CN113031901B

CN113031901B - 语音处理方法、装置、电子设备以及可读存储介质

Info

Publication number: CN113031901B
Application number: CN202110195343.8A
Authority: CN
Inventors: 李憬然; 王柳锋
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2021-02-19
Filing date: 2021-02-19
Publication date: 2023-01-17
Anticipated expiration: 2041-02-19
Also published as: JP2022127584A; EP4047470B1; KR20220118904A; US11659325B2; CN113031901A; US20220272442A1; EP4047470A1

Abstract

本申请公开了一种语音处理方法、装置、电子设备以及可读存储介质，涉及语音处理技术领域。所述方法包括：采集第一音频信号；使用预设算法处理所述第一音频信号，得到第二音频信号；将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理。本申请通过与第一设备外接的语音处理设备来进行音频信号的采集，无需由第一设备本身进行音频信号的采集即可实现语音处理，从而简化了第一设备在进行语音处理时的步骤，提升了第一设备的语音处理效率。

Description

语音处理方法、装置、电子设备以及可读存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及语音处理技术领域。提供了一种语音处理方法、装置、电子设备以及可读存储介质。

背景技术

目前的终端设备，例如智能手机、平板电脑等，都是通过自带的麦克风来采集音频信号。而终端设备自带的麦克风，拾音距离较为有限，且极容易受到其他噪声的干扰。

发明内容

本申请提供了一种语音处理方法、装置、电子设备以及可读存储介质，用于简化终端设备在进行语音处理时的步骤，提升终端设备进行语音处理的效率。

根据本申请的第一方面，提供了一种语音处理方法，包括：采集第一音频信号；使用预设算法处理所述第一音频信号，得到第二音频信号；将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理。

根据本申请的第二方面，提供了一种语音处理装置，包括：采集单元，用于采集第一音频信号；处理单元，用于使用预设算法处理所述第一音频信号，得到第二音频信号；发送单元，用于将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理。

根据本申请的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。

根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。

由以上技术方案可以看出，通过与第一设备外接的语音处理设备来进行音频信号的采集，无需由第一设备本身进行音频信号的采集即可实现语音处理，从而简化了第一设备在进行语音处理时的步骤，提升了第一设备的语音处理效率。

应当理解，本部分分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图；

图3是根据本申请第三实施例的示意图；

图4是根据本申请第四实施例的示意图；

图5是用来实现本申请实施例的语音处理方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和机构的描述。

图1是根据本申请第一实施例的示意图。如图1所示，本实施例的语音处理方法在语音处理设备中执行，具体可以包括如下步骤：

S101、采集第一音频信号；

S102、使用预设算法处理所述第一音频信号，得到第二音频信号；

S103、将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理。

本实施例的语音处理方法的执行主体为与第一设备连接的语音处理设备，该语音处理设备在根据所采集的第一音频信号得到第二音频信号之后，将该第二音频信号发送至与其连接的第一设备，以使得第一设备对所接收的第二音频信号进行语音处理，从而无需由第一设备本身进行音频信号的采集即可实现语音处理，简化了第一设备在进行语音处理时的步骤，提升了第一设备的语音处理效率。

本实施例中的第一设备可以为智能手机、个人电脑、智能音箱、智能家电、车载设备等智能设备，即本实施例通过智能设备以及与其外接的语音处理设备来实现语音处理。

本实施例中的语音处理设备在执行S101采集第一音频信号之前，还包括建立与第一设备之间的通信连接，所建立的通信连接可以为有线连接，例如通过3.5mm的4段音频线将语音处理设备与第一设备进行连接；也可以为无线连接，例如通过蓝牙或者WiFi将语音处理设备与第一设备进行连接。

本实施例中的语音处理设备可以通过自身的开关来进行开机或者关机，从而在语音处理设备处于开机状态之前或者处于开机状态之后，建立与第一设备之间的有线连接或者无线连接，并采集第一音频信号。

