CN110689885B - 机器合成语音识别方法、装置、存储介质及电子设备 - Google Patents

机器合成语音识别方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110689885B
CN110689885B CN201910879439.9A CN201910879439A CN110689885B CN 110689885 B CN110689885 B CN 110689885B CN 201910879439 A CN201910879439 A CN 201910879439A CN 110689885 B CN110689885 B CN 110689885B
Authority
CN
China
Prior art keywords
acoustic
sub
frequency sub
frequency
waveforms
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910879439.9A
Other languages
English (en)
Other versions
CN110689885A (zh
Inventor
赵莫言
王红伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910879439.9A priority Critical patent/CN110689885B/zh
Priority to PCT/CN2019/117681 priority patent/WO2021051566A1/zh
Publication of CN110689885A publication Critical patent/CN110689885A/zh
Application granted granted Critical
Publication of CN110689885B publication Critical patent/CN110689885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Telephone Function (AREA)

Abstract

本申请是关于一种机器合成语音识别方法、装置、存储介质及电子设备，属于语音鉴别技术领域，该方法包括：当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；按照多个预定分割规则分别进行分割，得到多个子声波波形组；获取多个所述子声波波形组中每个子声波波形的波峰频率；获取所有所述子声波波形中，波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形；获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；判断所述待识别语音是否是机器合成语音。本申请通过关键特征提取，有效提高了机器合成语音鉴别的准确性和效率。

Description

机器合成语音识别方法、装置、存储介质及电子设备
技术领域
本申请涉及语音鉴别技术领域，具体而言，涉及一种机器合成语音识别方法、装置、存储介质及电子设备。
背景技术
机器合成语音就是根据目标对象语音为样本，提取样本声学特征，通过机器模拟合成目标对象的语音得到机器语音。
通过机器合成语音进行目标对象诈骗的手段越来越常见，所以进行机器合成语音的识别十分重要。目前，对机器合成语音的鉴别是通过提取语音的声纹特征数据，利用鉴别模型进行鉴别的方法，这样的鉴别过程语音处理流程复杂，对机器语言的鉴别受鉴别模型的精度及数据集的影响，鉴别过程算法负荷大。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种机器合成语音识别方案，进而至少在一定程度上在实现准确、高效地鉴别机器合成语音。
根据本申请的一个方面，提供一种机器合成语音识别方法，包括：
当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；
将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；
获取多个所述子声波波形组中每个子声波波形的波峰频率；
获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；
获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；
根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
在本申请的一种示例性实施例中，所述根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据公式
Figure SMS_1
判断所述待识别语音是机器合成语音，/>
根据公式
Figure SMS_4
判断所述待识别语音不是机器合成语音，其中，n为多个高频子声波波形的数目，/>
Figure SMS_6
.../>
Figure SMS_7
为每个高频子声波波形的波峰频率，/>
Figure SMS_3
.../>
Figure SMS_5
为每个高频子声波的波峰平均值，/>
Figure SMS_8
.../>
Figure SMS_9
为根据每个高频子声波的波峰平均值的大小施加的调节因数，/>
Figure SMS_2
为机器合成语音高频分数阈值。
在本申请的一种示例性实施例中，所述根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据每个所述高频子声波的波峰平均值的大小由高到低的顺序，依次获取相邻两个高频子声波波形的波峰频率的差值；
