CN106790942B - 语音信息智能保存方法及装置 - Google Patents

Abstract

本发明公开了一种语音信息智能保存方法及装置，装置包括接收模块、匹配模块、过滤模块、保存模块，接收模块接收用户输入的语音信息；匹配模块将语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识匹配成功的语音片段为无效语音片段；过滤模块将无效语音片段从语音信息中过滤以得到调整后的语音信息；保存模块保存调整后的语音信息作为最终语音信息。本发明在接收用户输入的语音信息后，对语音信息中的无效语音片段进行过滤后再保存，使得保存的语音信息更为完整有效，同时也较少了存储时的存储负担和语音通话时的带宽负担，提升了用户体验。

Description

语音信息智能保存方法及装置

技术领域

本发明涉及通讯技术领域，尤其涉及一种语音信息智能保存方法及装置。

背景技术

随着通讯技术的迅猛发展，手机等移动终端为越来越多的用户所拥有，其中，语音即时通话随着微信、QQ等即时通信工具以及网络传输技术的飞速发展而逐渐受到越来越多人的喜爱。但是，在语音输入时，因为各种各样的意外情况或用户不同的习惯，人们输入的语音信息往往包含较多的无效信息，例如，环境噪音、较长的空白，或者其他用户习惯的碎语(例如较长的尾音或无效的叠音等)，因此，使得在通话过程中发送给用户的语音信息可能造成断续或存在较多无效信息，浪费了网络资源，也给对方造成理解障碍，或者是在单纯的录音操作时保存了断续的语音信息或保存了过多的无效信息，而浪费了手机存储。

因此，有必要提供一种语音信息智能保存方法及装置，避免上述情况的出现，提高用户体验。

发明内容

鉴于此，本发明提出一种语音信息智能保存方法及装置，旨在解决现有技术中语音输入时保存语音存在无效信息的问题。

为实现上述目的，本发明提出一种语音信息智能保存装置，所述装置包括：

接收模块，用于接收用户输入的语音信息；

匹配模块，用于将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识所述匹配成功的语音片段为无效语音片段；

过滤模块，用于将所述无效语音片段从所述语音信息中过滤以得到调整后的语音信息；

保存模块，用于保存所述调整后的语音信息作为最终语音信息。

可选地，所述匹配模块具体包括：

分段单元，用于依据所述无效语音模板长度将所述语音信息依次分为多个语音片段；

比对单元，用于将各个所述语音片段依次与所述无效语音模板进行比对以得到各个所述语音片段与所述无效语音模板的相似度；

标识单元，用于将相似度大于预设阈值的各个所述语音片段标识为匹配成功的所述无效语音片段。

可选地，所述过滤模块具体包括：

提示单元，用于提示用户删除或替换所述无效语音片段；

替换单元，用于当用户选择替换所述无效语音片段时，将用户输入的新的有效语音片段替换所述无效语音片段以得到所述调整后的语音信息；

删除单元，用于当用户选择删除所述无效语音片段时，直接删除所述无效语音片段以得到所述调整后的语音信息；

可选地，所述接收模块还用于接收用户输入的所述无效语音模板并存储在所述数据库中，其中，所述数据库中包含至少一个所述无效语音模板。

可选地，所述装置还包括：

学习模块，用于依据用户输入的历史语音信息，比对各个所述历史语音信息以得到所述无效语音模板并保存至所述数据库中。

此外，为实现上述目的，本发明还提出一种语音信息智能保存方法，包括以下步骤：

接收用户输入的语音信息；

将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识所述匹配成功的语音片段为无效语音片段；

将所述无效语音片段从所述语音信息中过滤以得到所述调整后的语音信息；

保存所述调整后的语音信息作为最终语音信息。

可选地，所述将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识匹配成功的所述语音片段为无效语音片段的步骤具体包括：

