語(yǔ)音播放方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及語(yǔ)音信號(hào)處理領(lǐng)域，具體涉及一種語(yǔ)音播放方法及裝置。
【背景技術(shù)】
[0002]目前，越來(lái)越多的人們喜歡采用錄音的形式代替文本的形式記錄所需要的信息，如開會(huì)時(shí)，采用錄音的形式將會(huì)議內(nèi)容記錄下來(lái)，以供后續(xù)查閱；記者采訪時(shí)，將采訪內(nèi)容采用錄音的形式記錄下來(lái)，基于該內(nèi)容編輯成稿；學(xué)生上課時(shí)，將聽不懂的地方錄下來(lái)，回去查閱資料等。然而，當(dāng)錄音數(shù)據(jù)量較大時(shí)，人們很難快速準(zhǔn)確地找到有價(jià)值的錄音內(nèi)容。為了減少錄音的播放時(shí)間，現(xiàn)有的語(yǔ)音播放方法一般采用端點(diǎn)檢測(cè)的方法，檢測(cè)純?cè)肼暥位蜢o音段，將這些語(yǔ)音段略過(guò)，以正常語(yǔ)速播放剩下的語(yǔ)音數(shù)據(jù)。然而，在錄音的過(guò)程中，經(jīng)常會(huì)將一些不重要的內(nèi)容一起錄制下來(lái)，現(xiàn)有方法播放錄音時(shí)，經(jīng)常需要用戶手動(dòng)轉(zhuǎn)換成快進(jìn)形式播放，或直接跳過(guò)不重要的內(nèi)容。尤其是在錄音環(huán)境不好的情況下，錄制的語(yǔ)音數(shù)據(jù)質(zhì)量往往較差，為了聽清錄音內(nèi)容，用戶需要手動(dòng)重復(fù)播放多次，大大降低了用戶體驗(yàn)度。

【發(fā)明內(nèi)容】

[0003]本發(fā)明提供一種語(yǔ)音播放方法及裝置，以幫助用戶快速準(zhǔn)確地找到所關(guān)注的語(yǔ)音段。
[0004]為此，本發(fā)明提供如下技術(shù)方案:
[0005]—種語(yǔ)音播放方法，包括:
[0006]接收待播放語(yǔ)音數(shù)據(jù)；
[0007]對(duì)所述待播放語(yǔ)音數(shù)據(jù)進(jìn)行端點(diǎn)檢測(cè)，得到各語(yǔ)音段；
[0008]根據(jù)各語(yǔ)音段的語(yǔ)音內(nèi)容和/或聲紋特征確定所述語(yǔ)音段是否為關(guān)鍵信息段；
[0009]在播放所述待播放語(yǔ)音數(shù)據(jù)時(shí)，根據(jù)所述關(guān)鍵信息段對(duì)所述待播放語(yǔ)音數(shù)據(jù)的語(yǔ)速進(jìn)行調(diào)整。
[0010]優(yōu)選地，所述根據(jù)各語(yǔ)音段的語(yǔ)音內(nèi)容確定所述語(yǔ)音段是否為關(guān)鍵信息段包括:
[0011]對(duì)各語(yǔ)音段進(jìn)行語(yǔ)音識(shí)別，得到各語(yǔ)音段的識(shí)別文本；
[0012]根據(jù)各語(yǔ)音段的識(shí)別文本，確定所述語(yǔ)音段是否為關(guān)鍵信息段。
[0013]優(yōu)選地，所述根據(jù)各語(yǔ)音段的識(shí)別文本，確定所述語(yǔ)音段是否為關(guān)鍵信息段包括:
[0014]確定各語(yǔ)音段的識(shí)別文本是否包含預(yù)置的關(guān)鍵詞；
[0015]如果是，則確定所述語(yǔ)音段為關(guān)鍵信息段。
[0016]優(yōu)選地，所述根據(jù)各語(yǔ)音段的識(shí)別文本，確定所述語(yǔ)音段是否為關(guān)鍵信息段包括:
[0017]采用迭代方式從所有語(yǔ)音段中抽取摘要語(yǔ)音段，并在達(dá)到設(shè)定的迭代次數(shù)后，得到多個(gè)摘要語(yǔ)音段，將所述多個(gè)摘要語(yǔ)音段作為關(guān)鍵信息段。
[0018]優(yōu)選地，所述從所有語(yǔ)音段中抽取摘要語(yǔ)音段包括:
[0019]計(jì)算當(dāng)前語(yǔ)音段的識(shí)別文本與所述待播放語(yǔ)音數(shù)據(jù)的識(shí)別文本的相似度，得到第一計(jì)算值；
[0020]計(jì)算所述當(dāng)前語(yǔ)音段的識(shí)別文本與已抽取摘要語(yǔ)音段識(shí)別文本的相似度，得到第二計(jì)算值；
