集中删除。本发明还涉及区块链技术，通话音频可存储于区块链中。本发明可以删除语音通话中的背景人声，从而提升语音通话质量。 | ||
| 搜索关键词： | 语音 通话 噪声 消除 方法 装置 电子设备 存储 介质 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于平安科技（深圳）有限公司，未经平安科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010570483.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种软糯舒弹贴肤内衣面料
- 下一篇：一种基于预训练模型的阅读理解改进方法
- 同类专利
- 在人机接口中解析前缀检测-201811599888.X
- 柳熙瑛;傅英美;普仲朗 - 声音猎手公司
- 2018-12-26 - 2023-09-29 - G10L15/05
- 本公开提供了在人机接口中解析前缀检测，所述人机接口是一种基于语音的人机接口，所述基于语音的人机接口解析所说的单词以检测完整解析，并且响应于如此检测，计算关于所述单词是否是另一完整解析的前缀的假设。用于确定句尾的无话音活动时段的持续时间取决于所述前缀假设。用户的典型语速配置文件和语速的短期量度也缩放所述时段。语速通过单词之间的时间来测量，并且时段缩放使用连续自适应算法。所述系统在系统唤醒事件之后但是在它检测任何话音活动之前使用较长的切断时段。
- 语音与文本的对齐方法、装置、电子设备、介质及程序-202210178838.4
- 吴志勇;黎静北;田乔;王玉平;王雨轩 - 北京字跳网络技术有限公司;清华大学深圳国际研究生院
- 2022-02-25 - 2023-09-05 - G10L15/05
- 本公开涉及一种语音与文本的对齐方法、装置、电子设备、介质及程序，该方法通过构建基于双向注意力机制的端到端语音文本对齐模型，将用于建模的上下文信息扩展至整个语音和文本范围，提高边界检测结果的准确性，从而提升语音与文本对齐的效果。此外，本公开提供的端到端语音文本对齐模型能够避免长流水线框架导致的误差累计问题。
- 音频识别方法和装置、录音终端及服务器、存储介质-202010852414.2
- 沈忱;梁志婷;李健;王玉好 - 上海明略人工智能（集团）有限公司
- 2020-08-21 - 2023-08-25 - G10L15/05
- 本发明公开了一种音频识别方法和装置、录音终端及服务器、存储介质。其中，该方法包括：获取原始音频数据；基于语音活动检测VAD按照至少两种语音强度生成至少两个参考音频文件；对至少两个参考音频文件分别进行识别标记，得到每个参考音频文件中的语音标记数据；其中，语音标记数据用于指示参考音频文件中的语音片段；将至少两个参考音频文件和各自对应的语音标记数据发送至服务器，以使服务器从至少两个参考音频文件中确定出目标音频文件，并分离出目标音频文件中的语音片段和噪音片段。本发明解决了相关技术提供的音频识别方法存在识别处理操作较为复杂的技术问题。
- 冻结词-202180082507.4
- 马修·谢里菲;亚历山大·克拉昆 - 谷歌有限责任公司
- 2021-11-17 - 2023-08-18 - G10L15/05
- 一种用于检测冻结词的方法(300)包括接收音频数据(118)，该音频数据(118)对应于由用户(10)说出并由与用户相关联的用户设备(110)捕获的话语(119)。方法还包括使用语音辨识器(200)处理音频数据以确定话语包括针对数字助理(109)执行操作的查询(122)。语音辨识器被配置为在音频数据中非语音的预定持续时间之后触发话语的终结。在非语音的预定持续时间之前，方法包括在音频数据中检测冻结词(123)。响应于在音频数据中检测到冻结词，方法还包括触发用户设备处的硬麦克风关闭事件(125)。硬麦克风关闭事件防止用户设备捕获冻结词之后的任何音频。
- 一种语音识别结果展示方法、装置、电子设备及存储介质-202310505595.5
- 范贤波;杨红年;黄丽莉 - 合肥闻欣尔悦信息科技有限公司
- 2023-05-05 - 2023-08-04 - G10L15/05
