语音数据搜索方法及系统的制作方法

语音数据搜索方法及系统的制作方法
【专利摘要】本发明公开了一种语音数据搜索方法及系统，属于数据检索领域。该方法包括：接收用户通过操作搜索键输入的搜索指令、语音信息及模糊搜索范围；根据接收到的语音信息和模糊搜索范围确定搜索条件，所述搜索条件为用户输入的语音信息确定的关键字及模糊搜索范围确定的关键字之间间隔的字符数，和/或语音信息的声纹特征；根据确认的搜索条件搜索语音数据，找到与搜索条件相匹配的语音数据。由此，可以迅速为用户定位想要搜索的语音数据，方便快捷，增强了用户体验。
【专利说明】
语音数据搜索方法及系统
技术领域
[0001 ]本发明涉及数据检索领域，尤其涉及语音数据搜索方法及系统。
【背景技术】
[0002]声纹识别(Voiceprint Recognit1n，VPR)是一项根据语音波形中反映说话人生理和行为特征的语音参数，而自动识别说话人身份的技术，主要包括特征提取和模式匹配两个部分。这项技术自研究发展至今，以其特有的方便性、经济性、安全性和准确性等优点收到特别关注。作为生物特征识别技术的一种，该技术在声音拨号、电话银行、电话购物、数据库访问、信息服务、安全控制等互联网及通信领域得到广泛应用。
[0003]语音识别技术是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。语音识别的应用领域非常广泛，常见的应用有语音输入系统，相对于键盘输入，它更符合人的日常习惯，也更自然、更高效。
[0004]目前的语音数据搜索方式非常复杂，需要用户提前对文件进行重命名，标明该文件的内容，然后再通过相应的存储位置搜索，或者依次试听语音数据才能准确定位到相应的语音数据或位置。
[0005]随着社交软件的开发，语音交流已经在各大社交应用软件上成为主要的交流方式之一。但是，语音数据的增多，给人们带来的困难是不便于再次查看。传统的文字信息通过浏览历史记录，就可以一眼预览到交流的内容，也方便搜索想要的信息，但是语音数据不便于查看和定位历史消息。

【发明内容】

[0006]本发明的主要目的在于提出一种语音数据搜索方法及系统，旨在解决语音数据搜索困难的问题。
[0007]为实现上述目的，本发明提供的一种语音数据搜索方法，该方法包括步骤:接收用户通过操作搜索键输入的搜索指令、语音信息及模糊搜索范围；结合接收到的语音信息和模糊搜索范围确定搜索条件，所述语音信息确定了所述搜索条件中的关键字，所述模糊搜索范围确定了所述搜索条件中关键字字符之间间隔的字符数;根据确认的搜索条件搜索语音数据，找到与搜索条件相匹配的语音数据。
[0008]可选地，所述模糊搜索范围通过压力传感器侦测用户按压所述搜索键的压力值得到。
[0009]可选地，该方法还包括步骤:将语音数据通过语音识别技术转换为文字信息，存储在关键字数据库中。
[0010]可选地，该方法还包括步骤:对语音数据进行声纹特征提取，生成声纹信息，存储在声纹数据库中；对接收到的语音信息进行声纹特征提取，以确定搜索条件为所述语音信息的声纹特征;将所述语音信息的声纹特征与语音数据对应的声纹数据库中的声纹信息进行匹配，以找到与搜索条件相匹配的语音数据。
[0011]可选地，所述声纹特征提取包括利用倒谱法计算出基音周期参数，再通过Mel滤波器将语音信号功率转换成Mel倒谱系数，利用特征提取算法将两种参数组成一种声纹参量，为说话人建立一个高斯混合模型。
[0012]可选地，该方法还包括步骤:建立语音数据搜索的搜索模式，所述搜索模式包括关键字搜索模式、声纹搜索模式及双条件搜索模式;接收用户选择的搜索模式，根据用户选择的搜索模式执行相应搜索操作。
[0013]此外，为实现上述目的，本发明还提出一种语音数据搜索系统，该系统包括:接收单元，用于接收用户通过操作搜索键输入的搜索指令、语音信息及模糊搜索范围；确定单元，用于结合接收到的语音信息和模糊搜索范围确定搜索条件，所述语音信息确定了所述搜索条件中的关键字，所述模糊搜索范围确定了所述搜索条件中关键字字符之间间隔的字符数;搜索单元，用于根据确认的搜索条件搜索语音数据，找到与搜索条件相匹配的语音数据。
[0014]可选地，该系统还包括:建立单元，用于将语音数据通过语音识别技术转换为文字信息，存储在关键字数据库中。