依据所述无效语音模板长度将所述语音信息依次分为多个语音片段；

将各个所述语音片段依次与所述无效语音模板进行比对以得到各个所述语音片段与所述无效语音模板的相似度；

将相似度大于预设阈值的各个所述语音片段标识为匹配成功的所述无效语音片段。

可选地，所述将所述无效语音片段从所述语音信息中过滤以得到调整后的所述语音信息的步骤具体包括：

提示用户删除或替换所述无效语音片段；

当用户选择替换所述无效语音片段时，将用户输入的新的有效语音片段替换所述无效语音片段以得到所述调整后的语音信息；

当用户选择删除所述无效语音片段时，直接删除所述无效语音片段以得到所述调整后的语音信息；

可选地，所述方法还包括：

接收用户输入的所述无效语音模板并存储在所述数据库中，其中，所述数据库中包含至少一个所述无效语音模板。

可选地，所述方法还包括：

依据用户输入的历史语音信息，比对各个所述历史语音信息以得到所述无效语音模板并保存至所述数据库中。

本发明提出的语音智能保存方法及装置，移动终端接收用户输入的语音信息将各语音片段与数据库中的无效语音模板进行匹配并标识匹配成功的所述语音片段为无效语音片段；将所述无效语音片段从所述语音信息中过滤。从而，在接收用户输入的语音信息后，对语音信息中的无效语音片段进行过滤后再保存，使得保存的语音信息更为完整有效，同时也较少了存储时的存储负担和语音通话时的带宽负担，提升了用户体验。

附图说明

图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意图；

图2为如图1所示的移动终端的无线通信系统示意图；

图3为本发明第一实施例提供的语音信息智能保存装置的模块示意图；

图4为本发明中弹出语音过滤提示框时的即时通信界面一示例图；

图5为所示是用户选择替换无效语音片段后的即时通信界面一示例图；

图6为本发明第四实施例提供的语音信息智能保存方法的流程示意图；

图7为本发明第五实施例提供的语音信息智能保存方法的流程示意图；

图8为本发明第六实施例提供的语音信息智能保存方法的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。

移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意。

移动终端100可以包括无线通信单元110、A/V(音频/视频)输入单元120、用户输入单元130、感测单元140、输出单元150、存储器160、接口单元170、控制器180和电源单元190等等。图1示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。

无线通信单元110通常包括一个或多个组件，其允许移动终端100与无线通信系统或网络之间的无线电通信。例如，无线通信单元可以包括广播接收模块111、移动通信模块112、无线互联网模块113中的至少一个。

广播接收模块111经由广播信道从外部广播管理服务器接收广播信号和/或广播相关信息。广播信道可以包括卫星信道和/或地面信道。广播管理服务器可以是生成并发送广播信号和/或广播相关信息的服务器或者接收之前生成的广播信号和/或广播相关信息并且将其发送给终端的服务器。广播信号可以包括TV广播信号、无线电广播信号、数据广播信号等等。而且，广播信号可以进一步包括与TV或无线电广播信号组合的广播信号。广播相关信息也可以经由移动通信网络提供，并且在该情况下，广播相关信息可以由移动通信模块112来接收。广播信号可以以各种形式存在，例如，其可以以数字多媒体广播(DMB)的电子节目指南(EPG)、数字视频广播手持(DVB-H)的电子服务指南(ESG)等等的形式而存在。广播接收模块111可以通过使用各种类型的广播系统接收信号广播。特别地，广播接收模块111可以通过使用诸如多媒体广播-地面(DMB-T)、数字多媒体广播-卫星(DMB-S)、数字视频广播-手持(DVB-H)，前向链路媒体(MediaFLO^@)的数据广播系统、地面数字广播综合服务(ISDB-T)等等的数字广播系统接收数字广播。广播接收模块111可以被构造为适合提供广播信号的各种广播系统以及上述数字广播系统。经由广播接收模块111接收的广播信号和/或广播相关信息可以存储在存储器160(或者其它类型的存储介质)中。

移动通信模块112将无线电信号发送到基站(例如，接入点、节点B等等)、外部终端以及服务器中的至少一个和/或从其接收无线电信号。这样的无线电信号可以包括语音通话信号、视频通话信号、或者根据文本和/或多媒体消息发送和/或接收的各种类型的数据。

无线互联网模块113支持移动终端的无线互联网接入。该模块可以内部或外部地耦接到终端。该模块所涉及的无线互联网接入技术可以包括WLAN(无线LAN)(Wi-Fi)、Wibro(无线宽带)、Wimax(全球微波互联接入)、HSDPA(高速下行链路分组接入)等等。

A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括麦克风122，麦克风122可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由移动通信模块112发送到移动通信基站的格式输出。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。

感测单元140检测移动终端100的当前状态，(例如，移动终端100的打开或关闭状态)、移动终端100的位置、用户对于移动终端100的接触(即，触摸输入)的有无、移动终端100的取向、移动终端100的加速或减速移动和方向等等，并且生成用于控制移动终端100的操作的命令或信号。例如，当移动终端100实施为滑动型移动电话时，感测单元140可以感测该滑动型电话是打开还是关闭。另外，感测单元140能够检测电源单元190是否提供电力或者接口单元170是否与外部装置耦接。

