專(zhuān)利名稱(chēng)：語(yǔ)音/音樂(lè)識(shí)別方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及一種語(yǔ)音/音樂(lè)識(shí)別方法及裝置。
背景技術(shù)：
在數(shù)字音頻編碼技術(shù)發(fā)展過(guò)程中，由于語(yǔ)音和音樂(lè)各自具有不同的編碼特點(diǎn)，因而在對(duì)語(yǔ)音和音樂(lè)進(jìn)行編碼時(shí)，通常需要采用適合其自身特點(diǎn)的編碼技術(shù)。比如用于語(yǔ)音的編碼技術(shù)有GSM和CELPC等，用于音樂(lè)的編碼技術(shù)有MP3，AAC等。近些年，現(xiàn)有技術(shù)提出一種語(yǔ)音音樂(lè)聯(lián)合編碼技術(shù)，利用該技術(shù)在同時(shí)對(duì)語(yǔ)音和音樂(lè)進(jìn)行編碼時(shí)，首先需要對(duì)輸入的音頻信號(hào)進(jìn)行識(shí)別，即識(shí)別出當(dāng)前音頻信號(hào)為語(yǔ)音內(nèi)容還是音樂(lè)內(nèi)容，然后對(duì)語(yǔ)音內(nèi)容和音樂(lè)內(nèi)容分別使用不同的編碼方式。因而，能否正確地對(duì)語(yǔ)音和音樂(lè)進(jìn)行識(shí)別將直接影響到音頻編碼的效果。現(xiàn)有技術(shù)提供一種語(yǔ)音/音樂(lè)識(shí)別技術(shù)，利用語(yǔ)音和音樂(lè)在某些特征參數(shù)上的區(qū)別對(duì)音頻信號(hào)進(jìn)行識(shí)別。具體實(shí)現(xiàn)過(guò)程如下預(yù)先將輸入的音頻信號(hào)劃分為40ms長(zhǎng)的幀， 幀與幀之間有20ms的重疊。通過(guò)特征參數(shù)提取器對(duì)輸入的當(dāng)前幀進(jìn)行特征參數(shù)的提取。該特征參數(shù)包括若干短時(shí)特征參數(shù)和長(zhǎng)時(shí)特征參數(shù)。其中，短時(shí)特征參數(shù)如過(guò)零率等，可以從單一幀片段中提取；長(zhǎng)時(shí)特征參數(shù)如4Hz調(diào)制能量，則必須在多個(gè)連續(xù)的幀片段中才能提取。接著，特征參數(shù)提取器將提取出的特征參數(shù)集輸出給特征參數(shù)選擇器。由于過(guò)多的特征參數(shù)有時(shí)會(huì)降低分類(lèi)的準(zhǔn)確度，因而特征參數(shù)選擇器會(huì)對(duì)輸入的特征參數(shù)進(jìn)行處理，例如會(huì)去掉一些特征參數(shù)。之后，經(jīng)過(guò)特征參數(shù)選擇器處理后的特征參數(shù)集將輸出到分類(lèi)器。該分類(lèi)器可以采用不同的分類(lèi)算法來(lái)識(shí)別出當(dāng)前幀的編碼模式，比如采用高斯分類(lèi)器、k鄰近算法、神經(jīng)網(wǎng)絡(luò)等分類(lèi)算法。這些算法最初可以通過(guò)使用一些樣本訓(xùn)練，學(xué)習(xí)根據(jù)特征參數(shù)集進(jìn)行分類(lèi)的規(guī)則。之后依據(jù)訓(xùn)練得到的分類(lèi)規(guī)則對(duì)輸入的特征參數(shù)集進(jìn)行分類(lèi)，從而識(shí)別出當(dāng)前幀的編碼模式為語(yǔ)音還是音樂(lè)。為了防止上述分類(lèi)器對(duì)個(gè)別幀的誤識(shí)別，編碼器不直接根據(jù)分類(lèi)器識(shí)別出的結(jié)果進(jìn)行編碼，而是由編碼模式選擇器作進(jìn)一步的判斷。判斷過(guò)程如下首先，判斷當(dāng)前幀是否為靜音片段，如果是靜音片段就直接采用上一幀的編碼模式；否則，進(jìn)一步作如下判斷如果上述分類(lèi)器得出的當(dāng)前幀的編碼模式和上一幀的編碼模式不同，則將過(guò)去若干幀的編碼模式信息進(jìn)行平均，如果得出的平均值超過(guò)預(yù)設(shè)門(mén)限值，則切換編碼模式，即采用分類(lèi)器得出的當(dāng)前幀的編碼模式，否則繼續(xù)使用上一幀的編碼模式。然而，發(fā)明人發(fā)現(xiàn)如果輸入的音頻信號(hào)為含有打擊樂(lè)器聲的音樂(lè)，在采用現(xiàn)有的語(yǔ)音/音樂(lè)識(shí)別技術(shù)對(duì)輸入的音頻信號(hào)進(jìn)行識(shí)別時(shí)，通常會(huì)將該含有打擊樂(lè)器聲的音樂(lè)誤判為語(yǔ)音，采用現(xiàn)有的語(yǔ)音/音樂(lè)識(shí)別技術(shù)對(duì)含有打擊樂(lè)器聲的音樂(lè)的識(shí)別準(zhǔn)確率較低。

發(fā)明內(nèi)容