根据所述差值确定非正常高频子声波波形后，剔除所述非正常高频子声波波形，得到多个正常高频子声波波形；
根据所述多个高频子声波波形的数目，获取多个所述正常高频子声波波形的数目；
根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音。
在本申请的一种示例性实施例中，所述根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音，包括：
根据公式
Figure SMS_10
判断所述待识别语音是机器合成语音，
根据公式
Figure SMS_12
判断所述待识别语音不是机器合成语音，其中，n为正常高频子声波波形的数目，/>
Figure SMS_14
.../>
Figure SMS_16
为每个正常高频子声波波形的波峰频率，/>
Figure SMS_13
.../>
Figure SMS_15
为每个正常高频子声波的波峰平均值，/>
Figure SMS_17
.../>
Figure SMS_18
为根据每个正常高频子声波的波峰平均值的大小施加的调节因数，/>
Figure SMS_11
为机器合成语音高频分数阈值。
在本申请的一种示例性实施例中，根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据每个所述子声波波形组中所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，获取每个所述子声波波形组的单组识别分值；
根据所述单组识别分值，判断所述待识别语音是否是机器合成语音。
在本申请的一种示例性实施例中，根据每个所述子声波波形组中所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，获取每个所述子声波波形组的单组识别分值，包括：
根据公式
Figure SMS_20
获取每个所述子声波波形组的单组识别分值，其中，n为多个高频子声波波形的数目，/>
Figure SMS_23
.../>
Figure SMS_25
为每个高频子声波波形的波峰频率，/>
Figure SMS_21
.../>
Figure SMS_22
为每个高频子声波的波峰平均值，/>
Figure SMS_24
.../>
Figure SMS_26
为根据每个高频子声波的波峰平均值的大小施加的调节因数，/>
Figure SMS_19
为单组识别分值。
在本申请的一种示例性实施例中，根据公式
Figure SMS_27
获取每个所述子声波波形组的单组识别分值之后，所述方法还包括：
当所有所述单组识别分值的分值的平均值高于预定阈值时，确定所述待识别语音是机器合成语音；
当所有所述单组识别分值的分值的平均值低于所述预定阈值时，确定所述待识别语音不是机器合成语音。
根据本申请的一个方面，提供一种机器合成语音识别装置，其特征在于，包括：
采集模块，用于当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；
分割模块，用于将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；
第一获取模块，用于获取多个所述子声波波形组中每个子声波波形的波峰频率；
第二获取模块，用于获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；
第三获取模块，用于获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；
判断模块，用于根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
根据本申请的一个方面，提供一种计算机可读存储介质，其上存储有机器合成语音识别程序，其特征在于，所述机器合成语音识别程序被处理器执行时实现上述任一项所述的方法。
根据本申请的一个方面，提供一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的机器合成语音识别程序；其中，所述处理器配置为经由执行所述机器合成语音识别程序来执行上述任一项所述的方法。
本申请一种机器合成语音识别方法及装置，通过当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；这样基于可以清楚反映语音变化细节特征的声波波形，在后续步骤中进行语音的准确鉴别。然后，将声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；通过多种分割方式可以快速得到不同长度的子声波波形，进而提取到包含了语音信号各种特征的不同子声波波形。进而，通过获取多个所述子声波波形组中每个子声波波形的波峰频率；可以提取到每个子声波波形的反应每个子声波波形所在时段的语音信号的震荡特征的波峰频率特征。然后，获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；这样可以获得所有的具有不稳定频率特征的高频子声波波形，即具有机器合成语音可能性。最后，获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，该几个特征可以基于高频子声波波形特征反映整个语音时间段的语音信号的不稳定性；且获取方式简单高效，进而可以根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，准确、高效地判断所述待识别语音是否是机器合成语音。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出一种机器合成语音识别方法的流程图。