接口单元170用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。识别模块可以是存储用于验证用户使用移动终端100的各种信息并且可以包括用户识别模块(UIM)、客户识别模块(SIM)、通用客户识别模块(USIM)等等。另外，具有识别模块的装置(下面称为"识别装置")可以采取智能卡的形式，因此，识别装置可以经由端口或其它连接装置与移动终端100连接。接口单元170可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端和外部装置之间传输数据。

另外，当移动终端100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到移动终端100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到移动终端的路径。从底座输入的各种命令信号或电力可以用作用于识别移动终端是否准确地安装在底座上的信号。输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示单元151、音频输出模块152、警报单元153等等。

显示单元151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示单元151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时，显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。

同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示单元(或其它显示装置)，例如，移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。

音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将无线通信单元110接收的或者在存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。

警报单元153可以提供输出以将事件的发生通知给移动终端100。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或视频输出之外，警报单元153可以以不同的方式提供输出以通知事件的发生。例如，警报单元153可以以振动的形式提供输出，当接收到呼叫、消息或一些其它进入通信(incoming communication)时，警报单元153可以提供触觉输出(即，振动)以将其通知给用户。通过提供这样的触觉输出，即使在用户的移动电话处于用户的口袋中时，用户也能够识别出各种事件的发生。警报单元153也可以经由显示单元151或音频输出模块152提供通知事件的发生的输出。

存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。

存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。

控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。另外，控制器180可以包括用于再现(或回放)多媒体数据的多媒体模块1810，多媒体模块1810可以构造在控制器180内，或者可以构造为与控制器180分离。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。

电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。

这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。

至此，己经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。

如图1中所示的移动终端100可以被构造为利用经由帧或分组发送数据的诸如有线和无线通信系统以及基于卫星的通信系统来操作。

现在将参考图2描述其中根据本发明的移动终端能够操作的通信系统。

这样的通信系统可以使用不同的空中接口和/或物理层。例如，由通信系统使用的空中接口包括例如频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)和通用移动通信系统(UMTS)(特别地，长期演进(LTE))、全球移动通信系统(GSM)等等。作为非限制性示例，下面的描述涉及CDMA通信系统，但是这样的教导同样适用于其它类型的系统。

参考图2，CDMA无线通信系统可以包括多个移动终端100、多个基站(BS)270、基站控制器(BSC)275和移动交换中心(MSC)280。MSC280被构造为与公共电话交换网络(PSTN)290形成接口。MSC280还被构造为与可以经由回程线路耦接到基站270的BSC275形成接口。回程线路可以根据若干己知的接口中的任一种来构造，所述接口包括例如E1/T1、ATM，IP、PPP、帧中继、HDSL、ADSL或xDSL。将理解的是，如图2中所示的系统可以包括多个BSC2750。

每个BS270可以服务一个或多个分区(或区域)，由多向天线或指向特定方向的天线覆盖的每个分区放射状地远离BS270。或者，每个分区可以由用于分集接收的两个或更多天线覆盖。每个BS270可以被构造为支持多个频率分配，并且每个频率分配具有特定频谱(例如，1.25MHz,5MHz等等)。

分区与频率分配的交叉可以被称为CDMA信道。BS270也可以被称为基站收发器子系统(BTS)或者其它等效术语。在这样的情况下，术语"基站"可以用于笼统地表示单个BSC275和至少一个BS270。基站也可以被称为"蜂窝站"。或者，特定BS270的各分区可以被称为多个蜂窝站。

如图2中所示，广播发射器(BT)295将广播信号发送给在系统内操作的移动终端100。如图1中所示的广播接收模块111被设置在移动终端100处以接收由BT295发送的广播信号。在图2中，示出了几个全球定位系统(GPS)卫星300。卫星300帮助定位多个移动终端100中的至少一个。

在图2中，描绘了多个卫星300，但是理解的是，可以利用任何数目的卫星获得有用的定位信息。如图1中所示的GPS模块115通常被构造为与卫星300配合以获得想要的定位信息。替代GPS跟踪技术或者在GPS跟踪技术之外，可以使用可以跟踪移动终端的位置的其它技术。另外，至少一个GPS卫星300可以选择性地或者额外地处理卫星DMB传输。