本發(fā)明的實(shí)施例提供一種語(yǔ)音/音樂(lè)識(shí)別方法及裝置，提高對(duì)音樂(lè)的識(shí)別準(zhǔn)確率。本發(fā)明實(shí)施例提供一種語(yǔ)音/音樂(lè)識(shí)別方法，包括在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，判斷當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量是否滿(mǎn)足打擊樂(lè)條件；在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。本發(fā)明實(shí)施例還提供一種語(yǔ)音/音樂(lè)識(shí)別裝置，包括判斷單元，用于在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，判斷當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量是否滿(mǎn)足打擊樂(lè)條件；第一確定單元，用于在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。由上述技術(shù)方案所描述的本發(fā)明實(shí)施例，在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，對(duì)當(dāng)前幀音頻信號(hào)進(jìn)行是否包含打擊樂(lè)的檢測(cè)，如果在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，說(shuō)明此時(shí)當(dāng)前幀為含有打擊與的音樂(lè)，那么確定當(dāng)前幀的編碼模式為音樂(lè)模式。無(wú)論所述當(dāng)前幀音頻信號(hào)的分類(lèi)結(jié)果如何，均采用音樂(lè)模式對(duì)當(dāng)前幀進(jìn)行編碼，從而減少了對(duì)含有打擊樂(lè)的音樂(lè)信號(hào)的誤判，與現(xiàn)有技術(shù)容易將含有打擊樂(lè)的音樂(lè)信號(hào)誤判為語(yǔ)音相比，本發(fā)明實(shí)施例可以提高對(duì)含有打擊樂(lè)的音樂(lè)識(shí)別的準(zhǔn)確率。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例提供的一種語(yǔ)音/音樂(lè)識(shí)別方法的流程圖；圖2為本發(fā)明實(shí)施例提供的另一種語(yǔ)音/音樂(lè)識(shí)別方法的流程圖；圖3為本發(fā)明實(shí)施例提供的一種根據(jù)所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果確定所述當(dāng)前幀的編碼模式的方法的流程圖；圖4為本發(fā)明實(shí)施例提供的一段含有打擊音樂(lè)的音頻信號(hào)的波形示意圖；圖5為本發(fā)明實(shí)施例對(duì)當(dāng)前幀進(jìn)行分類(lèi)時(shí)采用的決策樹(shù)模型示意圖；圖6為本發(fā)明實(shí)施例提供一種語(yǔ)音/音樂(lè)識(shí)別裝置的結(jié)構(gòu)圖；圖7為本發(fā)明實(shí)施例提供另一種語(yǔ)音/音樂(lè)識(shí)別裝置的結(jié)構(gòu)圖；圖8為本發(fā)明實(shí)施例提供又一種語(yǔ)音/音樂(lè)識(shí)別裝置的結(jié)構(gòu)圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
如圖1所示的本發(fā)明實(shí)施例提供一種語(yǔ)音/音樂(lè)識(shí)別方法，該方法包括如下步驟101、在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，判斷當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量是否滿(mǎn)足打擊樂(lè)條件；102、在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。本發(fā)明實(shí)施例提供的語(yǔ)音/音樂(lè)識(shí)別方法，在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，對(duì)當(dāng)前幀音頻信號(hào)進(jìn)行是否包含打擊樂(lè)的檢測(cè)，如果在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。