- 本申请涉及一种语音识别结果展示方法、装置、电子设备及存储介质，其中，该方法包括：获取第一语音识别临时结果，将第一语音识别临时结果与预留临时结果融合，获得第二语音识别临时结果；在第二语音识别临时结果的字符数大于或等于第一预设字符数的情况下，对其进行后处理，获得第三语音识别临时结果；对第三语音识别临时结果进行标点符号检测，并基于标点符号检测的结果对第三语音识别临时结果进行处理，获得输出结果和当前时间节点的预留临时结果；展示输出结果，检测语音识别系统是否满足语音识别结束条件；在语音识别系统未满足语音识别结束条件的情况下，继续获取新的第一语音识别临时结果的步骤。本申请减少了用户等待语音识别结果的时间。
- 一种语音识别方法、装置及存储介质-202111394125.3
- 张鹏飞;赵国庆;井旭海;夏溧 - 北京中关村科金技术有限公司
- 2021-11-23 - 2023-05-23 - G10L15/05
- 本发明公开了一种语音识别方法、装置及存储介质，包括：识别第一目标音频数据的声道数量，获取声道识别结果；当第一目标音频数据的声道数量为预设数量时，进行语音边界检测，获取静默时间信息；根据静默时间信息对第一目标音频数据进行切分，以获取第二目标音频数据；对所述第二目标音频数据进行采样率转换，以获取第三目标音频数据；基于所述第三目标音频数据进行语音识别，以获取语音识别数据。本发明的方法根据静默时间信息进行切分，可以排除一部分完全没有声音的录音文件，降低对算法资源的浪费同时也可以为企业避免一部分损失；通过声道数量检测和采样率转换，能够满足对不同类型音频文件的的识别需求，减小具有语音识别需求的企业的成本。
- 语音处理方法、装置、电子设备和可读存储介质-202211714508.9
- 欧阳鹏翔 - 科大讯飞股份有限公司
- 2022-12-29 - 2023-04-28 - G10L15/05
- 本发明提供一种语音处理方法、装置、电子设备和可读存储介质，涉及语音处理技术领域，所述方法包括：将待检测语音信号对应的原始语音特征输入至不带后视野的语音端点检测模型中，得到原始语音特征中的人声语音特征对应的目标起始端点；将待检测语音信号对应的原始语音特征输入至带后视野的语音端点检测模型中，得到原始语音特征中的人声语音特征对应的目标终止端点；基于目标起始端点和目标终止端点，从原始语音特征中截取待检测语音信号对应的目标人声语音特征，以解决现有技术中无法兼顾提高端点检测效果以及降低用户使用的延迟感的技术问题。
- 用于获得语音训练数据的方法、装置、电子设备、介质-202211678278.5
- 周毅 - 阿波罗智联（北京）科技有限公司;阿波罗智行科技（广州）有限公司
- 2022-12-26 - 2023-04-25 - G10L15/05
- 本公开提供了一种用于获得语音训练数据的方法、装置、电子设备和介质，涉及数据处理领域，尤其涉及音频处理领域。用于获得语音训练数据的方法可以包括：通过对依次播放的至少一个语音指令进行音频采集操作，获得包含所述至少一个语音指令的音频流；从所述音频流中识别至少一个指令数据，所述至少一个指令数据中的每一个指令数据包括所述至少一个语音指令中的相应语音指令的指令文本、音频起点和音频终点；以及存储所述音频流和所述至少一个指令数据作为语音训练数据。
- 一种多模态语音端点检测方法及装置-202010454932.9
- 刘高成 - 云知声智能科技股份有限公司;厦门云知芯智能科技有限公司
- 2020-05-26 - 2023-04-18 - G10L15/05
- 本发明公开了一种多模态语音端点检测方法及装置，方法包括：获取待检测的视频信息，并对所述视频信息进行处理，以得到带有时间戳的音频信息和图像信息；对所述图像信息中的每一帧图片进行人物对象的检测，并将检测到人物对象的目标帧图片按照人物对象分类存储成按时间顺序排列的目标图片序列；从每个人物对象的所述目标图片序列中提取视觉信息的特征编码，并按照所述目标图片序列的时间戳获取与其时间戳对应的目标音频信息；从所述目标音频信息中提取语音信息的特征编码；将所述视觉信息的特征编码和语音信息的特征编码进行融合，得到融合的多模态特征编码；将所述融合的多模态特征编码输入至分类器中，以得到每个人物对象的语音活动分类结果。
- 语音识别方法、装置、终端及存储介质-202211412322.8
- 马雨枫;郑达;任腾 - 上海湃舵智能科技有限公司