图2示意性示出一种机器合成语音识别方法的应用场景示例图。
图3示意性示出一种机器合成语音判断方法流程图。
图4示意性示出一种机器合成语音识别装置的方框图。
图5示意性示出一种用于实现上述机器合成语音识别方法的电子设备示例框图。
图6示意性示出一种用于实现上述机器合成语音识别方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本申请的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。
此外，附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了机器合成语音识别方法，该机器合成语音识别方法可以运行于服务器，也可以运行于服务器集群或云服务器等，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该机器合成语音识别方法可以包括以下步骤：
步骤S110，当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；
步骤S120，将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；
步骤S130，获取多个所述子声波波形组中每个子声波波形的波峰频率；
步骤S140，获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；
步骤S150，获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；
步骤S160，根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
上述机器合成语音识别方法中，通过当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；这样可以得到清楚反映语音变化细节特征的声波波形，以便在后续步骤中进行语音的准确鉴别。然后，将声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；通过多种分割方式可以快速得到不同长度的子声波波形，进而提取到包含了语音信号各种特征的不同子声波波形。进而，通过获取多个所述子声波波形组中每个子声波波形的波峰频率；可以提取到每个子声波波形的反应每个子声波波形所在时段的语音信号的震荡特征的波峰频率特征。然后，获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；这样可以获得所有的具有不稳定频率特征的高频子声波波形，即具有机器合成语音可能性。最后，获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，该几个特征可以基于高频子声波波形特征反映整个语音时间段的语音信号的不稳定性；且获取方式简单高效，进而可以根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，准确、高效地判断所述待识别语音是否是机器合成语音。
下面，将结合附图对本示例实施方式中上述机器合成语音识别方法中的各步骤进行详细的解释以及说明。
在步骤S110中， 当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形。
本示例的实施方式中，参考图2所示，服务器201接收到服务器202发送的待识别语音时，采集所述待识别语音的预定时间段的声波波形。这样可以在后续步骤中，由服务器201基于预定时间段的声波波形进行鉴别该待识别语音是否为机器合成语音。可以理解，在后续步骤中，在条件允许的情况下，也可以由服务器202直接采集所述待识别语音的预定时间段的声波波形，基于预定时间段的声波波形进行鉴别该待识别语音是否为机器合成语音。其中，服务器201可以是任何具有处理能力的设备，例如，电脑、微处理器等，在此不做特殊限定，服务器202可以是任何具有指令发送、数据存储能力的设备，例如手机、电脑等，在此不做特殊限定。
待识别语音的预定时间段的声波波形是从待识别的全部语音中根据识别需要，采集的预定时间段长度的一段语音的声波波形。例如，将待识别语音的头部及尾部去掉部分时间段，留下中间的语音段，这样可以排除语音开始段及尾部段的不稳定带来的识别误差。预定时间段可以是例如5秒或者7秒等。通过采集预定时间段的声波波形可以便于声波波形的周期的控制，便与后续步骤中进行准确地分割。声波波形是基于语音信号随时间的振幅变化曲线，在后续步骤纵基于可以清楚反映语音变化细节特征的声波波形，进行语音的准确鉴别。
在步骤S120中， 将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组。
本示例的实施方式中，多个预定分割规则就是规定了波形的分割时刻点的间隔或者分解个数的多个波形分割规则。例如，一个实施例中，分割规则一可以是将声波波形，基于声波波形对应的预定时间段平均分解为5个，分割规则二可以是分割为例如2个、...10个等。这样通过按照不同的预定分割规则可以将声波波形分解为不同的子声波波形组。可以使得多个子声波波形组中各种时间段的子声波波形部分的交叉重叠，通过多种分割方式可以快速得到不同长度的子声波波形，提取到包含了语音信号各种特征的所有子声波波形，在后续步骤中准确捕捉声波波形中的机器音特征。
在步骤S130中， 获取多个所述子声波波形组中每个子声波波形的波峰频率。