[0015]可选地，所述建立单元还用于对语音数据进行声纹特征提取，生成声纹信息，存储在声纹数据库中；所述确定单元还用于对接收到的语音信息进行声纹特征提取，以确定搜索条件为所述语音信息的声纹特征;所述搜索单元还用于将所述语音信息的声纹特征与语音数据对应的声纹数据库中的声纹信息进行匹配，以找到与搜索条件相匹配的语音数据。
[0016]可选地，所述建立单元还用于建立语音数据搜索的搜索模式，所述搜索模式包括关键字搜索模式、声纹搜索模式及双条件搜索模式;所述接收单元还用于接收用户选择的搜索模式。
[0017]本发明提出的语音数据搜索方法及系统，能够根据用户输入的语音信息确定的关键字及模糊搜索范围确定的关键字之间间隔的字符数，和/或语音信息的声纹特征，来搜索符合条件的语音数据，迅速为用户定位想要查找的语音数据，方便快捷，增强了用户体验。
【附图说明】
[0018]图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意图；
[0019]图2为如图1所示的移动终端的无线通信系统示意图；
[0020]图3为本发明第一实施例提出的一种语音数据搜索方法的流程图；
[0021]图4为本发明第二实施例提出的一种语音数据搜索方法的流程图；
[0022]图5为本发明第三实施例提出的一种语音数据搜索方法的流程图；
[0023]图6为本发明第四实施例提出的一种语音数据搜索方法的流程图；
[0024]图7为本发明提出的一种语音数据搜索方法的界面示意图；
[0025]图8为本发明第五实施例提出的一种语音数据搜索系统的模块示意图。
[0026]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0027]应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0028]现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。
[0029]移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
[0030]图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意。
[0031]移动终端100可以包括无线通信单元110、A/V(音频/视频)输入单元120、用户输入单元130、感测单元140、输出单元150、存储器160、接口单元170、控制器180和电源单元190等等。图1示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。
[0032]无线通信单元110通常包括一个或多个组件，其允许移动终端100与无线通信系统或网络之间的无线电通信。例如，无线通信单元可以包括广播接收模块111、移动通信模块112、无线互联网模块113、短程通信模块114和位置信息模块115中的至少一个。
[0033]广播接收模块111经由广播信道从外部广播管理服务器接收广播信号和/或广播相关信息。广播信道可以包括卫星信道和/或地面信道。广播管理服务器可以是生成并发送广播信号和/或广播相关信息的服务器或者接收之前生成的广播信号和/或广播相关信息并且将其发送给终端的服务器。广播信号可以包括TV广播信号、无线电广播信号、数据广播信号等等。而且，广播信号可以进一步包括与TV或无线电广播信号组合的广播信号。广播相关信息也可以经由移动通信网络提供，并且在该情况下，广播相关信息可以由移动通信模块112来接收。广播信号可以以各种形式存在，例如，其可以以数字多媒体广播(DMB)的电子节目指南(EPG)、数字视频广播手持(DVB-H)的电子服务指南(ESG)等等的形式而存在。广播接收模块111可以通过使用各种类型的广播系统接收信号广播。特别地，广播接收模块111可以通过使用诸如多媒体广播-地面(DMB-T)、数字多媒体广播-卫星(DMB-S)、数字视频广播-手持(DVB-H)，前向链路媒体(MediaFLOO)的数据广播系统、地面数字广播综合服务(ISDB-T)等等的数字广播系统接收数字广播。广播接收模块111可以被构造为适合提供广播信号的各种广播系统以及上述数字广播系统。经由广播接收模块111接收的广播信号和/或广播相关信息可以存储在存储器160(或者其它类型的存储介质)中。