- 2022-11-11 - 2023-03-07 - G10L15/05
- 本申请提供一种语音识别方法、装置、终端及存储介质，语音识别方法包括：获取待识别语音数据；将所述待识别语音数据输入语音识别集成模型；其中，所述语音识别集成模型包括第一语音识别模型和第二语音识别模型，所述第一语音识别模型以所述第二语音识别模型中与音频特征提取层相近的若干神经网络层作为输入共享层，且所述第一语音识别模型与所述第二语音识别模型相比参数量更小。两个语音识别模型均使用成对语音、文本作为训练素材，且训练素材不限于其他后处理形式，如处理成拼音，或提取音素等。通过应用本申请，可有效提高语音识别模型的鲁棒性和训练、运行效率，且无需收集大量的端点检测标注样本，使语音识别更快速、精准。
- 音符起始点的检测方法及装置-202211166930.5
- 陈立兴;朱成喜;韩晓新;倪福银 - 江苏理工学院
- 2022-09-23 - 2022-12-30 - G10L15/05
- 本发明提供一种音符起始点的检测方法及装置，方法包括：建立每个音乐音频文件的最优六参数模型，并对其进行求解；读取音乐音频文件并对其进行信号采集；对于每组音乐采集信号，根据相应的帧长和帧移通过分帧位置分配法进行分帧处理；通过快速傅里叶变换法分别对所有分帧后的音乐采集信号进行变换，并选择正频率部分；确定每帧正频率部分对应的多个不同的音符起始点检测函数，并得到融合检测函数；提取每个音乐音频文件的融合检测函数的峰值，并根据一组峰值得到最终音符起始点集。由此，可以避免单一固定的帧长和帧移对检测精度的影响，且可以在提高检测精度的同时保证检测效率、节约人工成本，从而大大改善了检测效果。
- 一种歌曲中人声起始位置的实时检测方法-201811358618.X
- 甘涛;甘云强;何艳敏 - 电子科技大学
- 2018-11-15 - 2022-11-25 - G10L15/05
- 本发明属于数字音频处理技术领域，涉及人声检测问题，具体为一种歌曲中人声起始位置估计方法，该方法采用高重叠的长窗口对音频进行分帧，并提取频率间(频域)和帧间(时域)两个维度的动态特征，有效地捕获了初始发声阶段的音频特性，通过对歌声起点片段的学习，将歌曲划分为乐器声和人声(或乐器‑人声混合声)两类，较准确地估计出人声起始位置，且具有较好的人声/乐器声判定容错性；同时，该方法算法简单、处理快速，能够广泛应用于广播电台的节目播出、自动化数字媒体管理等。
- 一种基于高斯混合概率密度的数据处理方法、装置、设备及介质-202210900397.4
- 祝震杰;陈为;薛攀 - 杭州鲸道科技有限公司
- 2022-07-28 - 2022-11-01 - G10L15/05
- 本申请公开了一种基于高斯混合概率密度的数据处理方法及系统，涉及音频数据处理技术领域。该方法包括：将获取的音频数据按照端点检测时间窗长度进行划分，得到端点检测帧序列，端点检测时间窗用于判断音频数据是否有端点，并统计端点检测次数；根据端点检测帧序列确定端点检测时间窗的信度，信度为表征音频数据是否有端点的信度；当信度大于预设信度时，输出端点检测时间节点和端点检测次数。由于对音频数据只进行了一次划分，全部的音频数据均用于得出表征音频数据在音频过程中的信度。此时降低了输出的端点检测次数和端点检测时间节点的偏差，得出精确的端点检测，提升音频数据语句翻译唱词的连续性。
- 语音唤醒方法、装置和电子设备-202210782346.6
- 李良斌 - 北京声智科技有限公司
- 2022-06-27 - 2022-10-14 - G10L15/05
- 本申请公开了一种语音唤醒方法、装置和电子设备，属于音频处理技术领域。其中，方法包括：获取实时音频数据，并基于语音唤醒模型和预设唤醒词对所述实时音频数据进行唤醒词检测；当检测到与所述预设唤醒词的匹配度超过预设阈值的唤醒音频数据时，基于尾端点检测模型及所述预设唤醒词的尾端点对所述实时音频数据进行尾端点检测；当检测到所述唤醒音频数据对应的尾端点时，控制语音交互系统进行唤醒响应。本申请实施例能够提升确定的预设唤醒词的尾端点的准确度。
- 音频尾端检测的语音处理方法、装置、电子设备及介质-202210822218.X
- 杨扬;李兴伟;陈泽铭;王文波;窦桦奇;郭迦 - 斑马网络技术有限公司
