CN103811012B - 一种语音处理方法以及一种电子设备 - Google Patents

Abstract

本申请公开了一种语音处理方法以及一种电子设备，所述方法包括：获得用户发出的第一语音音频流；对所述第一语音音频流进行识别，获得组成所述第一语音音频流的M个调整语音，以及N个第一标准语音，其中M为大于等于1的整数，N为大于等于0的整数；根据所述M个调整语音，在所述电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音；根据所述M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

Description

一种语音处理方法以及一种电子设备

技术领域

本发明涉及电子技术领域，特别涉及一种语音处理方法以及一种电子设备。

背景技术

目前，在设计电子设备时，比如在笔记本电脑的设计中，都会内置麦克风，以使用户可以使用语音输入和其他用户进行通信。

而当用户使用该麦克风时，有可能会出现干扰输入的杂音，比如，当用户A使用笔记本电脑的麦克风和用户B进行语音通信时，用户C同时在用户A的旁边说话，此时，用户C的声音则成为了杂音。

本申请人在实现本申请的过程中，发现现有技术中至少存在以下技术问题：

当用户C的声音成为杂音时，对于笔记本电脑，却辨别不了其为杂音，笔记本电脑中的麦克风，会将用户A和用户C两者的语音同时传送给用户B，由用户B主观判断哪个声音为杂音。

因此，现有技术存在电子设备不能够自动去除杂音的技术问题。

发明内容

本发明提供一种语音处理方法以及一种电子设备，用以解决现有技术中存在的电子设备不能够自动去除杂音的技术问题。一方面，本发明通过本申请的一个实施例，提供如下技术方案：

一种语音处理方法，所述方法包括：获得用户发出的第一语音音频流，所述第一语音音频流包括M个调整语音，N个第一标准语音以及杂音音频流，其中M为大于等于1的整数，N为大于等于0的整数；对所述第一语音音频流进行识别，将所述第一语音音频流中的第一个语音作为主语音；根据主语音的语音音色或者主语音的语音音调，对所述第一语音音频流中的其他M+N-1个语音进行对比，获得组成所述M个调整语音以及所述N个第一标准语音；根据所述M个调整语音，在电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音；根据所述M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

可选的，所述第一语音音频流具体包括所述M个调整语音，N个第一标准语音，以及杂音音频流。

可选的，所述对所述第一语音音频流进行识别，获得组成所述第一语音音频流的M个调整语音，以及N个第一标准语音，具体为：根据语音响度，对所述第一语音音频流进行识别，获得组成所述第一语音音频流的所述M个调整语音，以及N个第一标准语音。

可选的，所述根据所述M个调整语音，在电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音，具体包括：根据所述M个调整语音，将所述M个调整语音转换为对应的第一文本内容；根据第一文本内容，在电子设备中的标准语音库中，获得与所述第一文本内容对应的所述M个第二标准语音。

可选的，所述第一语音音频流具体可以为方言语音音频流或者普通话语音音频流。

可选的，当所述第一语音音频流为方言语音音频流时，在所述获得组成所述第一语音音频流的M个调整语音，以及N个第一标准语音之后，所述方法还包括：将所述M个调整语音，以及N个第一标准语音转换为对应的第二文本内容；根据所述第二文本内容，在电子设备中的标准语音库中，获得与所述第一文本内容对应的所述P个第二标准语音，其中，P为大于等于1的整数。

另一方面，本发明通过本申请的另一实施例提供：

一种电子设备，包括：第一获得单元，用于获得用户发出的第一语音音频流，所述第一语音音频流包括M个调整语音，N个第一标准语音以及杂音音频流，其中M为大于等于1的整数，N为大于等于0的整数；第二获得单元，用于对所述第一语音音频流进行识别，将所述第一语音音频流中的第一个语音作为主语音；根据主语音的语音音色或者主语音的语音音调，对所述第一语音音频流中的其他M+N-1个语音进行对比，获得所述第一语音音频流的M个调整语音以及所述N个第一标准语音；第三获得单元，用于根据所述M个调整语音，在所述电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音；第四获得单元，用于根据所述M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

可选的，所述第二获得单元具体用于根据语音响度，对所述第一语音音频流进行识别，获得组成所述第一语音音频流的所述M个调整语音，以及N个第一标准语音。

可选的，所述第三获得单元具体包括：转换单元，用于根据所述M个调整语音，将所述M个调整语音转换为对应的第一文本内容；第五获得单元，用于根据第一文本内容，在所述电子设备中的标准语音库中，获得与所述第一文本内容对应的所述M个第二标准语音。