[0034]移动通信模块112将无线电信号发送到基站(例如，接入点、节点B等等)、外部终端以及服务器中的至少一个和/或从其接收无线电信号。这样的无线电信号可以包括语音通话信号、视频通话信号、或者根据文本和/或多媒体消息发送和/或接收的各种类型的数据。
[0035]无线互联网模块113支持移动终端的无线互联网接入。该模块可以内部或外部地耦接到终端。该模块所涉及的无线互联网接入技术可以包括WLAN(无线LAN)(W1-Fi)、Wibro(无线宽带)、Wimax(全球微波互联接入)、HSDPA(高速下行链路分组接入)等等。
[0036]短程通信模块114是用于支持短程通信的模块。短程通信技术的一些示例包括蓝牙TM、射频识别(RFID)、红外数据协会(IrDA)、超宽带(UWB)、紫蜂TM等等。
[0037]位置信息模块115是用于检查或获取移动终端的位置信息的模块。位置信息模块的典型示例是GPS(全球定位系统)。根据当前的技术，GPS模块115计算来自三个或更多卫星的距离信息和准确的时间信息并且对于计算的信息应用三角测量法，从而根据经度、玮度和高度准确地计算三维当前位置信息。当前，用于计算位置和时间信息的方法使用三颗卫星并且通过使用另外的一颗卫星校正计算出的位置和时间信息的误差。此外，GPS模块115能够通过实时地连续计算当前位置信息来计算速度信息。
[0038]A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括相机121和麦克风1220，相机121对在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元151上。经相机121处理后的图像帧可以存储在存储器160(或其它存储介质)中或者经由无线通信单元110进行发送，可以根据移动终端的构造提供两个或更多相机1210。麦克风122可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由移动通信模块112发送到移动通信基站的格式输出。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
[0039]用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。
[0040]感测单元140检测移动终端100的当前状态，(例如，移动终端100的打开或关闭状态)、移动终端100的位置、用户对于移动终端100的接触(S卩，触摸输入)的有无、移动终端100的取向、移动终端100的加速或减速移动和方向等等，并且生成用于控制移动终端100的操作的命令或信号。例如，当移动终端100实施为滑动型移动电话时，感测单元140可以感测该滑动型电话是打开还是关闭。另外，感测单元140能够检测电源单元190是否提供电力或者接口单元170是否与外部装置耦接。感测单元140可以包括接近传感器1410将在下面结合触摸屏来对此进行描述。
[0041]接口单元170用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。识别模块可以是存储用于验证用户使用移动终端100的各种信息并且可以包括用户识别模块(UIM)、客户识别模块(SIM)、通用客户识别模块(USM)等等。另外，具有识别模块的装置(下面称为"识别装置")可以采取智能卡的形式，因此，识别装置可以经由端口或其它连接装置与移动终端100连接。接口单元170可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端和外部装置之间传输数据。
[0042]另外，当移动终端100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到移动终端100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到移动终端的路径。从底座输入的各种命令信号或电力可以用作用于识别移动终端是否准确地安装在底座上的信号。输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示单元151、音频输出模块152、警报单元153等等。
