一种语音信息的比对方法、装置及终端设备与流程

本发明属于语音信息技术领域，尤其涉及一种语音信息的比对方法、装置及终端设备。

背景技术：

目前，文本和语音相结合的数据类型越来越多，相应的，语音信息也产生很多数据格式。在语音信息的应用中，为了满足不同的需求，经常会将一种格式的语音数据文件转换为另一种格式的的语音数据文件，这就要求在语音数据文件格式转换的过程中要保证数据内容的一致性。

但是，即使在语音数据文件格式转换的过程保证了数据内容的一致性，在后续语音数据处理利用的过程中，也可能会对某种格式的中间语音数据文件进行修改，这就导致同一语音数据源文件在不同格式下或者不同阶段的语音数据文件的数据内容不一致，但是用户在使用不同格式下或者不同阶段的语音数据文件时是无法判断出这些语音数据文件的数据内容是否一致的。

技术实现要素：

有鉴于此，本发明实施例提供了一种语音信息的比对方法、装置及终端设备，以解决无法精确比对多个语音信息是否一致的问题。

本发明实施例的第一方面提供了一种语音信息的比对方法，包括：

获取待比对的两条语音信息，将待比对的每条语音信息生成对应的音频波形图；

比对所述两条语音信息对应的音频波形图，获得所述两条语音信息的相似度；

若所述两条语音信息的相似度大于阈值，则输出所述两条语音信息的语音内容相同的比对结果；

若所述两条语音信息的相似度小于或等于所述阈值，则输出所述两条语音信息的内容不相同的比对结果。

本发明实施例的第二方面提供了一种语音信息的比对装置，包括：

波形图生成模块，用于获取待比对的两条语音信息，将待比对的每条语音信息生成对应的音频波形图；

相似度获得模块，用于比对所述两条语音信息对应的音频波形图，获得所述两条语音信息的相似度；

处理模块，用于若所述两条语音信息的相似度大于阈值，则输出所述两条语音信息的语音内容相同的比对结果；

所述处理模块，还用于若所述两条语音信息的相似度小于或等于所述阈值，则输出所述两条语音信息的内容不相同的比对结果。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过将待比对的两条语音信息生成音频波形图，然后将两条语音信息的音频波形图进行比对，确定两条语音信息的内容是否一致。该方法利用音频的波形图，通过波形图的比较确认两条语音信息的语音内容是否一致，使得比对的结果更精确。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种语音信息的比对方法的实现流程示意图；

图2是本发明一实施例提供的一种语音信息的比对方法的实现流程示意图；

图3是本发明一实施例提供的语音信息的比对装置的示意框图；

图4是本发明一实施例提供的终端设备的示意框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1是本发明一个实施例提供的一种语音信息的比对方法的实现流程示意图，如图所示该方法可以包括以下步骤：

步骤s101，获取待比对的两条语音信息，将待比对的每条语音信息生成对应的音频波形图。

在本发明实施例中，首先获取待比对的两条语音信息，其中一个语音信息可以作为标准语音信息，另一条语音信息可以作为比对语音信息，其中所述标准语音信息作为基准，将比对语音信息与标准语音信息进行比对，获得比对语音信息是否与标准语音信息的语音内容一致。因为语音信息通常可以转为文字信息，所以可以将两条语音信息都转化为文字信息，然后比对两条语音信息中的文字信息，就可以获得两条语音信息的语音内容是否一致，但是由于语音信息转化为文字信息的过程中，是根据语音信息的元素与文字的对应关系，将语音信息映射为文字信息，由于很多文字信息的发音或者语境不同，实际上在转化过程中可能出现偏差，所以通过将待比对的语音信息转化为文字后再进行比对的方法并无法做到精确比对。本发明实施例通过先将待比对的语音信息生成对应的音频波形图，音频波形图中包含了音频的响度、音色、频率等信息，更能代表语音信息。

具体的，将待比对的每条语音信息生成对应的音频波形图包括：

解压缩所述语音信息，并将所述语音信息随机分为多个数据块；

在每个数据块中按照预设的采样方式获取采样点以及所述采样点的振幅值；

将采样点按照时间进行排序后根据每个采样点的振幅值生成音频波形图。

在本发明实施例中，在将语音信息生成音频波形图的过程中，可以按照时间获取采样点，只选取采样点的数据来生成音频波形图，这样可以降低计算量，我们可以先解压缩所述语音信息，将解压缩后的语音信息随机分为多个数据块，每个数据块的大小并不固定，然后在每个数据块中按照预设的采样方式获取采样点，由于预先分的数据块是按照随机的方式来划分，而在每个数据块中又按照固定的方式进行采样，所以，这种既有随机性又有规律性的采样方式使得获得的采样点更能代表语音信息样本，得到每个数据块的采样点后，还要将采样点按照在语音信息中的时间进行排序，这样相当于在语音信息样本中按照既包含了随机，又包含了规律性的采样方式进行采样，获得采样点后，再获取采样点对应的数据，例如振幅值，生成音频波形图。