作为无线通信系统的一个典型操作，BS270接收来自各种移动终端100的反向链路信号。移动终端100通常参与通话、消息收发和其它类型的通信。特定基站270接收的每个反向链路信号被在特定BS270内进行处理。获得的数据被转发给相关的BSC275。BSC提供通话资源分配和包括BS270之间的软切换过程的协调的移动管理功能。BSC275还将接收到的数据路由到MSC280，其提供用于与PSTN290形成接口的额外的路由服务。类似地，PSTN290与MSC280形成接口，MSC与BSC275形成接口，并且BSC275相应地控制BS270以将正向链路信号发送到移动终端100。

基于上述移动终端硬件结构以及通信系统，提出本发明方法各个实施例。

如图3所示，本发明第一实施例提出一种语音信息智能保存装置，应用于移动终端，所述装置包括：

接收模块310，用于接收用户输入的语音信息；

具体的，用户可在各种模式下进行语音信息的输入，本发明对此不作限制。例如，通过移动终端的上的录音应用进行录音时通过点击或触摸按键触发语音输入功能，此时，接收模块310接收用户语音输入。又例如，在即时通信应用界面上通过点击或触摸语音通话按键选项而触发语音输入功能，此时，接收模块310接收用户输入。用户可以通过移动终端上任一设置了语音接收/输入功能的应用程序进行语音输入，接收模块310实时监测语音输入功能是否被触发并及时接收用户语音输入。

进一步的，接收模块还用于接收用户输入的无效语音模板并保存到数据库中。

具体的，用户可以自定义无效语音模板并输入至移动终端中进行保存，用于后续对用户输入的语音信息进行过滤。此处，无效语音模板的数量为一个或一个以上。所述无效语音可以为某一噪声、某一特定词汇或者是空白语音。例如，由于用户说话习惯不好，其语音输入时经常会有拖长且重复的语气助词，例如“明天早上九点在XX地见吧…吧…吧…”，则用户可以将“吧”作为无效语音模板输入。用户还可以直接输入一段空语音作为无效语音模板，以便后续过滤输入的语音信息中的间歇停顿。本发明对无效语音模板的具体形式不作限制，用户可以依据需要自行设定客制化的无效语音模板。

匹配模块320，用于将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识所述匹配成功的语音片段为无效语音片段；

具体的，当用户语音输入完毕之后，此时，匹配模块320需要将用户输入的语音信息与数据库中无效语音模板进行匹配。以数据库中有两个无效语音模板例如模板A和模板B为例。匹配模块320将输入的语音信息的各个语音片段的声纹特征与模板A和B的声纹特征分别进行比对，当相似度达到预设值，则认为匹配成功。各个语音片段的长度可以依据模板确定，例如，模板A的长度为1ms，语音信息的长度为1s，则可以将语音长度从0s开始分为10个1ms的语音片段，再将每个语音片段的声纹特征逐一与模板A进行比对。与模板A比对完之后，再与模板B进比对，此时假设模板B的长度为2ms，则可以将语音信息从0s开始分为5个2ms的语音片段，再将每个语音片段的声纹特征逐一与模板B进行比对。逐一比对过后，匹配模块320将标识匹配成功的语音片段为无效语音片段。

过滤模块330，用于将所述无效语音片段从所述语音信息中过滤以得到调整后的语音信息；

保存模块340，用于保存所述调整后的语音信息作为最终语音信息。

具体的，过滤的方式可以是直接删除，也可以是将无效语音片段替换为其他有效的语音片段。同时，过滤模块330还可以提示用户对过滤方式进行选择，依据用户选择采用对应的过滤方式删除或替换无效语音片段，得到调整后的语音信息，将该调整后的语音信息保存在数据库中作为最终语音信息，此时，不管用户处于何种模式下，例如录音模式或语音通话模式，因为最终保存的语音信息中的无效语音信息已经被过滤，故保存的最终语音信息所包含的信息并无多余的信息，其有效率非常高，避免了无效语音信息对移动终端存储的浪费，同时，若是在语音通话模式下，无效语音的过滤也避免了占用过多的带宽，使有效利用率更高。

进一步的，所述语音智能保存装置还包括：

学习模块，用于依据用户输入的历史语音信息，比对各个所述历史语音信息以得到所述无效语音模板并保存至所述数据库中。

具体的，依据用户输入的历史语音信息，学习模块可以对各个语音信息进行分析比对并得到相似的语音信息，比对两者之间的不同，将不同的地方作为备选无效语音模板，若该备选无效语音模板出现的次数超过预设，则将其作为无效语音模板保存到数据库中。例如，经语音识别，历史语音信息C和历史信息D为分别为“你…额…好”以及“你好”，C出现了“你”“额”“好”三个字，D则出现“你”“好”，两者相同的字为2/3(相同的字符数/两语音信息中较长者字符数)，且相同字符的相对顺序相同，则认为两者为相似的语音信息，同时“额”可以作为备选无效语音模板。若后续在其他相似语音的比对中，“额”作为相似语音的而不同字符出现大次数超过预设，例如，10次以上，则将“额”作为无效语音模板保存。通过长时间的学习，可以不断增加无效语音模板，提高语音信息过滤的准确度。