[0043]显示单元151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示单元151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时，显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。
[0044]同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管IXD(TFT-1XD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示单元(或其它显示装置)，例如，移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。
[0045]音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将无线通信单元110接收的或者在存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。
[0046]警报单元153可以提供输出以将事件的发生通知给移动终端100。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或视频输出之外，警报单元153可以以不同的方式提供输出以通知事件的发生。例如，警报单元153可以以振动的形式提供输出，当接收到呼叫、消息或一些其它进入通信(incomingcommunicat1n)时，警报单元153可以提供触觉输出(S卩，振动)以将其通知给用户。通过提供这样的触觉输出，即使在用户的移动电话处于用户的口袋中时，用户也能够识别出各种事件的发生。警报单元153也可以经由显示单元151或音频输出模块152提供通知事件的发生的输出。
[0047]存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。
[0048]存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(R0M)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。
[0049]控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。另外，控制器180可以包括用于再现(或回放)多媒体数据的多媒体模块1810，多媒体模块1810可以构造在控制器180内，或者可以构造为与控制器180分离。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。
[0050]电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。
[0051]这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。
[0052]至此，己经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。
[0053]如图1中所示的移动终端100可以被构造为利用经由帧或分组发送数据的诸如有线和无线通信系统以及基于卫星的通信系统来操作。
[0054]现在将参考图2描述其中根据本发明的移动终端能够操作的通信系统。
[0055]这样的通信系统可以使用不同的空中接口和/或物理层。例如，由通信系统使用的空中接口包括例如频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)和通用移动通信系统(UMTS)(特别地，长期演进(LTE))、全球移动通信系统(GSM)等等。作为非限制性示例，下面的描述涉及CDMA通信系统，但是这样的教导同样适用于其它类型的系统。