- 2022-07-13 - 2022-09-20 - G10L15/05
- 本发明公开了一种音频尾端检测的语音处理方法，在接收到语音请求之后，实时接收语音数据；对实时接收的所述语音数据进行N次尾音检测，其中，N为不小于2的整数；获取所述N次尾音检测对应的M个语言处理结果；从所述M个语言处理结果中确定出与所述语音请求对应的目标语言处理结果。本发明公开的音频尾端检测的语音处理方法、装置、电子设备及介质，能够有效缩短语音处理响应时间，进而能够提高响应效率，使得用户的体验更好。
- 一种音频起始点的标注方法及装置-202011328460.9
- 王军;马连航;文亮;汪万涛;阮林萍;赵罡 - 中电海康集团有限公司
- 2020-11-24 - 2022-09-06 - G10L15/05
- 本发明公开了一种音频起始点的标注方法及装置，方法包括：获取音频源文件，对音频源文件进行时频分析，得到频谱能量图；对频谱能量图进行平滑滤波；以音频源文件中的时域作为横坐标，振幅为纵坐标建立波形图，将波形图和平滑滤波后的频谱能量图的横坐标的时域对齐，并在对齐后进行上下拼接得到对比图进行展示；根据展示的对比图生成起始点标注信息；以接收的多个时间点初步确定音频源文件中对应的多个起始点，判断并删除多个起始点中的错误起始点；根据最终确定的起始点对应的时间点，将音频源文件中对应时间点的音频帧标注为起始帧，并导出作为标注样本。本发明具备标注准确性高、泛化性强的优点。
- 说话人分割聚类方法、装置、存储介质及电子装置-202210523915.5
- 王明明;梁家恩 - 云知声智能科技股份有限公司
- 2022-05-14 - 2022-09-02 - G10L15/05
- 本发明公开了一种说话人分割聚类方法、装置、存储介质及电子装置。其中，该说话人分割聚类方法包括：使用语音识别引擎对输入语音进行分割，能够更准确的区分语音和非语言，改善了使用VAD对语音进行分割错误率高的问题，从而提高后面聚类模块的正确率，从而降低整个说话人分割系统的错误率，以至少解决现有技术中，说话人分割聚类准确率较低的技术问题。
- 一种能量阈值调整方法、装置、设备及介质-202010298538.0
- 王为;陆金刚;方伟 - 浙江大华技术股份有限公司
- 2020-04-16 - 2022-07-19 - G10L15/05
- 本发明公开了一种能量阈值调整方法、装置、设备及介质，解决现有能量双门限端点检测方法不能准确采集有效语音段的技术问题。本发明通过获取音频段的能量信息，根据该音频段的能量信息，从而确定进行调整的目标能量阈值，进而对目标能量阈值进行调整，使能量阈值可以根据音频段的能量信息的不同而及时进行调整，从而能够更准确的采集有效语音段，也减少了后续指令词识别的工作量。
- 一种基于深度学习的语音端点检测方法-202210449438.2
- 刘文通 - 成都启英泰伦科技有限公司
- 2022-04-27 - 2022-07-08 - G10L15/05
- 一种基于深度学习的语音端点检测方法，包括如下步骤：S1.采集高信噪比的目标人声作为原始数据集，构建训练集；S2.对训练集和原始数据集计算幅度谱；S3.构建初始深度学习训练网络进行训练，以训练集每一帧的幅度谱作为训练输入特征，以原始数据集的幅度谱作为训练目标；训练完成后，得到最终深度学习训练网络；S4.求取增益值和时域信号；S5.通过模型输出的增益值和制定的状态机机制对时域信号进行语音端点检测。本发明通过模型输出的增益值来间接进行端点检测有利于应对不同的环境，可以对增益值进行不同的后处理方式增强适应性。
- 一种有效语音获取方法-201810956017.2
- 赵定金 - 广州市保伦电子有限公司
- 2018-08-21 - 2022-07-05 - G10L15/05
- 本发明公开了一种有效语音获取方法，包括以下步骤：获取待识别语音的开始点和结束点；根据预设的采样频率和采样大小对待识别语音依次进行采样，所述采样音频数据对应待识别语音的若干采样点；将所有采样音频数据依次通过FFT傅里叶变换得到若干采样频谱；当采样频谱频率中频率位于300～1000Hz频段获取的能量值大于预设能量值n1，且获取的能量方差大于预设能量值n2时，则判断该采样频谱对应的采样点位于有效语音的范围；反之，则判断该采样频谱对应的采样点位于噪音的范围；以有效语音的采样点序列中的第一采样点为有效语音的开始点；以噪音的采样点序列中第一采样点为有效语音的结束点。其能实现从待识别的语音准确获取有效语音。