本发明提出的语音智能保存装置，移动终端接收用户输入的语音信息将各语音片段与数据库中的无效语音模板进行匹配并标识匹配成功的所述语音片段为无效语音片段；将所述无效语音片段从所述语音信息中过滤。从而，在接收用户输入的语音信息后，对语音信息中的无效语音片段进行过滤后再保存，使得保存的语音信息更为完整有效，同时也较少了存储时的存储负担和语音通话时的带宽负担，提升了用户体验。

本发明第二实施例进一步提供了另一种语音智能保存装置。在第二实施例中，所述语音智能保存装置与第一实施例的区别在于，在本实施例中，匹配模块320具体包括：

分段单元，用于依据所述无效语音模板长度将所述语音信息依次分为多个语音片段；

比对单元，用于将各个所述语音片段依次与所述无效语音模板进行比对以得到各个所述语音片段与所述无效语音模板的相似度；

标识单元，用于将相似度大于预设阈值的各个所述语音片段标识为匹配成功的所述无效语音片段。

具体的，为使匹配更为快速准确，分段单元首先依据当前要匹配的无效语音模板长度将待匹配的语音信息依次分为多个语音片段，再由比对单元将各个语音片段与当前要匹配的语音模板进行比对，比对完毕后再依据下一个无效语音模板重新进行片段划分，再继续比对。例如，当前要与无效语音模板A匹配，而模板A的长度为1ms，语音信息的长度为1s，则可以将语音长度从0s开始分为10个1ms的语音片段，再将每个语音片段的声纹特征逐一与模板A进行比对，比对完后与无效语音模板B匹配，若模板B的长度为2ms，则可以将语音信息从0s开始分为5个2ms的语音片段，再将每个语音片段的声纹特征逐一与模板B进行比对。比对时，比对单元将记录各个片段与各个无效语音模板的相似度，详细的，可以通过分析两者的声纹特征进行比对，再以百分比记录相似度。与数据库中的所有无效语音模板比对完毕后，此时，相似度大于预设阈值的各个语音片段则可以判断为匹配成功，标识单元将该语音片段标识为无效语音片段。

本发明提出的语音智能保存装置，在将语音信息与无效语音模板进行匹配时，依据无效语音模板的长度对语音信息进行分段，实现了片段匹配和标识，使匹配更为迅速准确，同时片段标识也使过滤时更容易定位，避免误过滤。

本发明第三实施例进一步提供了另一种语音智能保存装置。在第三实施例中，所述语音智能保存装置与第一实施例的区别在于，在本实施例中，过来模块330具体包括：

提示单元，用于提示用户删除或替换所述无效语音片段；

替换单元，用于当用户选择替换所述无效语音片段时，将用户输入的新的有效语音片段替换所述无效语音片段以得到所述调整后的语音信息；

删除单元，用于当用户选择删除所述无效语音片段时，直接删除所述无效语音片段以得到所述调整后的语音信息；

具体的，当确定用户输入的语音信息中存在无效语音片段时，提示单元可以通过弹窗等方式提示用户删除或替换无效语音片段，同时列出各个无效语音片段以供用户选择。依据用户的不同选择，删除单元和替换单元分别进行不同的操作。若用户选择直接删除无效语音片段，则删除单元直接删除用户所选择的无效语音片段。若用户选择替换，则提示单元会提示用户输入新的语音片段用以替换需要删除的无效语音片段，替换单元依据标识将用户输入的有效语音片段替换用户选择的无效语音片段。以当前应用场景为即时通信为例，请参考图4，所示为本发明中弹出语音过滤提示框时的即时通信界面一示例图。在即时通信界面上，用户可以通过长按语音通话按钮“语音”进行语音输入，由匹配模块对输入的语音信息进行识别匹配，当确认其中存在无效语音片段时，此时，提示单元弹出如图所示的弹窗，显示在最前端(可能覆盖原即时通信界面)，列举无效语音片段，当用户点击某一语音片段后，提示单元再提供不同的“删除”“替换”选项以供用户选择(图中未示出)。可以理解的是，上述提示方式不仅适用于即时通信场景，也适用于前面各实施例所提的其他场景，例如录音场景。请同时参考图5，所示为用户选择替换无效语音片段后的即时通信界面一示例图，当用户通过弹窗选择某一无效语音片段且进一步选择替换选项时，此时，提示单元继续弹出提示框，提示用户输入一段语音片段用以替换无效语音片段，此时，用户可以通过长按语音通话按钮“语音”进行语音输入，当输入结束，则松开该选项，此时，接收模块310得到可替换的语音片段，替换单元将可调换的有效语音片段直接代替需要删除的无效语音片段放置到用户输入的语音信息中，得到调整后的语音信息。