[0056]参考图2，⑶MA无线通信系统可以包括多个移动终端100、多个基站(BS)270、基站控制器(BSC)275和移动交换中心(MSCUSOJSCSSO被构造为与公共电话交换网络(PSTN)290形成接口。MSC280还被构造为与可以经由回程线路耦接到基站270的BSC275形成接口。回程线路可以根据若干己知的接口中的任一种来构造，所述接口包括例如E1/T1、ATM，IP、PPP、帧中继、HDSL、ADSL或xDSL。将理解的是，如图2中所示的系统可以包括多个BSC2750。
[0057]每个BS270可以服务一个或多个分区(或区域)，由多向天线或指向特定方向的天线覆盖的每个分区放射状地远离BS270。或者，每个分区可以由用于分集接收的两个或更多天线覆盖。每个BS270可以被构造为支持多个频率分配，并且每个频率分配具有特定频谱(例如，1.25MHz，5MHz 等等)。
[0058]分区与频率分配的交叉可以被称为CDMA信道。BS270也可以被称为基站收发器子系统(BTS)或者其它等效术语。在这样的情况下，术语"基站"可以用于笼统地表示单个BSC275和至少一个BS270。基站也可以被称为〃蜂窝站〃。或者，特定BS270的各分区可以被称为多个蜂窝站。
[0059]如图2中所示，广播发射器(BT)295将广播信号发送给在系统内操作的移动终端100。如图1中所示的广播接收模块111被设置在移动终端100处以接收由BT295发送的广播信号。在图2中，示出了几个全球定位系统(GPS)卫星300。卫星300帮助定位多个移动终端100中的至少一个。
[0060]在图2中，描绘了多个卫星300，但是理解的是，可以利用任何数目的卫星获得有用的定位信息。如图1中所示的GPS模块115通常被构造为与卫星300配合以获得想要的定位信息。替代GPS跟踪技术或者在GPS跟踪技术之外，可以使用可以跟踪移动终端的位置的其它技术。另外，至少一个GPS卫星300可以选择性地或者额外地处理卫星DMB传输。
[0061]作为无线通信系统的一个典型操作，BS270接收来自各种移动终端100的反向链路信号。移动终端100通常参与通话、消息收发和其它类型的通信。特定基站270接收的每个反向链路信号被在特定BS270内进行处理。获得的数据被转发给相关的BSC275 ASC提供通话资源分配和包括BS270之间的软切换过程的协调的移动管理功能。BSC275还将接收到的数据路由到MSC280，其提供用于与PSTN290形成接口的额外的路由服务。类似地，PSTN290与MSC280形成接口，MSC与BSC275形成接口，并且BSC275相应地控制BS270以将正向链路信号发送到移动终端100。
[0062]基于上述移动终端硬件结构以及通信系统，提出本发明方法各个实施例。
[0063]本发明提出的一种语音数据搜索方法，应用于移动终端中，用于根据用户输入的搜索条件搜索移动终端中存储的语音数据。所述语音数据包括但不限于移动终端的各个应用软件中曾经接收的音频文件或语音消息。
[0064]实施例一
[0065]如图3所示，本发明第一实施例提出一种语音数据搜索方法，该方法包括以下步骤:
[0066]SlOO，接收用户输入的搜索指令。
[0067]具体地，在移动终端中设置搜索键，当用户需要搜索语音数据时，操作该搜索键(例如触摸或按压)以发出搜索指令，启动对语音数据进行搜索的功能。在本实施例中，该搜索键可以为实体home键或虚拟home键。
[0068]S200，接收用户输入的语音信息。
[0069]具体地，当接收到用户的搜索指令后，在移动终端的显示界面提示用户输入语音信息。在本实施例中，用户持续触摸或按压该搜索键以输入语音信息，可选择通过耳机或移动终端配置的麦克风进行输入。例如，在显示界面提示用户输入语音信息后，用户持续按压该搜索键，并对着麦克风说出“我们去爬山吧”，则移动终端接收到用户输入的语音信息“我们去爬山吧”。
[0070]S300，接收用户输入的模糊搜索范围。