本示例的实施方式中，子声波波形的波峰频率就是每个子声波波形中波峰出现的个数与子声波波形时间段的比值。通过判断每个子声波波形中一个点前后的点都比它小就是波峰，这样可以准确的获取到每个子声波波形中波峰的个数，根据分割规则获取到每个子声波波形时间段，进而获取到每个子声波波形的波峰频率。波峰频率可以有效反应子声波波形的变化剧烈程度，进而可以反应子声波波形的不稳定性。通过提取到每个子声波波形反应每个子声波波形所在时段的语音信号的震荡特征的波峰频率特征，可以在后续步骤中准确分析每个子声波波形中的机器音特征强度。
在步骤S140中， 获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则。
本示例的实施方式中，每个子声波波形相应的所述预定分割规则对应的关联频率阈值，即判断根据每个预定分割规则分割得到的子声波波形的波峰频率是否超过自然音该有的波峰频率标准的阈值，例如，可以是按照每个分割规则的自然音的子声波波形中波峰出现频率的最高值。其中，不同的预定分割规则对应的关联频率阈值不同。波峰频率大于每个子声波波形对应的所述预定分割规则的关联频率阈值的多个高频子声波波形，说明该多个高频子声波波形的频率高于自然音该有的数值。通过获取多个具有机器音可能性的高频子声波波形，可以在后续步骤中准确、高效地判断声波波形的机器音可能性程度。
在步骤S150中， 获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值。
本示例的实施方式中，多个高频子声波波形的数目可以反应声波波形中超过自然音波峰频率的子声波波形的个数。高频子声波的波峰平均值可以反应高频子声波波形在预定时间段的声波波形中的位置，一帧声波通常包括高峰值始部及低峰值尾部，而机器音的微小特征通常体现在低峰值尾部，这样可以通过获取每个所述高频子声波的波峰平均值判断微小变化出现的位置。这些特征可以基于高频子声波波形特征准确反映整个语音时间段的语音信号的不稳定性所在，且获取方式简单高效，进而，在后续步骤中，可以结合多个高频子声波波形的波峰频率、多个高频子声波波形的数目以及每个高频子声波的波峰平均值准确分析待识别语音是否机器合成音。
在步骤S160中，根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
本示例的实施方式中，机器合成语音在一帧声波的最尾部会存在一丝的波动差异，而这样的差异是自然音不会去特意模仿和掺杂的，所以通过捕捉到这些细微变化，可以准确的分析出待识别语音是否机器合成音。通过结合多个高频子声波波形的波峰频率、多个高频子声波波形的数目以及每个高频子声波波形波峰峰值，根据每个高频子声波波形波峰峰值排除高峰值平均值的高频子声波波形，可以得到具有机器合成音特征的低峰位置的高频子声波波形，然后判断具有低峰位置的高频子声波波形的个数的是否超过预定个数，由于采集的是预定时间段的待识别语音的声波波形，可以准确得到该预定时间段机器音特征的频率很高，进而可以准确判断是否是机器合成语音。且多个高频子声波波形的波峰频率、多个高频子声波波形的数目以及每个高频子声波的波峰平均值的获取方法简单，可以有效提高机器合成语音鉴别的效率。
在本示例的一种实施方式中，所述根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据公式
Figure SMS_28
判断所述待识别语音是机器合成语音，
根据公式
Figure SMS_31
判断所述待识别语音不是机器合成语音，其中，n为多个高频子声波波形的数目，/>
Figure SMS_33
.../>
Figure SMS_35
为每个高频子声波波形的波峰频率，/>
Figure SMS_30
.../>
Figure SMS_32
为每个高频子声波的波峰平均值，/>
Figure SMS_34
.../>
Figure SMS_36
为根据每个高频子声波的波峰平均值的大小施加的调节因数，/>
Figure SMS_29
为机器合成语音高频分数阈值。
Figure SMS_37
.../>
Figure SMS_38
为根据每个高频子声波的波峰平均值的大小施加的调节因数，施加方法可以是根据预先设定的适用于所有的高频子声波波形的调节因数表自动对比高频子声波的波峰平均值与预设值，对应施加预设值对应的调节因数。这样通过/>
Figure SMS_39
可以缩小每个高频子声波波形中高峰值的影响，放大波峰频率的影响，得到每个高频子声波波形的机器音分数值；通过/>
Figure SMS_40
得到预定时间段的声波波形的机器音分数值平均值。进而根据/>
Figure SMS_41
，捕捉到机器音的细微变化，可以准确的分析出待识别语音是否机器合成音，其中Q为与采集待识别语音的预定时间段长度适应的经验值。
在本示例的一种实施方式中，所述根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，参考图3所示，包括：
步骤S310，根据每个所述高频子声波的波峰平均值的大小由高到低的顺序，依次获取相邻两个高频子声波波形的波峰频率的差值；
步骤S320，根据所述差值确定非正常高频子声波波形后，剔除所述非正常高频子声波波形，得到多个正常高频子声波波形；
步骤S330，根据所述多个高频子声波波形的数目，获取多个所述正常高频子声波波形的数目；
步骤S340，根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音。
根据每个高频子声波的波峰平均值的大小由高到低的顺序，依次获取相邻两个高频子声波波形的波峰频率的差值，例如，根据每个高频子声波的波峰平均值的大小由高到低的顺序，用相邻的两个高频子声波波形中的左边的高频子声波波形的波峰频率减去右边的高频子声波波形的波峰频率得到该差值。可以得到波峰峰值平均值相邻的两个高频子声波波形的频率差异，如果某个差值表现出差异过大说明对应的高频子声波波形为获取的对机器音识别的具有噪声的子波形，也就是非正常高频子声波波形。根据差值确定非正常高频子声波波形的方法可以是判断每个差值与差值平均值的差，将差值与差值平均值的差超过预设值的差值，当该差值为负时，将高频子声波的波峰平均值的大小由高到低的右边的高频子声波波形确定为非正常高频子声波波形，当该差值为负时，同理相反方向确定非正常高频子声波波形。这样在排除非正常高频子声波波形后，根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音，可以进一步提高机器合成语音判断的准确性。
