本发明专利技术公开了一种语音端点检测方法及装置，该方法包括：在确定出有语音输入时，确定当前的网络传输速率；根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时；根据确定出的语音延时，得到语音输入的终止点。能够较好地解决在网络传输带宽不够的情况下，信号传输延时比较长，使得语音端点识别准确率较低的问题。
【技术实现步骤摘要】
本专利技术涉及移动多媒体
，尤其是涉及一种语音端点检测方法及装置。
技术介绍
随着人机信息交互技术的发展，语音识别技术显示出其重要性，语音识别需要确 定语音短短。语音端点包括语音录入的起始点，以及语音录入的终止点。从语音录入的起 始点开始计时，延时一段时长后得到语音录入的终止点。语音端点检测是语音识别是否正 确的关键技术之一，可以在语音识别中提高识别精度及减少识别时间。 通常情况下，语音端点检测的具体流程如下述： 步骤一：接收用户输入的触发语音输入的触发指令。 用户可以通过点击语音输入按钮，触发启动终端中的语音输入程序，开启语音录 入模式。 步骤二：接收用户录入的语音。 步骤三：终端进入语音录入状态，接收用户录入的语音的起始点。 步骤四：在检测到语音录入的起始点时，开始计时。 步骤五：计时结束后，得到语音录入的终止点。 步骤六：根据得到的语音起始点和语音终止点，完成语音端点检测。 但是，上述语音端点检测过程，语音录入时需要通过网络传输，因此在网络传输带 宽不够的情况下，信号传输延时比较长，使得语音端点识别准确率较低。
技术实现思路
本专利技术提供了一种语音端点检测方法及装置，能够较好地解决在网络传输带宽不 够的情况下，信号传输延时比较长，使得语音端点识别准确率较低的问题。 一种语音端点检测方法，包括：在确定出有语音输入时，确定当前的网络传输速 率；根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时；根据确定出 的语音延时，得到语音输入的终止点。 在语音端点确定的过程中，引入网络传输速率，最终根据当前的网络传输速率来 确定语音延时，在高带宽的情况下，可以延长语音延时，在网路拥塞的情况下，可以缩短语 音延时，从而增加语音识别等应用的成功率，从而增加语音端点检测的准确性。 按照下述公式确定当前的网络传输速率：【主权项】1. 一种语音端点检测方法，其特征在于，包括： 在确定出有语音输入时，确定当前的网络传输速率； 根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时； 根据确定出的语音延时，得到语音输入的终止点。2. 如权利要求1所述的方法，其特征在于，按照下述公式确定当前的网络传输速率：其中，V是当前的网络传输速率，P。是语音输入过程中，语音编码队列的当前占用率，TVA，是语音输入的时长，R。语音输入输入过程中，输入的语音的编码速率。3. 如权利要求1或2所述的方法，其特征在于，按照下述公式确定用于表征语音输入的 时长的语音延时： d=SD*V*a 其中，d是语音延时，V是当前的网络传输速率，SD是设定的常量，a是网络传输速率 的权重。4. 如权利要求1或2所述的方法，其特征在于，在确定出当前的网络传输速率之后，确 定用于表征语音输入的时长的语音延时之前，还包括： 确定语音输入过程中，在确定出有和语音输入的识别错误率反馈信息时，确定所述识 别错误率；以及 在确定出没有和语音输入的识别错误率反馈信息时，确定场景因子，所述场景因子用 于表征语音输入过程所在的场景。5. 如权利要求4所述的方法，其特征在于，按照下述公式确定用于表征语音输入的时 长的语音延时： d=SD*V*a+SD*Fs* 3 其中，其中，d是语音延时，V是当前的网络传输速率，SD是设定的常量，a是网络传输 速率的权重，Fs是识别错误率或场景因子，若Fs是识别错误率时，根据网络传输速率估计的 延时确定，0是错误识别率权重，若Fs是场景因子时，Fs =Evb/Eva，Evb是语音输入过程中， 背景音的功率，EVa是语音输入过程中，输入的语音的功率，0是场景因子权重。6. -种语音端点检测装置，其特征在于，包括： 语音确定模块，用于确定是否有语音输入； 网络传输速率确定模块，用于在确定出有语音输入时，确定当前的网络传输速率； 语音延时确定模块，用于根据确定出的网络传输速率，确定用于表征语音输入的时长 的语音延时； 端点确定模块，用于根据确定出的语音延时，得到语音输入的终止点。7. 如权利要求6所述的装置，其特征在于，所述网络传输速率确定模块，具体用于按照 下述公式确定当前的网络传输速率：其中，V是当前的网络传输速率，P。是语音输入过程中，语音编码队列的当前占用率， TVA，是语音输入的时长，R。语音输入输入过程中，输入的语音的编码速率。8. 如权利要求6或7所述的装置，其特征在于，所述语音延时确定模块，具体用于按照 下述公式确定用于表征语音输入的时长的语音延时： d=SD*V*a 其中，d是语音延时，V是当前的网络传输速率，SD是设定的常量，a是网络传输速率 的权重。9. 如权利要求6或7所述的装置，其特征在于，还包括： 识别错误率确定模块，用于确定语音输入过程中，在确定出有和语音输入的识别错误 率反馈信息时，确定所述识别错误率；以及在确定出没有和语音输入的识别错误率反馈信 息时，确定场景因子，所述场景因子用于表征语音输入过程所在的场景。10. 如权利要求9所述的装置，其特征在于，所述语音延时确定模块，具体用于按照下 述公式确定用于表征语音输入的时长的语音延时： d=SD*V*a+SD*Fs* 3 其中，其中，d是语音延时，V是当前的网络传输速率，SD是设定的常量，a是网络传输 速率的权重，Fs是识别错误率或场景因子，若Fs是识别错误率时，根据网络传输速率估计的 延时确定，0是错误识别率权重，若Fs是场景因子时，Fs =Evb/Eva，Evb是语音输入过程中， 背景音的功率，EVa是语音输入过程中，输入的语音的功率，0是场景因子权重。【专利摘要】本专利技术公开了一种语音端点检测方法及装置，该方法包括：在确定出有语音输入时，确定当前的网络传输速率；根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时；根据确定出的语音延时，得到语音输入的终止点。能够较好地解决在网络传输带宽不够的情况下，信号传输延时比较长，使得语音端点识别准确率较低的问题。【IPC分类】G10L25-87, G10L15-04【公开号】CN104700830【申请号】CN201310656959【专利技术人】郭勐, 杨蕾, 张俭 【申请人】中国移动通信集团公司【公开日】2015年6月10日【申请日】2013年12月6日本文档来自技高网...
【技术保护点】
一种语音端点检测方法，其特征在于，包括：在确定出有语音输入时，确定当前的网络传输速率；根据确定出的网络传输速率，确定用于表征语音输入的时长的语音延时；根据确定出的语音延时，得到语音输入的终止点。
【技术特征摘要】
【专利技术属性】
技术研发人员：郭勐，杨蕾，张俭，
申请(专利权)人：中国移动通信集团公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。