[0071]具体地，在移动终端中设置压力传感器，所述压力传感器可以设置在该搜索键下面，用于接收用户操作该搜索键时的压力信息。当用户输入语音信息后，显示界面提示用户输入模糊搜索范围。用户通过按压搜索键对搜索键区域施加压力，压力传感器侦测到压力值后，将该压力值发送给处理器，处理器根据压力值确定对应的模糊搜索范围。其中，所述模糊搜索范围是指用户输入的语音信息中文字之间间隔的字符数N。该字符数N随着压力传感器侦测到的压力值的增加而动态增加。在本实施例中，该字符数N是指该语音信息的每个文字间的字符数。例如，当用户按压该搜索键后，压力传感器侦测到压力值为2，则该语音信息的每个文字之间间隔的字符数为2。
[0072]在其他实施例中，该字符数N也可以指某两个相邻文字间的字符数。通过设置该字符数N，可以实现对输入的语音信息进行模糊搜索，而且通过设置不同的间隔字符数N，可以加快搜索速度。
[0073]S400，结合接收到的语音信息和模糊搜索范围确定搜索条件。
[0074]具体地，所述语音信息确定了所述搜索条件中的关键字，所述模糊搜索范围确定了所述搜索条件中关键字字符之间间隔的字符数。例如，当接收到的语音信息是“我们去爬山吧”，模糊搜索范围是间隔字符数为2时，确定搜索条件为“我**们**去**爬**山**吧”。
[0075]进一步地，所述语音信息和模糊搜索范围还确定了所述搜索条件中关键字的顺序。
[0076]在其他实施方式中，若用户跳过输入模糊搜索范围的步骤，没有输入模糊搜索范围，则在确定搜索条件时，只考虑所述语音信息提供的关键字，不考虑关键字字符之间间隔的字符数和关键字的顺序。
[0077]S500，根据确认的搜索条件搜索待匹配的语音数据，找到与搜索条件相匹配的语音数据。
[0078]具体地，与搜索条件相匹配是指，语音数据内容中存在与搜索条件相同的关键字，且相邻关键字字符之间间隔的字符数不大于搜索条件中的字符数N。当搜索完成后，显示界面显示搜索结果，即显示所述与搜索条件相匹配的语音数据。
[0079]进一步地，用户可以对搜索结果中的语音数据进行试听。若在试听后认为没有符合需要的语音数据，用户可以通过继续对该搜索键施加压力值，扩大模糊搜索的范围，移动终端则重新根据新的搜索条件进行匹配并显示。
[0080]本实施例提出的语音数据搜索方法，通过用户输入的语音信息和模糊搜索范围确定搜索条件，从而在移动终端中搜索相匹配的语音数据，方便快捷，增强了用户体验。
[0081 ] 实施例二
[0082]如图4所示，本发明第二实施例提出一种语音数据搜索方法。在第二实施例中，所述语音数据搜索方法与第一实施例的步骤相类似，区别在于在步骤SlOO之前还包括步骤:
[0083]S102，建立语音数据对应的关键字数据库。
[0084]具体地，将移动终端中的语音数据通过语音识别技术转换为文字信息，统一存储在关键字数据库中，并将每条文字信息与对应的语音数据进行关联。
[0085]在本实施例中，步骤S500具体包括，根据确认的搜索条件搜索待匹配的语音数据对应的关键字数据库，以找到与搜索条件相匹配的语音数据。
[0086]本实施例提出的语音数据搜索方法，通过预先建立关键字数据库，提前将移动终端中的语音数据转换为文字信息，避免在匹配时再次对待匹配语音数据进行转换，可以加快匹配速度，迅速为用户定位想要查找的语音数据。
[0087]实施例三
[0088]如图5所示，本发明第三实施例提出一种语音数据搜索方法。在第三实施例中，所述语音数据搜索方法与第二实施例的步骤相类似，区别在于用步骤S104取代步骤S102，及用步骤S304取代步骤S300和步骤S400。该方法具体包括以下步骤:
[0089]S104，建立语音数据对应的声纹数据库。
[0090]具体地，将移动终端中的语音数据进行声纹特征提取，生成声纹信息，统一存储在声纹数据库中，并将每条声纹信息与对应的语音数据进行关联。所述声纹特征提取包括利用倒谱法计算出基音周期参数，再通过Mel滤波器将语音信号功率转换成Mel倒谱系数(MFCC)，利用特征提取算法将两种参数组成一种声纹参量，为每个语音数据的说话人建立一个高斯混合模型。
[0091]SlOO，接收用户输入的搜索指令。
[0092]S200，接收用户输入的语音信息。
[0093]S304，对该语音信息进行声纹特征提取，以确定搜索条件。
[0094]具体地，所述搜索条件为该语音信息的声纹特征。
[0095]S500，根据确认的搜索条件搜索待匹配的语音数据，找到与搜索条件相匹配的语音数据。