如果當(dāng)前幀音頻信號(hào)為音樂(lè)信號(hào)，則無(wú)論所述當(dāng)前幀音頻信號(hào)的分類(lèi)結(jié)果如何，均采用音樂(lè)模式對(duì)當(dāng)前幀進(jìn)行編碼，從而減少了對(duì)含有打擊樂(lè)的音樂(lè)信號(hào)的誤判，與現(xiàn)有技術(shù)容易將含有打擊樂(lè)的音樂(lè)信號(hào)誤判為語(yǔ)音相比，本發(fā)明實(shí)施例可以提高對(duì)含有打擊樂(lè)的音樂(lè)識(shí)別的準(zhǔn)確率。進(jìn)一步地，為了更清楚、完整地描述本發(fā)明實(shí)施例提供的一種語(yǔ)音/音樂(lè)識(shí)別方法，下面詳細(xì)介紹對(duì)一段音頻信號(hào)的完整識(shí)別過(guò)程，如圖2所示，具體包括如下步驟當(dāng)一段音頻信號(hào)輸入時(shí)，該音頻信號(hào)會(huì)被劃分為若干音頻信號(hào)幀，本發(fā)明實(shí)施例提供的語(yǔ)音/音樂(lè)識(shí)別方法需要對(duì)每一幀進(jìn)行語(yǔ)音/音樂(lè)識(shí)別。201、從當(dāng)前幀提取出指定參數(shù)，并利用所述指定參數(shù)計(jì)算出所述當(dāng)前幀的特征參數(shù)集。對(duì)于每一幀音頻信號(hào)均需要進(jìn)行特征參數(shù)集的提取。具體地，所述提取出的指定參數(shù)包括幀能量、譜傾斜、頻率中心、譜通量、子帶譜通量和子帶能量比。這些指定參數(shù)需要根據(jù)相應(yīng)的公式計(jì)算得出，具體如下幀能量的計(jì)算公式為= 。其中，Vi是當(dāng)前幀內(nèi)第i個(gè)采樣點(diǎn)的幅值，1為
/=1
一幀的長(zhǎng)度。一般，語(yǔ)音中濁音的音量大於清音的音量，而清音的音量又大于噪音的音量。 提取幀能量主要用于判斷靜音和音頻能量波動(dòng)。
權(quán)利要求
1.一種語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，包括在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，判斷當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量是否滿(mǎn)足打擊樂(lè)條件；在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。
2.根據(jù)權(quán)利要求1所述的語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，還包括從當(dāng)前幀提取出指定參數(shù)，并利用所述指定參數(shù)計(jì)算出所述當(dāng)前幀的特征參數(shù)集；根據(jù)所述特征參數(shù)集獲取所述當(dāng)前幀的分類(lèi)結(jié)果，所述分類(lèi)結(jié)果為語(yǔ)音或者音樂(lè)。
3.根據(jù)權(quán)利要求2所述的語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，所述指定參數(shù)包括幀能量、譜傾斜、頻率中心、譜通量、子帶譜通量和子帶能量比；所述當(dāng)前幀的特征參數(shù)集包括譜傾斜的變化率、頻率中心的變化率、譜通量的變化率、子帶譜通量的變化率、譜通量的變化率的動(dòng)態(tài)平均值、子帶譜通量的變化率的動(dòng)態(tài)平均值和子帶能量比的動(dòng)態(tài)平均值。
4.根據(jù)權(quán)利要求2所述的語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，還包括在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量不滿(mǎn)足打擊樂(lè)條件時(shí)，根據(jù)所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果確定所述當(dāng)前幀的編碼模式。
5.根據(jù)權(quán)利要求4所述的語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，所述在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)具體為在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率大于第一預(yù)設(shè)門(mén)限值，并且所述當(dāng)前幀的幀能量大于所述指定個(gè)數(shù)幀的幀能量的平均值的預(yù)設(shè)倍數(shù)時(shí)；所述在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量不滿(mǎn)足打擊樂(lè)條件時(shí)具體為在所述當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率不大于第一預(yù)設(shè)門(mén)限值時(shí)，或者在所述當(dāng)前幀的幀能量不大于所述指定個(gè)數(shù)幀的幀能量的平均值的預(yù)設(shè)倍數(shù)時(shí)。