步骤s102，比对所述两条语音信息对应的音频波形图，获得所述两条语音信息的相似度。

在本发明实施例中，音频波形图中包含了一段语音信息的响度、音色、频率等信息，例如，音频波形图中，上下的振幅代表了响度，频率的组合代表了音色，周期间隔代表了频率。我们通过将两条语音信息的音频波形图进行比对可以获得两条语音信息的相似度。例如可以将两个音频波形图进行重叠比对法，两条语音信息的音频波形图中重合的部分代表一致的部分，无法重合的部分代表不一致的部分，可以根据重合的部分占总波形图的百分比作为两个音频波形图的相似度，两个音频波形图的相似度也就是两条语音信息的相似度。

步骤s103，若所述两条语音信息的相似度大于阈值，则输出所述两条语音信息的语音内容相同的比对结果；若所述两条语音信息的相似度小于或等于所述阈值，则输出所述两条语音信息的内容不相同的比对结果。

在本发明实施例中，由于在获得待比对的两条语音信息的相似度之前，有可能经过格式转化、生成波形图等过程，所以即使是相同的两条语音内容的信息，在格式转化的过程中也有可能不同格式之间编码差异导致最终生成的两个音频波形图并不会完全一致，或者由于生成音频波形图时采样的方法不同，也可能会导致最终生成的两个音频波形图不会完全一致。这时我们就需要设置阈值，当两条语音信息的相似度大于阈值时，则表明两条语音信息的语音内容一致，就可以输出所述两条语音信息的语音内容相同的语音结果，否则，输出所述两条语音信息的内容不相同的比对结果。

所述预设的采样的方式可以是按照固定步长进行的采样，还可以是按照现有的其它采样方式进行采样，在此不再赘述。

本发明实施例通过将待比对的两条语音信息分别生成对应的音频波形图，然后比对两条语音信息的音频波形图获得两条语音信息的相似度，通过相似度判断两条语音信息的内容是否一致。

图2是本发明又一实施例提供的一种语音信息的比对方法的实现流程示意图，如图所示该方法可以包括以下步骤：

步骤s201，获取待比对的两条语音信息，将所述待比对的两条语音信息分别设置为标准语音信息和比对语音信息。

步骤s202，获取所述标准语音信息的数据格式，并将所述比对语音信息的数据格式转换为所述标准语音信息的数据格式。

在本发明实施例中，由于需要生成音频波形图，不同格式的音频文件的编码方式不同，可能在生成音频波形图时会略有差距，所以我们在获取了待比对的两条语音信息后，先识别待比对的两条语音信息的数据格式是否相同，若不相同，则将所述待比对的两条语音信息转换为相同的数据格式，可以同时转化为预定的音频格式，还可以将其中一个语音信息转换成与另一个语音信息相同的数据格式的语音文件，具体可以获取所述标准语音信息的数据格式，将所述比对语音信息的数据格式转换为所述标准语音信息的数据格式。语音信息的数据格式也就是音频的格式，可以有mp3、wav、au、snd、raw、afc等。

步骤s203，识别每条语音信息中的静音部分，并将识别出的语音信息中的静音部分切除。

在本发明实施例中，由于语音信息中可能包含了非语音的部分，例如静音部分，如果在比对的过程中比对静音部分显然增加了计算量，我们可以先识别出每条语音信息中的静音部分，然后将识别出的语音信息中的静音部分从语音信息中切除。

步骤s204，将待比对的每条语音信息生成对应的音频波形图。

该步骤与步骤s102相同，具体可参照步骤s102的说明，在此不再赘述。

步骤s205，根据每条语音信息对应的音频波形图生成点阵图像，通过点阵比对的方法比对所述两条语音信息对应的点阵图像，获得所述两条语音信息的相似度。

在本发明实施例中，还可以将音频波形图生成点阵图像，点阵图像也叫点阵图，点阵图的最小单位是像素，点阵图就是由像素阵列的排列实现显示效果的图。生成点阵图像后，我们可以通过点阵比对的方法来比对所述语音信息对应的点阵图像，这样，相当于每个语音信息对应的点阵图像都可由若干个像素组成，我们通过比对一个一个的像素来实现比对两条语音信息，这样可以通过相同的像素点的个数占总像素点的个数的比例获得相似度。

步骤s206，若所述两条语音信息的相似度大于阈值，则输出所述两条语音信息的语音内容相同的比对结果；

若所述两条语音信息的相似度小于或等于所述阈值，则输出所述两条语音信息的内容不相同的比对结果，并修改所述比对语音信息使得所述比对语音信息与所述标准语音信息的数据内容一致或者根据所述比对语音信息的数据格式，将所述标准语音信息的数据格式转换为所述比对语音信息的数据格式以替换所述比对语音信息。