本实施例中的语音处理设备可以在与第一设备建立通信连接之后，立即开始采集设备周边的音频信号作为第一音频信号。由于语音处理设备是外接于第一设备的，因此语音处理设备可以放置在远离第一设备的位置处，从而实现第一设备的远场音频采集。

另外，本实施例中的语音处理设备在执行S101采集第一音频信号时，可以采用的可选实现方式为：在接收到第一设备发送的录制指令之后，开始采集第一音频信号，该录制指令为第一设备在检测到其开启了预设应用时向语音处理设备发送的。

可以理解的是，本实施例中的第一设备所开启的预设应用可以为录音应用、翻译应用和语音识别应用等中的一种，从而实现第一设备对语音处理设备所采集的音频信号的录制、翻译、识别等不同的语音处理。

因此，本实施例中的语音处理设备能够实现在特定场景下才会开始采集音频信号，避免了在第一设备不需要获取音频信号时的误采集所导致的资源浪费，提升了语音处理设备在采集音频信号时的准确性。

本实施例中的语音处理设备在执行S101采集第一音频信号之后，执行S102使用预设算法处理所采集的第一音频信号，从而得到经过处理之后的第二音频信号。

本实施例中的语音处理设备在执行S102所使用的预设算法包括但不限于回声消除算法、波束成形算法、声源定位算法、固定波束增益方法算法、固定波束噪声抑制算法、去混响算法等算法中的至少一种。

也就是说，本实施例中的语音处理设备在采集得到第一音频信号之后，还会通过一系列的信号处理算法对该第一音频信号进行处理，从而得到具有高信噪比、高清晰度的第二音频信号，避免了第一设备自身需要对所接收的音频信号进行处理的步骤，提升了第一设备在进行语音处理的效率。

另外，本实施例中的语音处理设备在执行S102得到第二音频信号之后，还可以对所得到的第二音频信号进行数模转换，从而将第二音频信号的格式从数字信号转为模拟信号后发送至第一设备。

本实施例中的语音处理设备在执行S102得到第二音频信号之后，执行S103将所得到的第二音频信号发送至第一设备，从而使得第一设备根据所接收的第二音频信号进行相应的语音处理。

本实施例中的第一设备根据第二音频信号所进行的语音处理，可以为固定类型的语音处理，例如录制、翻译、识别中的一种。

另外，本实施例中的第一设备根据第二音频信号所进行的语音处理，还可以对应于第一设备所开启的应用，若第一设备开启了录音应用，则第一设备将所接收的第二音频信号进行存储；若第一设备开启了翻译应用，则第一设备对所接收的第二音频信号进行翻译而得到翻译结果；若第一设备开启了识别应用，则第一设备对所接收的第二音频信号进行识别而得到识别结果。

本实施例中的语音处理设备还可以包含以下内容：接收第一设备发送的控制指令，该控制指令中包含用于控制语音处理设备进行拾音时的角度范围，该控制指令由用户通过第一设备发送；根据所接收的控制指令调整拾音方向，即根据控制指令中包含的角度范围调整麦克风阵列的拾音方向。

举例来说，语音处理设备中的麦克风阵列能够进行全向360°方向的拾音，若第一设备发送的控制指令中包含的角度范围为0°～180°，则语音处理设备控制麦克风阵列仅对位于其前方、以顺时针方向0°～180°范围内的声音进行采集。

也就是说，本实施例的语音处理设备还能够根据第一设备所发送的控制指令来调整拾音方向，从而实现语音处理设备的定向拾音，避免其他方向上的噪声干扰，进一步增强所采集的第一音频信号的准确性。

通过本实施例所提供的上述方法，实现由与第一设备外接的语音处理设备来进行音频信号的采集，从而简化了第一设备在进行语音处理时的步骤，提升了第一设备进行语音处理的效率。