在本示例的一种实施方式中，所述根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音，包括：
根据公式
Figure SMS_42
判断所述待识别语音是机器合成语音，
根据公式
Figure SMS_44
判断所述待识别语音不是机器合成语音，其中，n为正常高频子声波波形的数目，/>
Figure SMS_46
.../>
Figure SMS_48
为每个正常高频子声波波形的波峰频率，/>
Figure SMS_45
.../>
Figure SMS_47
为每个正常高频子声波的波峰平均值，/>
Figure SMS_49
.../>
Figure SMS_50
为根据每个正常高频子声波的波峰平均值的大小施加的调节因数，/>
Figure SMS_43
为机器合成语音高频分数阈值。
Figure SMS_51
.../>
Figure SMS_52
为根据每个高频子声波的波峰平均值的大小施加的调节因数，施加方法可以是根据预先设定的适用于排除了非正常高频子声波波形的高频子声波波形的调节因数表自动对比高频子声波的波峰平均值与预设值，对应施加预设值对应的调节因数。这样通过/>
Figure SMS_53
可以缩小每个高频子声波波形中高峰值的影响，放大波峰频率的影响，得到每个高频子声波波形的机器音分数值；通过/>
Figure SMS_54
得到预定时间段的声波波形的机器音分数值平均值。进而根据/>
Figure SMS_55
，捕捉到机器音的细微变化，可以准确的分析出待识别语音是否机器合成音。
在本示例的一种实施方式中，根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据每个所述子声波波形组中所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，获取每个所述子声波波形组的单组识别分值；
根据所述单组识别分值，判断所述待识别语音是否是机器合成语音。
通过获取每个预定分割规则对应的子声波波形组中多个高频子声波波形的波峰频率、多个高频子声波波形的数目以及每个高频子声波的波峰平均值，然后，获取每个子声波波形组的单组识别分值，可以从单组开始判断，然后综合各组进行判断，有效提高判断效率。其中，单租识别分值的获取方式可以是将上述每个子声波波形组中多个高频子声波波形的波峰频率、多个高频子声波波形的数目以及每个高频子声波的波峰平均值输入预先训练好的机器学习模型得到。
在本示例的一种实施方式中，所述根据每个所述子声波波形组中所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，获取每个所述子声波波形组的单组识别分值，包括：
根据公式
Figure SMS_57
获取每个所述子声波波形组的单组识别分值，其中，n为多个高频子声波波形的数目，/>
Figure SMS_60
.../>
Figure SMS_62
为每个高频子声波波形的波峰频率，/>
Figure SMS_58
.../>
Figure SMS_59
为每个高频子声波的波峰平均值，/>
Figure SMS_61
.../>
Figure SMS_63
为根据每个高频子声波的波峰平均值的大小施加的调节因数，/>
Figure SMS_56
为单组识别分值。
Figure SMS_64
.../>
Figure SMS_65
为根据每个高频子声波的波峰平均值的大小施加的调节因数，施加方法可以是根据预先设定的适用于不同分割规则的高频子声波波形的调节因数表自动对比高频子声波的波峰平均值与预设值，对应施加预设值对应的调节因数。这样通过/>
Figure SMS_66
可以缩小每个高频子声波波形中高峰值的影响，放大波峰频率的影响，得到每个高频子声波波形的机器音分数值；通过/>
Figure SMS_67
得到预定时间段的声波波形的机器音分数值平均值，本实施例中对于单组来说公式/>
Figure SMS_68
中各数值对单组相适应。
在本示例的一种实施方式中，根据公式
Figure SMS_69
获取每个所述子声波波形组的单组识别分值之后，所述方法还包括：
当所有所述单组识别分值的分值的平均值高于预定阈值时，确定所述待识别语音是机器合成语音；
当所有所述单组识别分值的分值的平均值低于所述预定阈值时，确定所述待识别语音不是机器合成语音。
这样可以结合所有单租识别分值高效地获得待识别语音的是否机器合成语音的识别结果，单组识别分值可以使得分析更加细化，进一步提高分析准确率，其中，预定阈值为与每个组的分割规则相适应的经验值，且U大于上述Q的值。
本申请还提供了一种机器合成语音识别装置。参考图4所示，该机器合成语音识别装置可以包括采集模块410、分割模块420、第一获取模块430、第二获取模块440、第三获取模块450、判断模块460。其中：
采集模块410可以用于当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；
分割模块420可以用于将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；
第一获取模块430可以用于获取多个所述子声波波形组中每个子声波波形的波峰频率；
第二获取模块440可以用于获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；