上述技术方案中的一个或多个技术方案，具有如下技术效果或优点：

在上述一个或多个实施例中，首先获得用户发出的第一语音音频流。然后对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。再根据M个调整语音，使用标准语音库来将M个调整语音替换为M个标准语音，然后与N个第一标准语音组成第二语音音频流，能够主动地替换第一语音音频流，进而达到主动去除杂音的目的。

进一步的，可以将组成方言语音音频流的方言语音转换为普通话语音，并从标准语音库寻找出普通话语音的标准发音，从而获得没有杂音的语音音频流。

附图说明

图1为本申请实施例中语音处理方法的流程图；

图2为本申请实施例中电子设备的示意图。

具体实施方式

为了解决现有技术中存在的电子设备不能够自动去除杂音的技术问题，本发明实施例提出了一种语音处理方法以及一种电子设备，其解决方案总体思路如下：

本申请通过提供一种语音处理方法，首先获得用户发出的第一语音音频流。然后对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音。再根据M个调整语音，在电子设备中的标准语音库中，获得与M个调整语音对应的M个第二标准发音。最后将M个第二标准发音组成第二语音音频流。

在本申请中，通过使用标准语音库来中的语音来组成第二语音音频流，能够主动地替换第一语音音频流，进而达到主动去除杂音的目的。

下面结合说明书附图对本发明实施例的主要实现原理、具体实施过程及其对应能够达到的有益效果进行详细的阐述。

实施例一：

在本申请实施例中，通过提供一种语音处理方法，其中，如图1所示，该方法包括：

步骤1，获得用户发出的第一语音音频流。

在本申请实施例中，可以通过多种方法获得该第一语音音频流，比如使用电子设备中的内置麦克风获得，或者使用外接于电子设备的外接麦克风获得。

其中，第一语音音频流具体包括M个调整语音，以及N个第一标准语音，还有杂音音频流。

比如，当用户A在使用笔记本电脑的内置麦克风和用户B聊天，用户C同时在用户A旁边说话，假如第一语音音频流为用户A在通信时的一段话：

明天下午三点在广场上见面。

而杂音音频流则为用户C在用户A说到上述内容时，同时发出的声音：

我们现在干什么呢？

当获得了上述第一语音音频流之后，则会进行下面的步骤。

步骤2，对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。

其中，M为大于等于1的整数。N为大于等于0的整数。

如上述举例，当对第一语音音频流进行识别时，则会获得下面的12个语音：

明天下午三点在广场上见面

而具体的识别方法，可以通过两种方法进行识别。

第一种：通过响度进行识别。

如下。

根据语音响度，对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。

当电子设备同时采集到用户A和用户C的语音时，会根据声音的响度来判断M个调整语音和杂音音频流的区别。

由于声音源离电子设备的距离远近，会影响声音响度的大小，比如，当用户A和用户C同时各自说出上述的语音时，由于用户A距离电子设备的距离，比用户C距离电子设备的距离近，因此，电子设备采集到的用户A的语音音频流比采集到的用户C的语音音频流的响度大。

所以，当使用响度进行识别时，会将用户A的语音音频流识别为第一语音音频流，并获得12个语音，而将用户C的语音音频流识别为杂音音频流。

其中，这12个语音中包含了M个调整语音，调整语音含义为：由于音调或者发音不准确进而需要调整的语音。

比如上述12个语音中具有6个调整语音，分别为：

三点，广场，见面。

剩下的6个语音为第一标准语音，即发音或者音调都很标准的语音。

而除了根据语音响度进行判断之外，还可以根据语音音色或者语音音调进行判断。

第二种：根据主语音的语音音色或者主语音的语音音调。

具体如下：

首先，对第一语音音频流进行识别，将第一语音音频流中的第一个语音作为主语音。

其次，根据主语音的语音音色或者主语音的语音音调，对第一语音音频流中的其他M+N-1个语音进行对比，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。