[0096]在本实施例中，该步骤具体包括，将该语音信息的声纹特征与待匹配的语音数据对应的声纹数据库中的声纹信息进行匹配，以找到与搜索条件相匹配的语音数据。与搜索条件相匹配是指，语音数据关联的声纹信息中的声纹特征与该语音信息的声纹特征相同。当搜索完成后，显示界面显示搜索结果，即显示所述与搜索条件相匹配的语音数据。
[0097]本实施例提出的语音数据搜索方法，通过对用户输入的语音信息进行声纹特征提取来确定搜索条件，从而在移动终端中搜索相匹配的语音数据。并且通过预先建立声纹数据库，提前将移动终端中的语音数据进行声纹特征提取，避免在匹配时对待匹配语音数据再次提取，可以加快匹配速度，迅速为用户定位想要查找的语音数据。
[0098]实施例四
[0099]如图6所示，本发明第四实施例提出一种语音数据搜索方法，该方法包括步骤:
[0100]S106，建立语音数据搜索的搜索模式。
[0101]具体地，所述搜索模式包括但不限于:关键字搜索模式、声纹搜索模式及双条件搜索模式。所述关键字搜索模式下搜索的依据仅为用户输入的语音信息中的语音内容，与声纹特征无关。所述声纹搜索模式下搜索的依据仅为用户输入的语音信息中的声纹特征，与语音内容无关。所述双条件搜索模式下搜索的依据为同时满足声纹特征和语音内容的要求。
[0102]S108，接收用户选择的搜索模式，根据用户选择的搜索模式执行相应搜索操作。
[0103]具体地，当用户选择关键字搜索模式时，执行第一实施例或第二实施例中的步骤。当用户选择声纹搜索模式时，执行第三实施例中的步骤。当用户选择双条件搜索模式时，将第一实施例或第二实施例中的步骤与第三实施例中的步骤结合起来执行搜索操作。在所述双条件搜索模式下，搜索条件包括根据用户输入的语音信息确定的关键字，根据用户输入的模糊搜索范围确定的关键字字符之间间隔的字符数，以及该语音信息的声纹特征。
[0104]本实施例提出的语音数据搜索方法，可以使用户根据自己的需要选择合适的搜索模式，在不同的搜索条件下准确搜索到想要查找的语音数据，增强用户体验。
[0105]应当理解，在其他实施例中，为了实现精确搜索，还可以在上述实施例一至四的基础上增加步骤，以调整搜索条件。
[0106]例如，移动终端在获取语音数据时标注语音数据的归属地(如微信、QQ等)或路径信息，并根据该归属地或路径信息对语音数据进行分类。当接收完用户输入的语音信息后，还可以提示用户输入需要搜索的语音数据的归属地或路径，从符合条件的文件夹中进行搜索。
[0107]又例如，移动终端在生成语音数据时加注标志位，该标志位用于标示该语音数据是通过耳机录入还是通过终端自带的麦克风录入。可以根据用户当前输入语音信息的方式，从与该方式相同的语音数据中进行搜索。
[0108]如图7所示，是本发明提出的一种语音数据搜索方法的界面示意图，包括:
[0109](I)用户按压搜索键发出搜索指令，移动终端接收用户输入的搜索指令，启动搜索功能。
[0110](2)显示界面提示用户输入语音信息。用户持续按压该搜索键以输入语音信息“我们去爬山吧”。
[0111](3)移动终端接收该语音信息并在显示界面中进行显示。
[0112](4)显示界面提示用户输入模糊搜索范围。用户按压搜索键，压力传感器侦测到压力值为2，移动终端接收到用户输入的模糊搜索范围，即该语音信息的每个文字之间间隔的字符数为2。
[0113](5)移动终端结合接收到的语音信息和模糊搜索范围确定搜索条件为“我**们**去**爬**山**吧”，在显示界面中显示该搜索条件。移动终端根据该搜索条件在语音数据中进行搜索。
[0114]本发明进一步提供一种语音数据搜索系统，运行于移动终端中，用于根据用户输入的搜索条件搜索移动终端中存储的语音数据。所述语音数据包括但不限于移动终端的各个应用软件中曾经接收的音频文件或语音消息。
[0115]实施例五
[0116]如图8所示，本发明第五实施例提出一种语音数据搜索系统，该系统包括:
[0117]接收单元802，用于接收用户输入的搜索指令、语音信息及模糊搜索范围。
[0118]具体地，在移动终端中设置搜索键，当用户需要搜索语音数据时，操作该搜索键(例如触摸或按压)以发出搜索指令，启动对语音数据进行搜索的功能。在本实施例中，该搜索键可以为实体home键或虚拟home键。