图2是根据本申请第二实施例的示意图。如图2所示，本实施例的在语音处理设备中执行的语音处理方法，还可以包括如下步骤：

S201、接收所述第一设备发送的第三音频信号；

S202、将所述第三音频信号发送至第二设备以进行播放。

也就是说，本实施例中的语音处理设备在与第一设备建立通信连接的基础上，还可以与第二设备建立通信连接，从而实现将第一设备所发送的音频信号发送至第二设备以进行播放的目的。

本实施例中的第二设备可以为智能音箱、智能家电等终端设备；语音处理设备在执行S202将第三音频信号发送至第二设备之前，还包括建立与第二设备之间的通信连接，所建立的通信连接可以为有线连接，也可以为无线连接，本申请对通信连接的方式不进行限定。

本实施例中的语音处理设备在执行S201接收第一设备发送的第三音频信号之后，还可以根据该第三音频信号对所采集的音频信号进行回声消除处理，从而提升语音处理设备所采集的音频信号的准确性。

另外，本实施例中的语音处理设备在执行S202将第三音频信号发送至第二设备之前，还可以对第三音频信号进行转换，即将第三音频信号的格式从模拟信号转换为数字信号，将转换之后的音频信号发送至第二设备。

图3是根据本申请第三实施例的示意图。图3示出了本实施例的语音处理设备300的架构图，如图3中所示，本实施例的语音处理设备300中包含电源模块301、麦克风阵列模块302、信号处理模块303、转换模块304以及接口模块305；

其中的电源模块301包括充电器、可充电锂电池以及电压转换芯片，用户可以通过电源模块的开关来实现语音处理设备的开机或者关机；麦克风阵列模块302中包含多个数字/模拟麦克风，其能够进行全向360°方向的音频信号采集；信号处理模块303中包含信号处理器和闪存存储器，闪存存储器中存储预设算法，信号处理器根据所存储的预设算法对所采集的音频信号进行处理；转换模块304中包含数模转换器和模数转换器，数模转换器用于将音频信号转换为模拟信号，模数转换器则用于将音频信号转换为数字信号；接口模块305包含充电接口、录制接口与播放接口，录制接口与第一设备相连接，播放接口与第二设备相连接。

图4是根据本申请第四实施例的示意图。如图4所示，本实施例的位于语音处理设备的语音处理装置400，包括：

采集单元401、用于采集第一音频信号；

处理单元402、用于使用预设算法处理所述第一音频信号，得到第二音频信号；

发送单元403、用于将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理。

本实施例中的采集单元401在采集第一音频信号之前，还包括建立与第一设备之间的通信连接，所建立的通信连接可以为有线连接，也可以为无线连接。

本实施例中的采集单元401可以在与第一设备建立通信连接之后，立即开始采集设备周边的音频信号作为第一音频信号。由于语音处理设备是外接于第一设备的，因此语音处理设备可以放置在远离第一设备的位置处，从而实现第一设备的远场音频采集。

另外，本实施例中的采集单元401在采集第一音频信号时，可以采用的可选实现方式为：在接收到第一设备发送的录制指令之后，开始采集第一音频信号，该录制指令为第一设备在检测到其开启了预设应用时向语音处理设备发送的。

因此，本实施例中的采集单元401能够实现在特定场景下才会开始采集音频信号，避免了在第一设备不需要获取音频信号时的误采集所导致的资源浪费，提升了语音处理设备在采集音频信号时的准确性。

本实施例中的语音处理设备在由采集单元401采集第一音频信号之后，由处理单元402使用预设算法处理所采集的第一音频信号，从而得到经过处理之后的第二音频信号。

本实施例中的处理单元402所使用的预设算法包括但不限于回声消除算法、波束成形算法、声源定位算法、固定波束增益方法算法、固定波束噪声抑制算法、去混响算法等算法中的至少一种。