- 一种基于电话信道的声纹有效语音的识别方法及装置-202110183528.7
- 宁博;唐绮雯;李艳华;龚小龙 - 中国工商银行股份有限公司
- 2021-02-10 - 2022-06-17 - G10L15/05
- 本发明提供一种基于电话信道的声纹有效语音的识别方法及装置，涉及人工智能技术领域。所述方法包括：接收语音流数据，并将所述语音流数据合成为待识别语音；对所述待识别语音进行静音识别，并将所述待识别语音拆分为多段语音；对每个非静音语音段进行噪声识别，获得第一类语音段和第二类语音段；对所述第一类语音段进行静音填补，并对所述第二类语音段进行降噪处理；对所有静音段语音和经过处理的第一类语音段和第二类语音段进行拼接，合并为长语音；若获知所述长语音的有效语音时长大于时长阈值，则结束有效语音的识别。所述装置用于执行上述方法。本发明实施例提供的基于电话信道的声纹有效语音的识别方法及装置，提高了声纹识别的准确性。
- 语音识别方法、语音识别模型、电子设备和存储介质-202111538265.3
- 高志付;张仕良 - 阿里巴巴达摩院（杭州）科技有限公司
- 2021-12-16 - 2022-05-17 - G10L15/05
- 本申请实施例提供了一种语音识别方法、语音识别模型、电子设备和存储介质，该语音识别方法包括：获取待识别语音的声学表示；确定声学表示中每个帧向量对应的字符概率，其中，字符概率用于指示基于当前帧向量识别出对应的字符语音的概率；根据每个帧向量对应的字符概率，对待识别语音包含的字符数量及每个字符的帧边界进行预测，获得预测结果；根据预测结果，从声学表示中提取每个字符语音的向量表示；根据每个字符语音的向量表示，获得待识别语音的识别结果。本方案能够提高语音识别的速度。
- 一种通话故障检测方法、装置、设备及存储介质-201910954174.4
- 郑春;王光华;程甦;黄达志;赵艳琼;吴晓燕;王成政;王君诚;王国荣;武苑;张滢;桂国富 - 科大讯飞股份有限公司
- 2019-10-09 - 2022-05-17 - G10L15/05
- 本申请提出一种通话故障检测方法、装置、设备及存储介质，其中，该方法包括：分别确定终端通话记录中的各个下行音频数据帧的语音能量值，以及分别确定所述各个下行音频数据帧的噪声能量值；根据所述各个下行音频数据帧的语音能量值和噪声能量值，从所述终端通话记录中筛选出静音音频数据段；从所述终端通话记录中的、位于目标时间段内的通话记录中检测预设的至少一个通话故障关键词；如果检测到所述预设的至少一个通话故障关键词中的设定数量的通话故障关键词，则确定在所述目标时间段内发生了通话故障。通过执行本申请技术方案，可以实现对终端通话故障的检测、识别。
- 语音处理方法、装置、电子设备及存储介质-202210077930.1
- 张文权;吕贵林;高洪伟;马剑桥;富文泰;高楚;张彤 - 中国第一汽车股份有限公司
- 2022-01-24 - 2022-04-29 - G10L15/05
- 本发明实施例公开了一种语音处理方法、装置、电子设备及存储介质，该方法包括：在监听到待处理语音信息时，确定所述待处理语音信息的结束时刻；若当前时刻与所述结束时刻的间隔时长大于预设静音时长阈值，则对与所述待处理语音信息相对应的待处理文本进行完整性分析；当完整性分析结果满足预设分析结果时，确定与所述待处理文本对应的调控指令，以基于所述调控指令执行相应的功能。本发明实施例的技术方案，在对用户语音活动进行动态监测的同时，以自动化的方式判断用户语音指令是否输入完成，提高了车载语音系统的智能度以及人机语音交互的成功率。
- 自动生成字幕的方法及其相关产品-202210102736.4
- 高圣洲;穆禹彤;王艳;孙艳庆;段亦涛;周枫 - 网易有道信息技术（北京）有限公司
- 2022-01-27 - 2022-04-29 - G10L15/05