第三获取模块450可以用于获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；
判断模块460可以用于根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
上述机器合成语音识别装置中各模块的具体细节已经在对应的机器合成语音识别方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本申请实施方式的方法。
在本申请的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件（包括存储单元520和处理单元510）的总线530。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110：当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；S120：将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；步骤S130：获取多个所述子声波波形组中每个子声波波形的波峰频率；步骤S140：获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；步骤S150：获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；步骤S160：根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元（ROM）5203。
存储单元520还可以包括具有一组（至少一个）程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得客户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口550进行，可以包括与输入/输出（I/O）接口550连接的显示单元540。并且，电子设备500还可以通过网络适配器560与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本申请实施方式的方法。
在本申请的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到客户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其他实施例。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求指出。

Claims (10)

1.一种机器合成语音识别方法，其特征在于，包括：
当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；
将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；
获取多个所述子声波波形组中每个子声波波形的波峰频率；
获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；
获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；
根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
若
Figure QLYQS_1
，则确定所述待识别语音是机器合成语音；
若
Figure QLYQS_2
，则确定所述待识别语音不是机器合成语音；
其中，n为多个高频子声波波形的数目，
Figure QLYQS_3
.../>
Figure QLYQS_4
为每个高频子声波波形的波峰频率，/>
Figure QLYQS_5
.../>
Figure QLYQS_6
为每个高频子声波的波峰平均值，/>
Figure QLYQS_7
.../>
Figure QLYQS_8
为根据每个高频子声波的波峰平均值的大小施加的调节因数，/>
Figure QLYQS_9
为机器合成语音高频分数阈值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据每个所述高频子声波的波峰平均值的大小由高到低的顺序，依次获取相邻两个高频子声波波形的波峰频率的差值；
根据所述差值确定非正常高频子声波波形后，剔除所述非正常高频子声波波形，得到多个正常高频子声波波形；
根据所述多个高频子声波波形的数目，获取多个所述正常高频子声波波形的数目；
根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音。
4.根据权利要求3所述的方法，其特征在于，所述根据所述多个正常高频子声波波形的波峰频率、多个所述正常高频子声波波形的数目及每个所述正常高频子声波波形的峰值平均值，判断所述待识别语音是否是机器合成语音，包括：
若
Figure QLYQS_10
，则确定所述待识别语音是机器合成语音；
若
Figure QLYQS_11
，则确定所述待识别语音不是机器合成语音；
其中，n 1为正常高频子声波波形的数目，
Figure QLYQS_12
…/>
Figure QLYQS_13
为每个正常高频子声波波形的波峰频率，/>
Figure QLYQS_14
…/>
Figure QLYQS_15
为每个正常高频子声波的波峰平均值，/>
Figure QLYQS_16
…/>
Figure QLYQS_17
为根据每个正常高频子声波的波峰平均值的大小施加的调节因数，/>
Figure QLYQS_18
为机器合成语音高频分数阈值。