本发明提出的语音智能保存装置，在过滤无效语音片段时向用户列举无效语音片段，并向用户提供不同的处理方式供用户选择，同时，使用户实时掌握输入的语音信息的实时处理状况，避免无匹配时造成误过滤。

如图6所示，本发明第四实施例提出一种语音信息智能保存方法，应用于移动终端，在本实施例中，所述方法包括：

步骤S610，接收用户输入的语音信息；

具体的，用户可在各种模式下进行语音信息的输入，本发明对此不作限制。例如，通过移动终端的上的录音应用进行录音时通过点击或触摸按键触发语音输入功能，此时，移动终端接收用户语音输入。又例如，在即时通信应用界面上通过点击或触摸语音通话按键选项而触发语音输入功能，此时，移动终端接收用户输入。用户可以通过移动终端上任一设置了语音接收/输入功能的应用程序进行语音输入，移动终端实时监测语音输入功能是否被触发并及时接收用户语音输入。

步骤S620，将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识所述匹配成功的语音片段为无效语音片段；

具体的，当用户语音输入完毕之后，此时，移动终端需要将用户输入的语音信息与数据库中无效语音模板进行匹配。以数据库中有两个无效语音模板例如模板A和模板B为例。移动终端将输入的语音信息的各个语音片段的声纹特征与模板A和B的声纹特征分别进行比对，当相似度达到预设值，则认为匹配成功。各个语音片段的长度可以依据模板确定，例如，模板A的长度为1ms，语音信息的长度为1s，则可以将语音长度从0s开始分为10个1ms的语音片段，再将每个语音片段的声纹特征逐一与模板A进行比对。与模板A比对完之后，再与模板B进比对，此时假设模板B的长度为2ms，则可以将语音信息从0s开始分为5个2ms的语音片段，再将每个语音片段的声纹特征逐一与模板B进行比对。逐一比对过后，移动终端将标识匹配成功的语音片段为无效语音片段。

步骤S630，将所述无效语音片段从所述语音信息中过滤以得到调整后的语音信息；

步骤S640，保存所述调整后的语音信息作为最终语音信息。

具体的，过滤的方式可以是直接删除，也可以是将无效语音片段替换为其他有效的语音片段。同时，移动终端还可以提示用户对过滤方式进行选择，依据用户选择采用对应的过滤方式删除或替换无效语音片段，得到调整后的语音信息，将该调整后的语音信息保存在数据库中作为最终语音信息，此时，不管用户处于何种模式下，例如录音模式或语音通话模式，因为最终保存的语音信息中的无效语音信息已经被过滤，故保存的最终语音信息所包含的信息并无多余的信息，其有效率非常高，避免了无效语音信息对移动终端存储的浪费，同时，若是在语音通话模式下，无效语音的过滤也避免了占用过多的带宽，使有效利用率更高。

进一步的，所述方法还包括：

接收用户输入的无效语音模板并保存到数据库中；

具体的，用户可以自定义无效语音模板并输入至移动终端中进行保存，用于后续对用户输入的语音信息进行过滤。此处，无效语音模板的数量为一个或一个以上。所述无效语音可以为某一噪声、某一特定词汇或者是空白语音。例如，由于用户说话习惯不好，其语音输入时经常会有拖长且重复的语气助词，例如“明天早上九点在XX地见吧…吧…吧…”，则用户可以将“吧”作为无效语音模板输入。用户还可以直接输入一段空语音作为无效语音模板，以便后续过滤输入的语音信息中的间歇停顿。本发明对无效语音模板的具体形式不作限制，用户可以依据需要自行设定客制化的无效语音模板。