比如，获得第一语音音频流之后，对第一语音音频流进行识别，将第一语音音频流中的第一个语音作为主语音，如用户A在用户C之前发出声音，并说出了下面的话语：

明天下午三点在广场上见面。

在系统侧，则会获得第一语音音频流的第一个语音“明”，并将其作为主语音。

然后，根据该主语音“明”的语音音色或者主语音的语音音调，对剩下的语音进行识别，在识别时，不仅对用户A的语音进行识别，还会对用户C的语音进行识别。

在识别之后，会确定出组成用户A的第一语音音频流的M个调整语音，以及N个第一标准语音。

比如M个调整语音为：三点，广场，见面。

N个调整语音为：明天，下午，在，上。

当获得了上述12个语音，以及6个调整语音和6个第一标准语音之后，则会进行下面的步骤。

步骤3，根据M个调整语音，在电子设备中的标准语音库中，获得与M个调整语音对应的M个第二标准发音。

当获得了上述12个语音之后，会获得6个需要调整的调整语音。

然后会在标准语音库中，寻找与这6个调整语音对应的6个标准发音。

而此时的标准语音库，则收集了各个语音的标准发音。

比如上述12个语音：明天下午三点在广场上见面。

在这12个语音中，具有6个调整语音：三点，广场，见面。

以“三点”举例。

其中，用户A发出的“三点”发音是：“三”为轻声，没有音调。而标准读音中“三”为一声音调，“三点”的标准读音为：

当从标准语音库中寻找发音时，电子设备有时无法识别用户发出的音调是否准确。

因此，当从标准语音库进行寻找时，还具有下面的方法进行识别。

首先，根据M个调整语音，将M个调整语音转换为对应的第一文本内容。

其次，根据第一文本内容，在电子设备中的标准语音库中，获得与第一文本内容对应的M个第二标准语音。

比如，当获得6个调整语音时，会将这6个语音转换为对应的第一文本内容。

第一文本内容是标准的文本，因此，即使这6个调整语音的发音或者音调不太准确，当根据第一文本内容在标准语音库进行寻找时，也会获得与该第一文本内容对应的M个第二标准语音。

步骤4，根据M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

当获得了M个第二标准发音之后，结合N个第一标准语音，则可以获得不含杂音的第二语音音频流。

上述方法介绍了第一语音音频流如何获得第二语音音频流，而上述方法，是基于用户A的语音音频流为普通话为基础的，而具体的，第一语音音频流除了可以为普通话语音音频流之外，还可以为方言语音音频流或者。

当用户发出的语音音频流为方言语音音频流时，则识别出的语音为方言语音。

因此，在获得组成第一语音音频流的M个调整语音，以及N个第一标准语音之后，则具有以下的步骤：

首先，将M个调整语音，以及N个第一标准语音转换为对应的第二文本内容。

然后，根据第二文本内容，在电子设备中的标准语音库中，获得与第一文本内容对应的P个第二标准语音。

其中，P为大于等于1的整数。

比如，用户A使用的是方言在进行通信，当获得了用户A的语音音频流之后：

明天下午三点在广场上见个面撒。

则会获得组成该语音音频流的13语音，并会将该13个语音转换为第二文本内容，即第二文本内容：明天下午三点在广场上见个面撒。

根据第二文本内容，可以判断出最后一个字时语气助词，并没有任何含义，因此，则会在电子设备中的标准语音库中，转换为12个普通话语音：

明天下午三点在广场上见个面。

如上述举例，则会获得该12个语音的标准发音。

而具体的过程，在上述的方法中已经说明，本申请在此不再赘述。

在上述实施例中，首先获得用户发出的第一语音音频流。然后对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音。再根据M个调整语音，在电子设备中的标准语音库中，获得与M个调整语音对应的M个第二标准发音。最后将M个第二标准发音组成第二语音音频流，能够主动地替换第一语音音频流，进而达到主动去除杂音的目的。

进一步的，可以将组成方言语音音频流的方言语音转换为普通话语音，并从标准语音库寻找出普通话语音的标准发音，从而获得没有杂音的语音音频流。

实施例二：

在本申请实施例中，提供了一种电子设备，如图2所示，包括：第一获得单元201，第二获得单元202，第三获得单元203，第四获得单元204。

下面对各个单元进行功能介绍。

第一获得单元201，用于获得用户发出的第一语音音频流；

第二获得单元202，用于对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。

其中M为大于等于1的整数，N为大于等于0的整数；

第三获得单元203，用于根据M个调整语音，在电子设备中的标准语音库中，获得与M个调整语音对应的M个第二标准发音；

第四获得单元204，用于根据M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

进一步的，第二获得单元202具体用于根据语音响度，对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。

进一步的，第二获得单元202，具体还包括：

识别单元，用于对第一语音音频流进行识别，将第一语音音频流中的第一个语音作为主语音；

对比单元，用于根据主语音的语音音色或者主语音的语音音调，对第一语音音频流中的其他M+N-1个语音进行对比，获得组成第一语音音频流的M个调整语音，以及N个第一标准语音。