[0021]計(jì)算第一計(jì)算值與第二計(jì)算值的差值，得到當(dāng)前語(yǔ)音段的摘要得分；
[0022]在得到所有語(yǔ)音段的摘要得分后，選擇摘要得分最大的語(yǔ)音段作為摘要語(yǔ)音段。
[0023]優(yōu)選地，所述根據(jù)各語(yǔ)音段的聲紋特征確定所述語(yǔ)音段是否為關(guān)鍵信息段包括:
[0024]如果所述待播放語(yǔ)音數(shù)據(jù)包含多個(gè)說(shuō)話人的語(yǔ)音數(shù)據(jù)，則提取各語(yǔ)音段的聲紋特征；
[0025]根據(jù)所述聲紋特征及特定說(shuō)話人的聲紋模型，確定所述語(yǔ)音段是否為特定說(shuō)話人的語(yǔ)音數(shù)據(jù)；
[0026]如果是，則確定所述語(yǔ)音段為關(guān)鍵信息段。
[0027]優(yōu)選地，所述根據(jù)各語(yǔ)音段的聲紋特征確定所述語(yǔ)音段是否為關(guān)鍵信息段包括:
[0028]如果所述待播放語(yǔ)音數(shù)據(jù)包含多個(gè)說(shuō)話人的語(yǔ)音數(shù)據(jù)，則通過(guò)說(shuō)話人分離技術(shù)，確定主說(shuō)話人；
[0029]將所述主說(shuō)話人的語(yǔ)音段作為關(guān)鍵信息段。
[0030]優(yōu)選地，所述根據(jù)所述關(guān)鍵信息段對(duì)所述待播放語(yǔ)音數(shù)據(jù)的語(yǔ)速進(jìn)行調(diào)整包括:
[0031]如果當(dāng)前語(yǔ)音段為關(guān)鍵信息段，則采用正常語(yǔ)速播放所述當(dāng)前語(yǔ)音段，否則采用快語(yǔ)速播放所述當(dāng)前語(yǔ)音段；或者
[0032]如果當(dāng)前語(yǔ)音段為關(guān)鍵信息段，則采用慢語(yǔ)速播放所述當(dāng)前語(yǔ)音段，否則采用正常語(yǔ)速或快語(yǔ)速播放所述當(dāng)前語(yǔ)音段。
[0033]優(yōu)選地，所述方法還包括:
[0034]獲取各語(yǔ)音段的置信度；
[0035]對(duì)所述待播放語(yǔ)音數(shù)據(jù)的語(yǔ)速進(jìn)行調(diào)整具體為:根據(jù)所述關(guān)鍵信息段及各語(yǔ)音段的置信度對(duì)所述待播放語(yǔ)音數(shù)據(jù)的語(yǔ)速進(jìn)行調(diào)整。
[0036]優(yōu)選地，所述根據(jù)所述關(guān)鍵信息段及各語(yǔ)音段的置信度對(duì)所述待播放語(yǔ)音數(shù)據(jù)的語(yǔ)速進(jìn)行調(diào)整包括:
[0037]如果當(dāng)前語(yǔ)音段為關(guān)鍵信息段，則如果其置信度大于第二閾值，則采用快語(yǔ)速播放所述當(dāng)前語(yǔ)音段，否則采用慢語(yǔ)速播放所述當(dāng)前語(yǔ)音段；
[0038]如果當(dāng)前語(yǔ)音段為非關(guān)鍵信息段，則如果其置信度大于第二閾值，則略過(guò)所述當(dāng)前語(yǔ)音段；如果其置信度小于等于第一閾值，則采用慢語(yǔ)速播放所述當(dāng)前語(yǔ)音段，所述第一閾值小于所述第二閾值。
[0039]優(yōu)選地，所述方法還包括:
[0040]對(duì)各語(yǔ)音段進(jìn)行語(yǔ)音信號(hào)層面的分析，所述語(yǔ)音信號(hào)層面的分析包括以下任意一種或多種:音量變化情況、混響情況、噪聲情況；
[0041]在播放所述待播放語(yǔ)音數(shù)據(jù)時(shí)，根據(jù)分析結(jié)果對(duì)所述語(yǔ)音段進(jìn)行優(yōu)化處理，所述優(yōu)化處理包括以下任意一種或多種:
[0042](1)如果當(dāng)前語(yǔ)音段中有連續(xù)多幀語(yǔ)音數(shù)據(jù)的幅值超過(guò)上限值，則調(diào)低當(dāng)前語(yǔ)音段的幅值；如果當(dāng)前語(yǔ)音段中有連續(xù)多幀語(yǔ)音數(shù)據(jù)的幅值低于下限值，則調(diào)高當(dāng)前語(yǔ)音段的幅值；