5.根据权利要求1所述的方法，其特征在于，根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音，包括：
根据每个所述子声波波形组中所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，获取每个所述子声波波形组的单组识别分值；
根据所述单组识别分值，判断所述待识别语音是否是机器合成语音。
6.根据权利要求5所述的方法，其特征在于，所述根据每个所述子声波波形组中所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，获取每个所述子声波波形组的单组识别分值，包括：
获取每个所述子声波波形组的单组识别分值U：
Figure QLYQS_19
其中，n为多个高频子声波波形的数目，
Figure QLYQS_20
.../>
Figure QLYQS_21
为每个高频子声波波形的波峰频率，/>
Figure QLYQS_22
.../>
Figure QLYQS_23
为每个高频子声波的波峰平均值，/>
Figure QLYQS_24
.../>
Figure QLYQS_25
为根据每个高频子声波的波峰平均值的大小施加的调节因数，/>
Figure QLYQS_26
为单组识别分值。
7.根据权利要求6所述的方法，其特征在于，在获取每个所述子声波波形组的单组识别分值U之后，所述方法还包括：
当所有所述单组识别分值的分值的平均值高于预定阈值时，确定所述待识别语音是机器合成语音；
当所有所述单组识别分值的分值的平均值低于所述预定阈值时，确定所述待识别语音不是机器合成语音。
8.一种机器合成语音识别装置，其特征在于，包括：
采集模块，用于当接收到待识别语音时，采集所述待识别语音的预定时间段的声波波形；
分割模块，用于将所述声波波形，按照多个预定分割规则分别进行分割，得到多个子声波波形组；
第一获取模块，用于获取多个所述子声波波形组中每个子声波波形的波峰频率；
第二获取模块，用于获取所有所述子声波波形中波峰频率大于关联频率阈值的多个子声波波形，得到多个高频子声波波形，其中，所述关联频率阈值对应于每个子声波波形相应的所述预定分割规则；
第三获取模块，用于获取所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值；
判断模块，用于根据所述多个高频子声波波形的波峰频率、所述多个高频子声波波形的数目以及每个所述高频子声波的波峰平均值，判断所述待识别语音是否是机器合成语音。
9.一种计算机可读存储介质，其上存储有机器合成语音识别程序，其特征在于，所述机器合成语音识别程序被处理器执行时实现权利要求1-7任一项所述的方法。
10. 一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的机器合成语音识别程序；其中，所述处理器配置为经由执行所述机器合成语音识别程序来执行权利要求1-7任一项所述的方法。
CN201910879439.9A 2019-09-18 2019-09-18 机器合成语音识别方法、装置、存储介质及电子设备 Active CN110689885B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910879439.9A CN110689885B (zh) 2019-09-18 2019-09-18 机器合成语音识别方法、装置、存储介质及电子设备
PCT/CN2019/117681 WO2021051566A1 (zh) 2019-09-18 2019-11-12 机器合成语音识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910879439.9A CN110689885B (zh) 2019-09-18 2019-09-18 机器合成语音识别方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110689885A CN110689885A (zh) 2020-01-14
CN110689885B true CN110689885B (zh) 2023-05-23

Family

ID=69109197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910879439.9A Active CN110689885B (zh) 2019-09-18 2019-09-18 机器合成语音识别方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN110689885B (zh)
WO (1) WO2021051566A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429891B (zh) * 2020-03-30 2022-03-04 腾讯科技（深圳）有限公司 一种音频数据处理方法、装置、设备及可读存储介质
CN112309404B (zh) * 2020-10-28 2024-01-19 平安科技（深圳）有限公司 机器语音的鉴别方法、装置、设备及存储介质
CN113314148B (zh) * 2021-07-29 2021-11-09 中国科学院自动化研究所 基于原始波形的轻量级神经网络生成语音鉴别方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004126205A (ja) * 2002-10-02 2004-04-22 Nippon Telegr & Teleph Corp <Ntt> 音声合成方法及び音声合成装置、音声合成プログラム