进一步的，第三获得单元203具体包括：

转换单元，用于根据M个调整语音，将M个调整语音转换为对应的第一文本内容；

第五获得单元，用于根据第一文本内容，在电子设备中的标准语音库中，获得与第一文本内容对应的M个第二标准语音。

通过本发明的一个或多个实施例，可以实现如下技术效果：

在上述一个或多个实施例中，首先获得用户发出的第一语音音频流。然后对第一语音音频流进行识别，获得组成第一语音音频流的M个调整语音。再根据M个调整语音，在电子设备中的标准语音库中，获得与M个调整语音对应的M个第二标准发音。最后将M个第二标准发音组成第二语音音频流，能够主动地替换第一语音音频流，进而达到主动去除杂音的目的。

进一步的，可以将组成方言语音音频流的方言语音转换为普通话语音，并从标准语音库寻找出普通话语音的标准发音，从而获得没有杂音的语音音频流。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种语音处理方法，其特征在于，所述方法包括：

获得用户发出的第一语音音频流，所述第一语音音频流包括M个调整语音，N个第一标准语音以及杂音音频流，其中M为大于等于1的整数，N为大于等于0的整数；

对所述第一语音音频流进行识别，将所述第一语音音频流中的第一个语音作为主语音；根据主语音的语音音色或者主语音的语音音调，对所述第一语音音频流中的其他M+N-1个语音进行对比，获得所述M个调整语音以及所述N个第一标准语音；

根据所述M个调整语音，在电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音；

根据所述M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

2.如权利要求1所述的方法，其特征在于，所述对所述第一语音音频流进行识别，获得组成所述第一语音音频流的M个调整语音，以及N个第一标准语音，具体为：

根据语音响度，对所述第一语音音频流进行识别，获得组成所述第一语音音频流的所述M个调整语音，以及N个第一标准语音。

3.如权利要求1所述的方法，其特征在于，所述根据所述M个调整语音，在电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音，具体包括：

根据所述M个调整语音，将所述M个调整语音转换为对应的第一文本内容；

根据第一文本内容，在电子设备中的标准语音库中，获得与所述第一文本内容对应的所述M个第二标准语音。

4.如权利要求1所述的方法，其特征在于，所述第一语音音频流具体可以为方言语音音频流或者普通话语音音频流。

5.如权利要求4所述的方法，其特征在于，当所述第一语音音频流为方言语音音频流时，在所述获得组成所述第一语音音频流的M个调整语音，以及N个第一标准语音之后，所述方法还包括：

将所述M个调整语音，以及N个第一标准语音转换为对应的第二文本内容；

根据所述第二文本内容，在电子设备中的标准语音库中，获得与所述第一文本内容对应的所述P个第二标准语音，其中，P为大于等于1的整数。

6.一种电子设备，其特征在于，包括：

第一获得单元，用于获得用户发出的第一语音音频流，所述第一语音音频流包括M个调整语音，N个第一标准语音以及杂音音频流，其中M为大于等于1的整数，N为大于等于0的整数；

第二获得单元，用于对所述第一语音音频流进行识别，将所述第一语音音频流中的第一个语音作为主语音；根据主语音的语音音色或者主语音的语音音调，对所述第一语音音频流中的其他M+N-1个语音进行对比，获得所述M个调整语音以及所述N个第一标准语音；

第三获得单元，用于根据所述M个调整语音，在所述电子设备中的标准语音库中，获得与所述M个调整语音对应的M个第二标准发音；

第四获得单元，用于根据所述M个第二标准发音以及N个第一标准语音，获得第二语音音频流。

7.如权利要求6所述的电子设备，其特征在于，所述第二获得单元具体用于根据语音响度，对所述第一语音音频流进行识别，获得组成所述第一语音音频流的所述M个调整语音，以及所述N个第一标准语音。

8.如权利要求6所述的电子设备，其特征在于，所述第三获得单元具体包括：

转换单元，用于根据所述M个调整语音，将所述M个调整语音转换为对应的第一文本内容；

第五获得单元，用于根据第一文本内容，在所述电子设备中的标准语音库中，获得与所述第一文本内容对应的所述M个第二标准语音。