在本发明实施例中，若是两条语音信息的相似度小于阈值，则说明比对语音信息相对于标准语音信息的语音内容不一致，这时需要将两条语音信息修改为相同的语音内容，可以将比对语音信息修改为与标准语音信息的数据内容一致的语音信息，还可以删除掉比对语音信息，直接将标准语音信息转换为比对语音信息的数据格式后作为比对语音信息，这样标准语音信息和比对语音信息的语音内容就是一致的。

本发明实施例通过对获取的待比对语音信息进行格式转换、切除静音部分，生成波形图、然后根据波形图生成点阵图，比对点阵图就可以获得两条语音信息的相似度，这样比对的方式能够更精确的获得待比对的两条语音的相似度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图3是本发明一实施例提供的语音信息的比对装置的示意框图，为了便于说明，仅示出与本发明实施例相关的部分。

该语音信息的比对装置可以是内置于终端设备(例如手机、计算机、平板电脑、笔记本等)内的软件单元、硬件单元或者软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中。

所述语音信息的比对装置3包括：

波形图生成模块31，用于获取待比对的两条语音信息，将待比对的每条语音信息生成对应的音频波形图；

相似度获得模块32，用于比对所述两条语音信息对应的音频波形图，获得所述两条语音信息的相似度；

处理模块33，用于若所述两条语音信息的相似度大于阈值，则输出所述两条语音信息的语音内容相同的比对结果；

所述处理模块33，还用于若所述两条语音信息的相似度小于或等于所述阈值，则输出所述两条语音信息的内容不相同的比对结果。

可选的，所述相似度获得模块32包括：

点阵图像生成单元321，用于根据每条语音信息对应的音频波形图生成点阵图像；

比对单元322，用于通过点阵比对的方法比对所述两条语音信息对应的点阵图像。

可选的，所述波形图生成模块31包括：

数据格式获取单元311，用于将所述待比对的两条语音信息分别设置为标准语音信息和比对语音信息，并获取所述标准语音信息的数据格式；

格式转换单元312，用于将所述比对语音信息的数据格式转换为所述标准语音信息的数据格式。

可选的，所述波形图生成模块31还包括：

静音切除单元313，用于识别每条语音信息中的静音部分，并将识别出的语音信息中的静音部分切除。

可选的，所述波形图生成模块31还包括：

解压缩单元314，用于解压缩所述语音信息，并将所述语音信息随机分为多个数据块；

采样单元315，用于在每个数据块中按照预设的采样方式获取采样点以及所述采样点的振幅值；

波形图生成单元316，用于将采样点按照时间进行排序后根据每个采样点的振幅值生成音频波形图。

可选的，所述处理模块33还用于：若所述两条语音信息的相似度小于或者等于所述阈值，则修改所述比对语音信息使得所述比对语音信息与所述标准语音信息的数据内容一致；

或者，根据所述比对语音信息的数据格式，将所述标准语音信息的数据格式转换为所述比对语音信息的数据格式以替换所述比对语音信息。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块、单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块、单元完成，即将所述语音信息的比对装置的内部结构划分成不同的功能模块、单元，以完成以上描述的全部或者部分功能。实施例中的各功能模块、单元可以集成在一个处理模块中，也可以是各个模块、单元单独物理存在，也可以两个或两个以上模块集成在一个模块中，上述集成的模块、单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，各功能模块、单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

图4是本发明一实施例提供的终端设备的示意框图。如图4所示，该实施例的终端设备4包括：一个或多个处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个语音信息的比对方法实施例中的步骤，例如图1所示的步骤s101至s103。或者，所述处理器40执行所述计算机程序42时实现上述学习时间统计装置实施例中各模块的功能，例如图3所示模块31至33的功能。

示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。例如，所述计算机程序42可以被分割成波形图生成模块、相似度获得模块、处理模块。

所述波形图生成模块，用于获取待比对的两条语音信息，将待比对的每条语音信息生成对应的音频波形图；

所述相似度获得模块，用于比对所述两条语音信息对应的音频波形图，获得所述两条语音信息的相似度；

所述处理模块，用于若所述两条语音信息的相似度大于阈值，则输出所述两条语音信息的语音内容相同的比对结果；

所述处理模块，还用于若所述两条语音信息的相似度小于或等于所述阈值，则输出所述两条语音信息的内容不相同的比对结果。

其它模块或者单元可参考语音信息的比对装置中的模块或者单元的描述，在此不再赘述。

所述终端设备包括但不仅限于处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入设备、输出设备、网络接入设备、总线等。

所述处理器40可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的终端设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。