- 本发明的实施方式提供了一种自动生成字幕的方法及相关产品。其中，该方法包括：获取与多媒体文件中语音时序相关的音频信息；获取所述音频信息的语音识别文本；对所述语音识别文本进行文本可读性增强处理；以及基于处理后的所述语音识别文本，生成与所述多媒体文件中语音对照的字幕文本。通过本发明的方案，可自动生成与多媒体文件中语音对照的字幕文本，不仅能够有效节省人力成本和时间成本，而且有能够确保字幕文本与语音的高度匹配。此外，还提供了一种设备和计算机可读存储介质。
- 音频信号处理方法、装置及电子设备-202011135534.7
- 郑斯奇;索宏彬;王宪亮 - 阿里巴巴集团控股有限公司
- 2020-10-21 - 2022-04-22 - G10L15/05
- 本申请实施例公开了音频信号处理方法、装置及电子设备，所述方法包括：对多人发言场景下采集到的音频信号进行语音识别、声源定位以及语音端点检测；根据声源定位结果确定所述音频信号中的发言人变更时间点，所述发言人变更时间点包括：所述音频信号中发言人变更事件时刻在时间轴上的位置；根据语音端点检测结果中语音端点在时间轴上的位置，对所述发言人变更时间点进行修正；根据修正后的发言人变更时间点，将语音识别得到的文本进行分隔，得到多个文本段。通过本申请实施例，能够提高会议记录的效率以及准确度，降低会议记录工作人员的工作量。
- 动态上下文对话会话扩展-202080063827.0
- M·R·肯纳维克 - 甲骨文国际公司
- 2020-07-09 - 2022-04-15 - G10L15/05
- 描述了一种对话系统，该对话系统能够保持覆盖可由停顿或时间间隔分开的多个用户话语的单个对话会话，并且跨会话内的多个话语来连续地确定意图。
- 一种基于深度学习的语音端点检测方法及系统-201910917881.6
- 不公告发明人 - 成都数之联科技股份有限公司
- 2019-09-26 - 2022-04-08 - G10L15/05
- 本发明公开了一种基于深度学习的语音端点检测方法及系统，包括：利用收集的音频数据生成样本音频数据；分帧处理样本音频数据，划分处理后得到的待训练语音帧为非噪声语音帧和噪声语音帧，获得训练集；利用训练集训练深度神经网络模型，获得训练后的深度神经网络模型；将端点待检测语音数据输入该训练后的模型，输出该语音数据中的所有非噪声语音帧和噪声语音帧；基于非噪声语音帧和噪声语音帧，获得端点待检测语音数据中的非噪声语音段和噪声语音段，提取所有的非噪声语音段在端点待检测语音数据中的起始坐标索引和结束坐标索引为语音端点。本发明解决了传统语音端点检测技术低信噪比识别准确率低、部分方法识别速度慢和语音特征选取困难的问题。
- 基于自动柜员机业务逻辑的语音识别处理方法和装置-202111629658.5
- 梁升荣;王曼;罗秉安;王永隆 - 中国工商银行股份有限公司
- 2021-12-28 - 2022-04-01 - G10L15/05
- 本申请涉及一种基于自动柜员机业务逻辑的语音识别处理方法、装置、计算机设备、存储介质和计算机程序产品，可用于人工智能技术领域。本申请能够提升对用户输入的语音指令的识别效率，与传统的语音识别方案相比，减少了计算量，进一步提高了语音识别速度和识别准确度，从而提升了自动柜员机上的用户体验。该方法包括：获取用户语音音频，并识别当前业务状态；基于当前业务状态从预设的指令库中筛选得到可执行指令集；基于可执行指令集构造状态网络；基于用户语音音频，利用路径搜索算法从状态网络中搜索得到全局最优路径；将全局最优路径转换为语音指令；根据语音指令指示自动柜员机进行相应的动作。
- 字级别的时间戳的生成方法、装置、电子设备和存储介质-202111547980.3
- 范红亮;李轶杰;梁家恩 - 云知声智能科技股份有限公司
- 2021-12-16 - 2022-03-22 - G10L15/05
- 本申请涉及一种字级别的时间戳的生成方法、电子设备和存储介质，该方法包括：在逐帧解码过程中，确定每个字的概率峰值；根据每个字的概率峰值确定每个字的尾端点对应的时间；根据每个字的尾端点对应的时间确定每个字的首端点对应的时间；根据每个字的首端点对应的时间和每个字的尾端点对应的时间生成字级别的时间戳。本申请通过基于深度神经网络的输出分数，以及解码过程中输出每个字时打分的变化规律，确定每个字的概率峰值，根据每个字的概率峰值确定每个字的首端点对应的时间和每个字的尾端点对应的时间，提供了获取字级别时间戳的方法，能够输出字级别上精确的时间戳信息，从而得到高精度的边界信息，提升了用户体验。
- 专利分类