JP2010237364A (ja) * 2009-03-31 2010-10-21 Oki Electric Ind Co Ltd 合成音声判別装置、方法及びプログラム
CN106920547A (zh) * 2017-02-21 2017-07-04 腾讯科技（上海）有限公司 语音转换方法和装置
CN109493872A (zh) * 2018-12-13 2019-03-19 北京三快在线科技有限公司 语音信息验证方法及装置、电子设备、存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8504365B2 (en) * 2008-04-11 2013-08-06 At&T Intellectual Property I, L.P. System and method for detecting synthetic speaker verification
US8744854B1 (en) * 2012-09-24 2014-06-03 Chengjun Julian Chen System and method for voice transformation
CN105513598B (zh) * 2016-01-14 2019-04-23 宁波大学 一种基于频域信息量分布的回放语音检测方法
EP3590113B1 (en) * 2017-03-03 2024-05-29 Pindrop Security, Inc. Method and apparatus for detecting spoofing conditions
CN109300479A (zh) * 2018-10-31 2019-02-01 桂林电子科技大学 一种回放语音的声纹识别方法、装置及存储介质
CN109920447B (zh) * 2019-01-29 2021-07-13 天津大学 基于自适应滤波器振幅相位特征提取的录音欺诈检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004126205A (ja) * 2002-10-02 2004-04-22 Nippon Telegr & Teleph Corp <Ntt> 音声合成方法及び音声合成装置、音声合成プログラム
JP2010237364A (ja) * 2009-03-31 2010-10-21 Oki Electric Ind Co Ltd 合成音声判別装置、方法及びプログラム
CN106920547A (zh) * 2017-02-21 2017-07-04 腾讯科技（上海）有限公司 语音转换方法和装置
CN109493872A (zh) * 2018-12-13 2019-03-19 北京三快在线科技有限公司 语音信息验证方法及装置、电子设备、存储介质

Also Published As

Publication number Publication date
CN110689885A (zh) 2020-01-14
WO2021051566A1 (zh) 2021-03-25

Similar Documents

Publication Publication Date Title
CN109473123B (zh) 语音活动检测方法及装置
CN110689885B (zh) 机器合成语音识别方法、装置、存储介质及电子设备
CN108335694B (zh) 远场环境噪声处理方法、装置、设备和存储介质
US20210027769A1 (en) Voice alignment method and apparatus
CN109326305B (zh) 一种批量测试语音识别和文本合成的方法和测试系统
CN109801638B (zh) 语音验证方法、装置、计算机设备及存储介质
WO2021042537A1 (zh) 语音识别认证方法及系统
CN110428835B (zh) 一种语音设备的调节方法、装置、存储介质及语音设备
CN113707173B (zh) 基于音频切分的语音分离方法、装置、设备及存储介质
US20220301546A1 (en) Method for testing vehicle-mounted voice device, electronic device and storage medium
CN113077821A (zh) 音频质量检测方法、装置、电子设备及存储介质
CN113112992B (zh) 一种语音识别方法、装置、存储介质和服务器
CN111210817B (zh) 数据处理方法及装置
CN116741200A (zh) 一种机车风机故障检测方法及装置
CN116386669A (zh) 基于分组自动编码器的机器运行声学状态监测方法和系统
CN112509567B (zh) 语音数据处理的方法、装置、设备、存储介质及程序产品
CN114996489A (zh) 新闻数据的违规检测方法、装置、设备及存储介质
CN111292767A (zh) 一种音频事件检测方法和装置以及设备
CN112131541A (zh) 一种基于振动信号的身份验证方法和系统
CN111341321A (zh) 一种基于Matlab的语谱图生成及显示方法和装置
CN111149154B (zh) 一种声纹识别方法、装置、设备和储存介质
CN112019786B (zh) 智能教学录屏方法和系统
CN115730055A (zh) 语音标注数据的获取方法、装置及电子设备
CN111477223A (zh) 焊机控制方法、装置、终端设备及计算机可读存储介质
JP3322536B2 (ja) ニューラルネットワークの学習方法および音声認識装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant