CN106205607B - 语音信息处理方法和语音信息处理装置 - Google Patents

Abstract

本发明一个实施例提供了一种语音信息处理方法和语音信息处理设备，方法包括：在语音录制状态下，检测是否接收到用于指示开始进行语音信号识别的识别启动信号；当检测接收到识别启动信号时，从接收到识别启动信号对应的时间点开始进行第一次语音识别，并且检测在时间点识别的语音信号是否是截断的语音信号；当检测到在时间点识别的语音信号是截断的语音信号时，在录制的语音信号中向前检测距离截断的语音信号最近的语音起点；当检测到距离截断的语音信号最近的语音起点时，从最近的语音起点开始对录制的语音信号按照录制时间顺序进行第二次语音识别。本发明有效地避免了语音截断，保证了信息的完整性。

Description

语音信息处理方法和语音信息处理装置

技术领域

本发明涉及语音信息处理方法以及与该方法对应的语音信息处理装置。

背景技术

目前，便携式语音录入设备已经得到广泛应用，例如，录音机、录音笔等等。用户利用便携式语音录入设备，可以随时随地地录入各种声音，及时地获取有用的语音信息。

然而，在语音录入和识别的过程中，由于手嘴配合问题，或者用户的录入想法滞后于语音开端，很多情况下用户点击按键录音之前语音已经发出，从而导致语音前端录音缺失，无法进行有效地识别，信息不完整。

发明内容

本发明实施例的目的在于提供一种语音信息处理方法以及语音信息处理装置，以解决上述技术问题。

本发明一个实施例提供了一种语音信息处理方法，包括：在语音录制状态下，检测是否接收到用于指示开始进行语音信号识别的识别启动信号；当检测接收到识别启动信号时，从接收到识别启动信号对应的时间点开始进行第一次语音识别，并且检测在时间点识别的语音信号是否是截断的语音信号；当检测到在时间点识别的语音信号是截断的语音信号时，在录制的语音信号中向前检测距离截断的语音信号最近的语音起点；当检测到距离截断的语音信号最近的语音起点时，从最近的语音起点开始对录制的语音信号按照录制时间顺序进行第二次语音识别。

本发明另一个实施例提供了一种语音信息处理设备，包括：检测单元，在语音录制状态下，配置来检测是否接收到用于指示开始进行语音信号识别的识别启动信号；语音识别单元，当检测接收到识别启动信号时，配置来从接收到识别启动信号对应的时间点开始进行第一次语音识别；检测单元，还配置来检测在时间点识别的语音信号是否是截断的语音信号；语音检测单元，当检测在时间点识别的语音信号是截断的语音信号时，配置来在录制的语音信号中向前检测距离截断的语音信号最近的语音起点；当检测到距离截断的语音信号最近的语音起点时，语音识别单元还配置来从最近的语音起点开始对录制的语音信号按照录制时间顺序进行第二次语音信号识别。

通过上述本发明实施例提供的方案，在进入语音控制场景后提前启动录音功能进行预录音，在用户点击正式录音按钮时，从该时间点附近搜索语音起始端点，对于发生语音截断的情况，通过向前回溯找到最近的语音起点，有效地避免了语音截断，保证了信息的完整性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例的描述中所需要使用的附图作简单的介绍。下面描述中的附图仅仅是本发明的示例性实施例。

图1是根据本发明的第一个实施例的语音信息处理方法的流程图；

图2是本发明第一个实施例中回溯语音起点的示意图；

图3是根据本发明的第三个实施例的语音信息处理设备的示范性结构框图。

具体实施方式

在下文中，将参考附图详细描述本发明的优选实施例。注意，在本说明书和附图中，具有基本上相同步骤和元素用相同的附图标记来表示，且对这些步骤和元素的重复解释将被省略。

在本发明的以下实施例可以用于电子设备中，电子设备指的是能够与其他设备通信的设备。电子设备的具体形式包括但不限于移动电话、个人计算机、数码相机、个人数字助手、便携式计算机、游戏机、录音笔、录音机等。

图1描述了根据本发明的第一个实施例的语音信息处理方法的流程图。图2是本发明第一个实施例中回溯语音起点的示意图。下面将参照图1和图2来描述本发明的第一个实施例的语音信息处理方法100。语音信息处理方法100可以应用于上述电子设备，该电子设备可以被配置来对语音信息进行录入和处理。

如图1所示，在步骤S101中，在语音录制状态下，检测是否接收到用于指示开始进行语音信号识别的识别启动信号。根据本发明的一个示例，语音录入状态可以是用户开启语音录入程序或按下语音录入的预录音按钮而进入的状态。例如，当用户进入到语音控制场景则开启语音录入设备的语音控制功能，使语音录入设备进入到语音录制状态而开始录音。例如，在图2所示的时间点201，用户进入发布会会场，语音录入设备开启并进入到语音录制状态。在语音录制状态下，语音录入设备即开始对接收到的语音进行录入和识别。

根据本发明的一个示例，在语音录制状态下，录制的语音信号按照时间顺序存储在语音录入设备的缓冲器中。当需要读取录入的某段语音信号时，可以根据时间信息直接从缓冲器中进行语音信号的读取。

根据本发明的一个示例，在没有收到正式录音的识别启动信号之前，语音录入设备还可以检测缓冲器中已存储的语音信号中的噪声数据，并在识别语音信号过程中，消除检测到的语音信号的噪声数据，从而提高语音识别率。

在步骤S102中，当检测接收到识别启动信号时，从接收到识别启动信号对应的时间点开始进行第一次语音识别，并且检测在时间点识别的语音信号是否是截断的语音信号。截断的语音信号例如是不能表达一个完整含义的语句或词语的语音信号。例如，在一个词或句子的中间位置开始录制的语音会生成一个截断的语音信号。根据本发明的一个示例，当语音录入设备接收到识别启动信号后，例如，在图2所示的时间点202接收到识别启动信号，然后从接收到该信号对应的时间点开始正式录音，对录入的语音信号进行第一次语音识别。根据本发明的一个示例，第一次语音识别中，语音录入设备可以对语音信号进行实时识别，或者按照目标时间点对语音信号进行识别。例如，实时识别可以是对实时录入的信号进行识别；按照目标时间点进行识别可以是根据用户指示在某个特定时间点对实时录入的信号进行识别，例如，对第2分钟以后的语音信号进行识别。

根据本发明的一个示例，在语音录制状态下，语音录入设备随时检测是否接收到识别启动信号，该识别启动信号指示语音录入设备开始正式进入语音信号的识别状态。例如，当用户进入到发布会现场后，即可以开启语音录入设备或语音录入程序的预录音功能开关，使语音录入设备处于语音录制状态下开始预备录音。当发言人开始讲话，用户可以按下语音录入设备的识别启动按钮，使语音录入设备进入正式的录音识别状态。

根据本发明的一个示例，在接收到识别启动信号后开始正式录音时，录入的语音信号同样可以按照时间顺序存储在语音录入设备的缓冲器中，这样，语音录入设备的识别单元可以实时地读取缓冲器中存储的语音信号并对信号进行识别，或者，也可以按照目标时间点对缓冲器中的语音信号进行识别。

此外，根据本发明的另一示例，在步骤S102中，语音录入设备在对接收到的语音进行识别的同时，还要同时识别接收到的语音起始信号是否是截断的语音信号。根据本发明的一个示例，截断的语音信号包括语音不完整的信号或语音识别错误的信号。例如，如果用户在发言人开始讲话后，语音录入设备才接收到识别启动信号，则接收到的语音信号很可能是截断的语音信号。如果语音输入设备的识别单元对语音起始信号进行识别后，确定其为不完整的信号或是语音识别错误信号，则可以认为该信号是截断的语音信号。

在步骤S103，当检测到在时间点识别的语音信号是截断的语音信号时，在录制的语音信号中向前检测距离截断的语音信号最近的语音起点。语音起点可以是表达一个完整含义的语音起始点。例如，一个词、一个句子的起始点，或者一段话的起始点。根据本发明的一个示例，如果在步骤S102中对语音录入设备在接收到识别启动信号的时间点进行检测后，确定该语音信号是截断的语音信号时，则在步骤S103中，在录制的语音信号中，向前检测距离截断的语音信号最近的语音起点。例如，图2所示的时间点203，是距离截断的语音信号最近的语音起点。

在步骤S104，当检测到距离截断的语音信号最近的语音起点时，从最近的语音起点开始对录制的语音信号按照录制时间顺序生成连续的语音记录。根据本发明的一个示例，当语音录入设备找到距离截断的语音信号最近的语音起点后，从该起点开始到最终语音录入结束之间的语音信号，重新按照录制时间顺序，生成一段完整连续的语音信号。根据本发明的一个示例，参见图2，从检测到距离截断的语音信号最近的语音起点203开始，到语音录入设备的录制状态结束点204之间的语音信号，按照录制时间顺序生成连续的语音记录。可替换的，根据本发明的另一个示例，参见图2，也可以进一步识别录制状态结束点204之前的语音信号中的有效语音信号结束点205，将从检查到距离截断的语音信号最近的语音起点203开始，到有效语音信号结束点205之间的语音信号，按照录制时间顺序生成连续的语音记录。

通过上述本发明实施例提供的方案，在进入语音控制场景后提前启动录音，在用户点击录音按钮时，从该时间点附近搜索语音起始端点，对于发生语音截断的情况，通过向前回溯找到最近的语音起点，从而有效地避免了语音截断，保证了信息的完整性。