6.根據(jù)權(quán)利要求4所述的語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，所述根據(jù)所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果確定所述當(dāng)前幀的編碼模式包括分別計(jì)算所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果對(duì)應(yīng)數(shù)值的平均值和特定變換次數(shù)；在所述平均值小于預(yù)設(shè)音樂(lè)門(mén)限值時(shí)，設(shè)置所述當(dāng)前幀的臨時(shí)標(biāo)記為音樂(lè)；在所述平均值大于預(yù)設(shè)語(yǔ)音門(mén)限值時(shí)，設(shè)置所述當(dāng)前幀的臨時(shí)標(biāo)記為語(yǔ)音；如果所述當(dāng)前幀的臨時(shí)標(biāo)記所表示的編碼模式與所述當(dāng)前幀的上一幀的編碼模式相同時(shí)，確定所述當(dāng)前幀的編碼模式采用上一幀的編碼模式；如果所述當(dāng)前幀的臨時(shí)標(biāo)記所表示的編碼模式與所述當(dāng)前幀的上一幀的編碼模式不相同時(shí)，則判斷所述特定變換次數(shù)是否大于第二預(yù)設(shè)門(mén)限值；在所述特定變換次數(shù)大于第二預(yù)設(shè)門(mén)限值時(shí)，確定所述當(dāng)前幀的編碼模式采用上一幀的編碼模式，在所述特定變換次數(shù)不大于第二預(yù)設(shè)門(mén)限值時(shí)，確定所述當(dāng)前幀的編碼模式采用所述當(dāng)前幀的臨時(shí)標(biāo)記所表示的編碼模式。
7.根據(jù)權(quán)利要求6所述的語(yǔ)音/音樂(lè)識(shí)別方法，其特征在于，分別計(jì)算所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果的平均值和特定變換次數(shù)包括根據(jù)叉=ξX'計(jì)算所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果的平均值，其中，所述Xi m表示第i幀的分類(lèi)結(jié)果的數(shù)值，m表示指定個(gè)數(shù)；m根據(jù)/=Zk-I1I計(jì)算所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果的特定變換次數(shù)， /=2其中所述&表示第i幀的分類(lèi)結(jié)果的數(shù)值，m表示指定個(gè)數(shù)。
8.一種語(yǔ)音/音樂(lè)識(shí)別裝置，其特征在于，包括判斷單元，用于在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，判斷當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量是否滿(mǎn)足打擊樂(lè)條件；第一確定單元，用于在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。
9.根據(jù)權(quán)利要求8所述的語(yǔ)音/音樂(lè)識(shí)別裝置，其特征在于，還包括提取單元，用于從當(dāng)前幀提取出指定參數(shù)，并利用所述指定參數(shù)計(jì)算出所述當(dāng)前幀的特征參數(shù)集；分類(lèi)單元，用于根據(jù)所述特征參數(shù)集獲取所述當(dāng)前幀的分類(lèi)結(jié)果，所述分類(lèi)結(jié)果為語(yǔ)首或者首樂(lè)。
10.根據(jù)權(quán)利要求8所述的語(yǔ)音/音樂(lè)識(shí)別裝置，其特征在于，還包括第二確定單元，用于在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量不滿(mǎn)足打擊樂(lè)條件時(shí)，根據(jù)所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果確定所述當(dāng)前幀的編碼模式。