进一步的，所述方法还包括：

依据用户输入的历史语音信息，比对各个所述历史语音信息以得到所述无效语音模板并保存至所述数据库中。

具体的，依据用户输入的历史语音信息，移动终端可以对各个语音信息进行分析比对并得到相似的语音信息，比对两者之间的不同，将不同的地方作为备选无效语音模板，若该备选无效语音模板出现的次数超过预设，则将其作为无效语音模板保存到数据库中。例如，经语音识别，历史语音信息C和历史信息D为分别为“你…额…好”以及“你好”，C出现了“你”“额”“好”三个字，D则出现“你”“好”，两者相同的字为2/3(相同的字符数/两语音信息中较长者字符数)，且相同字符的相对顺序相同，则认为两者为相似的语音信息，同时“额”可以作为备选无效语音模板。若后续在其他相似语音的比对中，“额”作为相似语音的而不同字符出现大次数超过预设，例如，10次以上，则将“额”作为无效语音模板保存。通过长时间的学习，可以不断增加无效语音模板，提高语音信息过滤的准确度。

本发明提出的语音智能保存方法，移动终端接收用户输入的语音信息将各语音片段与数据库中的无效语音模板进行匹配并标识匹配成功的所述语音片段为无效语音片段；将所述无效语音片段从所述语音信息中过滤。从而，在接收用户输入的语音信息后，对语音信息中的无效语音片段进行过滤后再保存，使得保存的语音信息更为完整有效，同时也较少了存储时的存储负担和语音通话时的带宽负担，提升了用户体验。

如图7所示，本发明第五实施例进一步提供了另一种语音智能保存方法。在第五实施例中，所述语音智能保存方法与第一实施例的区别在于，在本实施例中，步骤S620具体包括：

步骤S710，依据所述无效语音模板长度将所述语音信息依次分为多个语音片段；

步骤S720，将各个所述语音片段依次与所述无效语音模板进行比对以得到各个所述语音片段与所述无效语音模板的相似度；

步骤S730，将相似度大于预设阈值的各个所述语音片段标识为匹配成功的所述无效语音片段。

具体的，为使匹配更为快速准确，移动终端首先依据当前要匹配的无效语音模板长度将待匹配的语音信息依次分为多个语音片段，再将各个语音片段与当前要匹配的语音模板进行比对，比对完毕后再依据下一个无效语音模板重新进行片段划分，再继续比对。例如，当前要与无效语音模板A匹配，而模板A的长度为1ms，语音信息的长度为1s时，则可以将语音长度从0s开始分为10个1ms的语音片段，再将每个语音片段的声纹特征逐一与模板A进行比对，比对完后与无效语音模板B匹配，若模板B的长度为2ms，则可以将语音信息从0s开始分为5个2ms的语音片段，再将每个语音片段的声纹特征逐一与模板B进行比对。比对时，移动终端将记录各个片段与各个无效语音模板的相似度，详细的，可以通过分析两者的声纹特征进行比对，再以百分比记录相似度。与数据库中的所有无效语音模板比对完毕后，此时，相似度大于预设阈值的各个语音片段则可以判断为匹配成功，移动终端将该语音片段标识为无效语音片段。

本发明提出的语音智能保存方法，在将语音信息与无效语音模板进行匹配时，依据无效语音模板的长度对语音信息进行分段，实现了片段匹配和标识，使匹配更为迅速准确，同时片段标识也使过滤时更容易定位，避免误过滤。

如图8所示，本发明第六实施例进一步提供了另一种语音智能保存方法。在第六实施例中，所述语音智能保存与第一实施例的区别在于，在本实施例中，步骤S630具体包括：

步骤S810，提示用户删除或替换所述无效语音片段；

步骤S820，当用户选择替换所述无效语音片段时，将用户输入的新的有效语音片段替换所述无效语音片段以得到所述调整后的语音信息；

步骤S830，当用户选择删除所述无效语音片段时，直接删除所述无效语音片段以得到调整后的所述语音信息；

具体的，当确定用户输入的语音信息中存在无效语音片段时，移动终端可以通过弹窗等方式提示用户删除或替换无效语音片段，同时列出各个无效语音片段以供用户选择。依据用户的不同选择，分别进行不同的操作。若用户选择直接删除无效语音片段，则直接删除用户所选择的无效语音片段。若用户选择替换，则移动终端会提示用户输入新的语音片段用以替换需要删除的无效语音片段，依据标识将用户输入的有效语音片段替换用户选择的无效语音片段。以当前应用场景为即时通信为例，请参考图4，所示为本发明中弹出语音过滤提示框时的即时通信界面一示例图。在即时通信界面上，用户可以通过长按语音通话按钮“语音”进行语音输入，由匹配模块对输入的语音信息进行识别匹配，当确认其中存在无效语音片段时，此时，提示单元弹出如图所示的弹窗，显示在最前端(可能覆盖原即时通信界面)，列举无效语音片段，当用户点击某一语音片段后，提示单元再提供不同的“删除”“替换”选项以供用户选择(图中未示出)。可以理解的是，上述提示方式不仅适用于即时通信场景，也适用于前面各实施例所提的其他场景，例如录音场景。请同时参考图5，所示为用户选择替换无效语音片段后的即时通信界面一示例图，当用户通过弹窗选择某一无效语音片段且进一步选择替换选项时，此时，提示单元继续弹出提示框，提示用户输入一段语音片段用以替换无效语音片段，此时，用户可以通过长按语音通话按钮“语音”进行语音输入，当输入结束，则松开该选项，此时，接收模块310得到可替换的语音片段，替换单元将可调换的有效语音片段直接代替需要删除的无效语音片段放置到用户输入的语音信息中，得到调整后的语音信息。