图3描述了根据本发明的第二个实施例的语音信息处理装置300的示范性框架图。图2是本发明第二个实施例中回溯语音起点的示意图。下面将参照图3和图2来描述本发明的第二个实施例的语音信息处理装置300。语音信息处理装置300可以应用于上述电子设备，该电子设备可以被配置来对语音信息进行录入和处理。

如图3所示，语音信息处理装置300包括：识别启动信号检测单元301，第一语音识别及截断语音信号检测单302，语音起点检测单元303，连续语音记录生成单元304。该各个单元与前述的语音信息处理方法100的各个步骤对应，为了说明书的简介，仅做简要描述。

识别启动信号检测单元301在语音录制状态下，检测是否接收到用于指示开始进行语音信号识别的识别启动信号。根据本发明的一个示例，语音录入状态可以是用户开启语音录入程序或按下语音录入的预录音按钮而进入的状态。所述语音信息处理装置300还包括：录音启动单元(图中未示出)，用于当语音控制功能启动时，配置来自动启动语音录制并开始录音。例如，当用户进入到语音控制场景则录音启动单元开启语音录入设备的语音控制功能，使语音录入设备进入到语音录制状态而开始录音。例如，在图2所示的时间点201，用户进入发布会会场，语音录入设备开启并进入到语音录制状态。在语音录制状态下，语音录入设备即开始对接收到的语音进行录入和识别。

根据本发明的一个示例，在语音录制状态下，录制的语音信号按照时间顺序存储在语音录入设备的缓冲器中。当需要读取录入的某段语音信号时，可以根据时间信息直接从缓冲器中进行语音信号的读取。

根据本发明的一个示例，在没有收到正式录音的识别启动信号之前，语音录入设备还可以检测缓冲器中已存储的语音信号中的噪声数据，并在识别语音信号过程中，消除检测到的语音信号的噪声数据，从而提高语音识别率。

第一语音识别及截断语音信号检测单302当检测接收到识别启动信号时，从接收到识别启动信号对应的时间点开始进行第一次语音识别，并且检测在时间点识别的语音信号是否是截断的语音信号。截断的语音信号例如是不能表达一个完整含义的语句或词语的语音信号。例如，在一个词或句子的中间位置开始录制的语音会生成一个截断的语音信号。根据本发明的一个示例，当语音录入设备接收到识别启动信号后，例如，在图2所示的时间点202接收到识别启动信号，然后从接收到该信号对应的时间点开始正式录音，对录入的语音信号进行第一次语音识别。根据本发明的一个示例，第一次语音识别中，语音录入设备可以对语音信号进行实时识别，或者按照目标时间点对语音信号进行识别。例如，实时识别可以是对实时录入的信号进行识别；按照目标时间点进行识别可以是根据用户指示在某个特定时间点对实时录入的信号进行识别，例如，对第2分钟以后的语音信号进行识别。

根据本发明的一个示例，在语音录制状态下，语音录入设备随时检测是否接收到识别启动信号，该识别启动信号指示语音录入设备开始正式进入语音信号的识别状态。例如，当用户进入到发布会现场后，即可以开启语音录入设备或语音录入程序的预录音功能开关，使语音录入设备处于语音录制状态下开始预备录音。当发言人开始讲话，用户可以按下语音录入设备的识别启动按钮，使语音录入设备进入正式的录音识别状态。

根据本发明的一个示例，在接收到识别启动信号后开始正式录音时，录入的语音信号同样可以按照时间顺序存储在语音录入设备的缓冲器中，这样，语音录入设备的识别单元可以实时地读取缓冲器中存储的语音信号并对信号进行识别，或者，也可以按照目标时间点对缓冲器中的语音信号进行识别。

此外，根据本发明的另一示例，第一语音识别及截断语音信号检测单302在对接收到的语音进行识别的同时，还要同时识别接收到的语音起始信号是否是截断的语音信号。根据本发明的一个示例，截断的语音信号包括语音不完整的信号或语音识别错误的信号。例如，如果用户在发言人开始讲话后，语音录入设备才接收到识别启动信号，则接收到的语音信号很可能是截断的语音信号。如果语音输入设备的识别单元对语音起始信号进行识别后，确定其为不完整的信号或是语音识别错误信号，则可以认为该信号是截断的语音信号。

语音起点检测单元303当检测到在时间点识别的语音信号是截断的语音信号时，在录制的语音信号中向前检测距离截断的语音信号最近的语音起点。语音起点可以是表达一个完整含义的语音起始点。例如，一个词、一个句子的起始点，或者一段话的起始点。根据本发明的一个示例，如果第一语音识别及截断语音信号检测单302对语音录入设备在接收到识别启动信号的时间点进行检测后，确定该语音信号是截断的语音信号时，则语音起点检测单元303在录制的语音信号中，向前检测距离截断的语音信号最近的语音起点。例如，图2所示的时间点203，是距离截断的语音信号最近的语音起点。