11.根據(jù)權(quán)利要求8或10所述的語(yǔ)音/音樂(lè)識(shí)別裝置，其特征在于，所述第一確定單元具體用于在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率大于第一預(yù)設(shè)門(mén)限值，并且所述當(dāng)前幀的幀能量大于所述指定個(gè)數(shù)幀的幀能量的平均值的預(yù)設(shè)倍數(shù)時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式；所述第二確定單元具體用于在所述當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率不大于第一預(yù)設(shè)門(mén)限值時(shí)，或者在所述當(dāng)前幀的幀能量不大于所述指定個(gè)數(shù)幀的幀能量的平均值的預(yù)設(shè)倍數(shù)時(shí)，根據(jù)所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果確定所述當(dāng)前幀的編碼模式。
12.根據(jù)權(quán)利要求10所述的語(yǔ)音/音樂(lè)識(shí)別裝置，其特征在于，所述第二確定單元包括計(jì)算模塊，用于分別計(jì)算所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果對(duì)應(yīng)數(shù)值的平均值和特定變換次數(shù)；設(shè)置模塊，用于在所述平均值小于預(yù)設(shè)音樂(lè)門(mén)限值時(shí)，設(shè)置所述當(dāng)前幀的臨時(shí)標(biāo)記為H爾；所述設(shè)置模塊還用于在所述平均值大于預(yù)設(shè)語(yǔ)音門(mén)限值時(shí)，設(shè)置所述當(dāng)前幀的臨時(shí)標(biāo)記為語(yǔ)音；第一確定模塊，用于如果所述當(dāng)前幀的臨時(shí)標(biāo)記所表示的編碼模式與所述當(dāng)前幀的上一幀的編碼模式相同時(shí)，確定所述當(dāng)前幀的編碼模式采用上一幀的編碼模式；判斷模塊，用于如果所述當(dāng)前幀的臨時(shí)標(biāo)記所表示的編碼模式與所述當(dāng)前幀的上一幀的編碼模式不相同時(shí)，則判斷所述特定變換次數(shù)是否大于第二預(yù)設(shè)門(mén)限值；第二確定模塊，用于在所述特定變換次數(shù)大于第二預(yù)設(shè)門(mén)限值時(shí)，確定所述當(dāng)前幀的編碼模式采用上一幀的編碼模式，在所述特定變換次數(shù)不大于第二預(yù)設(shè)門(mén)限值時(shí)，確定所述當(dāng)前幀的編碼模式采用所述當(dāng)前幀的臨時(shí)標(biāo)記所表示的編碼模式。
13.根據(jù)權(quán)利要求12所述的語(yǔ)音/音樂(lè)識(shí)別裝置，其特征在于，所述第二確定單元中的m計(jì)算模塊具體用于根據(jù)γ 計(jì)算所述當(dāng)前幀之前的指定個(gè)數(shù)幀的分類(lèi)結(jié)果的平均值，m其中，所述Xi表示第i幀的分類(lèi)結(jié)果的數(shù)值，m表示指定個(gè)數(shù)；m所述第二確定單元中的計(jì)算模塊具體還用于根據(jù)/^ΣΙ^-^^Ι計(jì)算所述當(dāng)前幀之前/=2的指定個(gè)數(shù)幀的分類(lèi)結(jié)果的特定變換次數(shù)，其中所述Xi表示第i幀的分類(lèi)結(jié)果的數(shù)值，m表示指定個(gè)數(shù)。
全文摘要
本發(fā)明實(shí)施例公開(kāi)一種語(yǔ)音/音樂(lè)識(shí)別方法及裝置，涉及音頻技術(shù)領(lǐng)域，可以提高對(duì)音樂(lè)的識(shí)別準(zhǔn)確率。包括在上一幀音頻信號(hào)的編碼模式為音樂(lè)模式時(shí)，判斷當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量是否滿(mǎn)足打擊樂(lè)條件；在當(dāng)前幀之前的指定個(gè)數(shù)幀的幀能量的變化率和所述當(dāng)前幀的幀能量滿(mǎn)足打擊樂(lè)條件時(shí)，確定當(dāng)前幀的編碼模式為音樂(lè)模式。本發(fā)明實(shí)施例主要應(yīng)用于對(duì)音頻進(jìn)行語(yǔ)音/音樂(lè)識(shí)別的過(guò)程中，可以提高對(duì)音樂(lè)的識(shí)別準(zhǔn)確率。
文檔編號(hào)G10L19/00GK102446504SQ201010299618
公開(kāi)日2012年5月9日 申請(qǐng)日期2010年10月8日 優(yōu)先權(quán)日2010年10月8日
發(fā)明者劉佩林, 劉紫赟, 應(yīng)忍冬, 蔣三新 申請(qǐng)人:華為技術(shù)有限公司