也就是说，本实施例中的语音处理设备在采集得到第一音频信号之后，还会由处理单元402通过一系列的信号处理算法对该第一音频信号进行处理，从而得到具有高信噪比、高清晰度的第二音频信号，避免了第一设备自身需要对所接收的音频信号进行处理的步骤，提升了第一设备在进行语音处理的效率。

另外，本实施例中的处理单元402在得到第二音频信号之后，还可以对所得到的第二音频信号进行数模转换，从而将第二音频信号的格式从数字信号转为模拟信号后发送至第一设备。

本实施例中的语音处理设备在由处理单元402得到第二音频信号之后，由发送单元403将所得到的第二音频信号发送至第一设备，从而使得第一设备根据所接收的第二音频信号进行相应的语音处理。

本实施例中的位于语音处理设备的语音处理装置400中，还可以包含调整单元404，用于执行：接收第一设备发送的控制指令，该控制指令中包含用于控制语音处理设备进行拾音时的角度范围，该控制指令由用户通过第一设备发送；根据所接收的控制指令调整拾音方向，即根据控制指令中包含的角度范围调整麦克风阵列的拾音方向。

也就是说，本实施例的语音处理设备还能够根据第一设备所发送的控制指令由调整单元404调整拾音方向，从而实现语音处理设备的定向拾音，避免其他方向上的噪声干扰，进一步增强所采集的第一音频信号的准确性。

本实施例中的位于语音处理设备的语音处理装置400中，还可以包含播放单元405，用于执行：接收第一设备发送的第三音频信号；将第三音频信号发送至第二设备以进行播放。

也就是说，本实施例中的语音处理设备在与第一设备建立通信连接的基础上，还可以通过播放单元405与第二设备建立通信连接，从而实现将第一设备所发送的音频信号发送至第二设备以进行播放的目的。

本实施例中的播放单元405在接收到第一设备发送的第三音频信号之后，还可以根据该第三音频信号对所采集的音频信号进行回声消除处理，从而提升语音处理设备所采集的音频信号的准确性。

另外，本实施例中的播放单元405在将第三音频信号发送至第二设备之前，还可以对第三音频信号进行转换，即将第三音频信号的格式从模拟信号转换为数字信号，将转换之后的音频信号发送至第二设备。

根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

如图5所示，是根据本申请实施例的语音处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如语音处理方法。例如，在一些实施例中，语音处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。

在一些实施例中，计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的语音处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行语音处理方法。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(“Virtual Private Server”，或简称“VPS”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims

1.一种语音处理方法，包括：

采集第一音频信号；

使用预设算法处理所述第一音频信号，得到第二音频信号；

将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理；其中，所述语音处理为录制处理和翻译处理；

接收所述第一设备发送的第三音频信号；

将所述第三音频信号发送至第二设备以进行播放；其中，所述第一设备和第二设备为具有麦克风的智能设备；

所述采集第一音频信号包括：

在接收到所述第一设备发送的录制指令之后，开始采集第一音频信号；

其中，所述录制指令为所述第一设备在检测到其开启了预设应用时向所述语音处理设备发送的；所述预设应用为录音应用和翻译应用；

所述方法还包括：

接收所述第一设备发送的控制指令，所述控制指令中包含拾音的角度范围；

根据所述控制指令中包含的所述角度范围，调整拾音方向。

2.一种语音处理装置，包括：

采集单元，用于采集第一音频信号；

处理单元，用于使用预设算法处理所述第一音频信号，得到第二音频信号；

发送单元，用于将所述第二音频信号发送至第一设备，以使得所述第一设备对所述第二音频信号进行语音处理；其中，所述语音处理为录制处理和翻译处理；

播放单元，用于执行：

接收所述第一设备发送的第三音频信号；

所述采集单元在采集第一音频信号时，具体执行：

还包括调整单元，用于执行：

根据所述控制指令中包含的所述角度范围，调整拾音方向。

3.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1所述的方法。

4.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1所述的方法。