连续语音记录生成单元304当检测到距离截断的语音信号最近的语音起点时，从最近的语音起点开始对录制的语音信号按照录制时间顺序生成连续的语音记录。根据本发明的一个示例，当语音录入设备找到距离截断的语音信号最近的语音起点后，从该起点开始到最终语音录入结束之间的语音信号，重新按照录制时间顺序，生成一段完整连续的语音信号。根据本发明的一个示例，参见图2，从检测到距离截断的语音信号最近的语音起点203开始，到语音录入设备的录制状态结束点204之间的语音信号，按照录制时间顺序生成连续的语音记录。可替换的，根据本发明的另一个示例，参见图2，也可以进一步识别录制状态结束点204之前的语音信号中的有效语音信号结束点205，将从检查到距离截断的语音信号最近的语音起点203开始，到有效语音信号结束点205之间的语音信号，按照录制时间顺序生成连续的语音记录。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现。并且软件模块可以置于任意形式的计算机存储介质中。为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

本领域技术人员应该理解，可依赖于设计需求和其它因素对本发明进行各种修改、组合、部分组合和替换，只要它们在所附权利要求书及其等价物的范围内。

Claims (12)

1.一种语音信息处理方法，包括：

在语音录制状态下，检测是否接收到用于指示开始进行语音信号识别的识别启动信号；

当检测接收到所述识别启动信号时，从接收到所述识别启动信号对应的时间点开始进行第一次语音识别，并且检测在所述时间点识别的所述语音信号是否是截断的语音信号；

当检测到在所述时间点识别的所述语音信号是截断的语音信号时，在录制的语音信号中向前检测距离所述截断的语音信号最近的语音起点；

当检测到距离所述截断的语音信号最近的语音起点时，从所述最近的语音起点开始对录制的语音信号按照录制时间顺序生成连续的语音记录。

2.根据权利要求1所述的方法，其中

所述截断的语音信号包括语音不完整的信号或语音识别错误的信号。

3.根据权利要求1所述的方法，还包括：

当语音控制功能启动时，语音录制自动启动并开始录音。

4.根据权利要求3所述的方法，其中

录制的所述语音信号按照时间顺序存储在缓冲器中。

5.根据权利要求4所述的方法，其中所述的开始进行第一次语音识别包括：

实时识别语音信号或者按照目标时间点开始识别存储在所述缓冲器中的语音信号。

6.根据权利要求4所述的方法，还包括：

在接收到所述识别启动信号之前，检测所述缓冲器中已存储的所述语音信号中的噪声数据；

在所述识别语音信号过程中，消除检测到的语音信号的所述噪声数据。

7.一种语音信息处理设备，包括：

识别启动信号检测单元，在语音录制状态下，配置来检测是否接收到用于指示开始进行语音信号识别的识别启动信号；

第一语音识别及截断语音信号检测单元，配置来当检测接收到所述识别启动信号时，从接收到所述识别启动信号对应的时间点开始进行第一次语音识别，并检测在所述时间点识别的所述语音信号是否是截断的语音信号；

语音起点检测单元，配置来当检测在所述时间点识别的所述语音信号是截断的语音信号时，在录制的语音信号中向前检测距离所述截断的语音信号最近的语音起点；

连续语音记录生成单元，配置来当检测到距离所述截断的语音信号最近的语音起点时，从所述最近的语音起点开始对录制的语音信号按照录制时间顺序生成连续的语音记录。

8.根据权利要求7所述的语音信息处理设备，其中

所述截断的语音信号包括语音不完整的信号或语音识别错误的信号。

9.根据权利要求7所述的语音信息处理设备，还包括：

录音启动单元，当语音控制功能启动时，配置来自动启动语音录制并开始录音。

10.根据权利要求9所述的语音信息处理设备，还包括：

缓冲器，配置来按照时间顺序存储录制的所述语音信号。

11.根据权利要求10所述的语音信息处理设备，其中所述第一语音识别及截断语音信号检测单元进一步被配置为执行以下处理来实现所述的开始进行第一次语音识别：

实时识别语音信号或者按照目标时间点开始识别存储在所述缓冲器中的语音信号。

12.根据权利要求10所述的语音信息处理设备，还包括：

噪音数据检测单元，配置来在接收到所述识别启动信号之前，检测所述缓冲器中已存储的所述语音信号中的噪声数据；

运算单元，配置来在所述识别语音信号过程中，消除检测到的语音信号的所述噪声数据。