[0043](2)如果當(dāng)前語(yǔ)音段的混響時(shí)間超過(guò)閾值，則對(duì)當(dāng)前語(yǔ)音段進(jìn)行混響消除；
[0044](3)如果當(dāng)前語(yǔ)音段的信噪比小于信噪比閾值，則對(duì)當(dāng)前語(yǔ)音段進(jìn)行去噪處理。
[0045]—種語(yǔ)音播放裝置，包括:
[0046]接收模塊，用于接收待播放語(yǔ)音數(shù)據(jù)；
[0047]端點(diǎn)檢測(cè)模塊，用于對(duì)所述待播放語(yǔ)音數(shù)據(jù)進(jìn)行端點(diǎn)檢測(cè)，得到各語(yǔ)音段；
[0048]關(guān)鍵信息段確定模塊，包括第一確定模塊和/或第二確定模塊，所述第一確定模塊用于根據(jù)各語(yǔ)音段的語(yǔ)音內(nèi)容確定所述語(yǔ)音段是否為關(guān)鍵信息段，所述第二確定模塊用于根據(jù)各語(yǔ)音段的聲紋特征確定所述語(yǔ)音段是否為關(guān)鍵信息段；
[0049]播放模塊，用于播放所述待播放語(yǔ)音數(shù)據(jù)；
[0050]語(yǔ)速調(diào)整模塊，用于在所述播放模塊播放所述待播放語(yǔ)音數(shù)據(jù)時(shí)，根據(jù)所述關(guān)鍵信息段對(duì)所述待播放語(yǔ)音數(shù)據(jù)的語(yǔ)速進(jìn)行調(diào)整。
[0051]優(yōu)選地，所述第一確定模塊包括:
[0052]語(yǔ)音識(shí)別單元，用于對(duì)各語(yǔ)音段進(jìn)行語(yǔ)音識(shí)別，得到各語(yǔ)音段的識(shí)別文本；
[0053]確定單元，用于根據(jù)各語(yǔ)音段的識(shí)別文本，確定所述語(yǔ)音段是否為關(guān)鍵信息段。
[0054]優(yōu)選地，所述確定單元，具體用于確定各語(yǔ)音段的識(shí)別文本是否包含預(yù)置的關(guān)鍵詞；如果是，則確定所述語(yǔ)音段為關(guān)鍵信息段。
[0055]優(yōu)選地，所述確定單元包括:
[0056]迭代次數(shù)設(shè)定子單元，用于設(shè)置迭代次數(shù)；
[0057]摘要抽取子單元，用于采用迭代方式從所有語(yǔ)音段中抽取摘要語(yǔ)音段；
[0058]判斷子單元，用于判斷是否達(dá)到設(shè)定的迭代次數(shù)，并在達(dá)到設(shè)定的迭代次數(shù)后，觸發(fā)所述摘要抽取子單元停止迭代過(guò)程；
[0059]關(guān)鍵信息段獲取子單元，用于在所述摘要抽取子單元停止迭代過(guò)程后，獲取當(dāng)前所有的摘要語(yǔ)音段，并將其作為關(guān)鍵信息段。
[0060]優(yōu)選地，所述摘要抽取子單元包括:
[0061]第一計(jì)算子單元，用于計(jì)算當(dāng)前語(yǔ)音段的識(shí)別文本與所述待播放語(yǔ)音數(shù)據(jù)的識(shí)別文本的相似度，得到第一計(jì)算值；
[0062]第二計(jì)算子單元，用于計(jì)算所述當(dāng)前語(yǔ)音段的識(shí)別文本與已抽取摘要語(yǔ)音段識(shí)別文本的相似度，得到第二計(jì)算值；
[0063]差值計(jì)算子單元，用于計(jì)算第一計(jì)算值與第二計(jì)算值的差值，得到當(dāng)前語(yǔ)音段的摘要得分；
[0064]選擇子單元，用于在得到所有語(yǔ)音段的摘要得分后，選擇摘要得分最大的語(yǔ)音段作為摘要語(yǔ)音段。
[0065]優(yōu)選地，所述第二確定模塊包括:
[0066]聲紋特征提取單元，用于在所述待播放語(yǔ)音數(shù)據(jù)包含多個(gè)說(shuō)話人的語(yǔ)音數(shù)據(jù)時(shí)，提取各語(yǔ)音段的聲紋特征；
[0067]聲紋識(shí)別單元，用于根據(jù)所述聲紋特征及特定說(shuō)話人的聲紋模型，確定所述語(yǔ)音段是否為特定說(shuō)話人的語(yǔ)音數(shù)據(jù)；如果是，則確定所述語(yǔ)音段為關(guān)鍵信息段。
[0068]優(yōu)選地，所述第二確定模塊包括:
[0069]聲紋特征提取單元，用于在所述待播放語(yǔ)音數(shù)據(jù)包含多個(gè)說(shuō)話人的語(yǔ)音數(shù)據(jù)時(shí)，提取各