本发明提出的语音智能保存方法，在过滤无效语音片段时向用户列举无效语音片段，并向用户提供不同的处理方式供用户选择，同时，使用户实时掌握输入的语音信息的实时处理状况，避免无匹配时造成误过滤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣，在不冲突的情况下，本发明实施例及实施例中的特征可以相互组合实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种语音信息智能保存装置，其特征在于，所述装置包括：

接收模块，用于接收用户输入的语音信息；

匹配模块，用于将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识所述匹配成功的语音片段为无效语音片段，其中，所述无效语音模板包括某一特定词汇；

过滤模块，用于将所述无效语音片段从所述语音信息中过滤以得到调整后的语音信息；

保存模块，用于保存所述调整后的语音信息作为最终语音信息；

所述过滤模块具体包括：

提示单元，用于提示用户替换所述无效语音片段；

替换单元，用于当用户选择替换所述无效语音片段时，将用户输入的新的有效语音片段替换所述无效语音片段以得到所述调整后的语音信息。

2.根据权利要求1所述的语音信息智能保存装置，其特征在于，所述匹配模块具体包括：

分段单元，用于依据所述无效语音模板长度将所述语音信息依次分为多个语音片段；

比对单元，用于将各个所述语音片段依次与所述无效语音模板进行比对以得到各个所述语音片段与所述无效语音模板的相似度；

标识单元，用于将相似度大于预设阈值的各个所述语音片段标识为匹配成功的所述无效语音片段。

3.根据权利要求1-2任一项所述的语音信息智能保存装置，其特征在于：

所述接收模块还用于接收用户输入的所述无效语音模板并存储在所述数据库中，其中，所述数据库中包含至少一个所述无效语音模板。

4.根据权利要求1-2任一项所述的语音信息智能保存装置，其特征在于，所述装置还包括：

学习模块，用于依据用户输入的历史语音信息，比对各个所述历史语音信息以得到所述无效语音模板并保存至所述数据库中。

5.一种语音信息智能保存方法，其特征在于，所述方法包括以下步骤：

接收用户输入的语音信息；

将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识所述匹配成功的语音片段为无效语音片段，其中，所述无效语音模板包括某一特定词汇；

将所述无效语音片段从所述语音信息中过滤以得到调整后的语音信息；

保存所述调整后的语音信息作为最终语音信息；

所述将所述无效语音片段从所述语音信息中过滤以得到调整后的所述语音信息的步骤具体包括：

提示用户替换所述无效语音片段；

当用户选择替换所述无效语音片段时，将用户输入的新的有效语音片段替换所述无效语音片段以得到所述调整后的语音信息。

6.根据权利要求5所述的语音信息智能保存方法，其特征在于，所述将所述语音信息的各语音片段与数据库中的无效语音模板进行匹配，若存在匹配成功的语音片段，则标识匹配成功的所述语音片段为无效语音片段的步骤具体包括：

依据所述无效语音模板长度将所述语音信息依次分为多个语音片段；

将各个所述语音片段依次与所述无效语音模板进行比对以得到各个所述语音片段与所述无效语音模板的相似度；

将相似度大于预设阈值的各个所述语音片段标识为匹配成功的所述无效语音片段。

7.根据权利要求5-6任一项所述的语音信息智能保存方法，其特征在于，所述方法还包括：

接收用户输入的所述无效语音模板并存储在所述数据库中，其中，所述数据库中包含至少一个所述无效语音模板。

8.根据权利要求5-6任一项所述的语音信息智能保存方法，其特征在于，所述方法还包括：

依据用户输入的历史语音信息，比对各个所述历史语音信息以得到所述无效语音模板并保存至所述数据库中。