[0119]当接收单元802接收到用户的搜索指令后，用户持续触摸或按压该搜索键以输入语音信息，可选择通过耳机或移动终端配置的麦克风进行输入。例如，用户持续按压该搜索键，并对着麦克风说出“我们去爬山吧”，则接收单元802接收到用户输入的语音信息“我们去爬山吧”。
[0120]在移动终端中设置压力传感器，所述压力传感器可以设置在该搜索键下面，用于接收用户操作该搜索键时的压力信息。用户通过按压搜索键对搜索键区域施加压力，压力传感器侦测到压力值后，将该压力值发送给接收单元802，接收单元802根据压力值确定对应的模糊搜索范围。
[0121]其中，所述模糊搜索范围是指用户输入的语音信息中文字之间间隔的字符数N。该字符数N随着压力传感器侦测到的压力值的增加而动态增加。在本实施例中，该字符数N是指该语音信息的每个文字间的字符数。例如，当用户按压该搜索键后，压力传感器侦测到压力值为2，则该语音信息的每个文字之间间隔的字符数为2。在其他实施例中，该字符数N也可以指某两个相邻文字间的字符数
[0122]确定单元804，用于结合接收到的语音信息和模糊搜索范围确定搜索条件。
[0123]具体地，所述语音信息确定了所述搜索条件中的关键字，所述模糊搜索范围确定了所述搜索条件中关键字字符之间间隔的字符数。例如，当接收到的语音信息是“我们去爬山吧”，模糊搜索范围是间隔字符数为2时，确定单元804确定搜索条件为“我**们**去**爬**山**吧”。
[0124]进一步地，所述语音信息和模糊搜索范围还确定了所述搜索条件中关键字的顺序。
[0125]在其他实施方式中，若用户没有输入模糊搜索范围，则确定单元804在确定搜索条件时，只考虑所述语音信息提供的关键字，不考虑关键字字符之间间隔的字符数和关键字的顺序。
[0126]搜索单元806，用于根据确认的搜索条件搜索待匹配的语音数据，找到与搜索条件相匹配的语音数据。
[0127]具体地，与搜索条件相匹配是指，语音数据内容中存在与搜索条件相同的关键字，且相邻关键字字符之间间隔的字符数不大于搜索条件中的字符数N。当搜索完成后，显示界面显示搜索结果，即显示所述与搜索条件相匹配的语音数据。
[0128]进一步地，该系统还可以包括:
[0129]建立单元800，用于建立语音数据对应的关键字数据库。
[0130]具体地，建立单元800将移动终端中的语音数据通过语音识别技术转换为文字信息，统一存储在关键字数据库中，并将每条文字信息与对应的语音数据进行关联。
[0131]所述搜索单元806还用于根据确认的搜索条件搜索待匹配的语音数据对应的关键字数据库，以找到与搜索条件相匹配的语音数据。
[0132]本实施例提出的语音数据搜索系统，通过用户输入的语音信息和模糊搜索范围确定搜索条件，从而在移动终端中搜索相匹配的语音数据。并且通过预先建立关键字数据库，提前将移动终端中的语音数据转换为文字信息，避免在匹配时再次对待匹配语音数据进行转换，可以加快匹配速度，迅速为用户定位想要查找的语音数据。
[0133]实施例六
[0134]本发明第六实施例提出一种语音数据搜索系统。在第六实施例中，所述语音数据搜索系统与第五实施例相类似，区别在于:
[0135]所述建立单元800还可以用于建立语音数据对应的声纹数据库。
[0136]具体地，建立单元800将移动终端中的语音数据进行声纹特征提取，生成声纹信息，统一存储在声纹数据库中，并将每条声纹信息与对应的语音数据进行关联。所述声纹特征提取包括利用倒谱法计算出基音周期参数，再通过Mel滤波器将语音信号功率转换成Mel倒谱系数(MFCC)，利用特征提取算法将两种参数组成一种声纹参量，为每个语音数据的说话人建立一个高斯混合模型。
[0137]所述确定单元804还用于对该语音信息进行声纹特征提取，以确定搜索条件。具体地，所述搜索条件为该语音信息的声纹特征。
[0138]所述搜索单元806还用于将该语音信息的声纹特征与待匹配的语音数据对应的声纹数据库中的声纹信息进行匹配，以找到与搜索条件相匹配的语音数据。与搜索条件相匹配是指，语音数据关联的声纹信息中的声纹特征与该语音信息的声纹特征相同。
[0139]本实施例提出的语音数据搜索系统，通过对用户输入的语音信息进行声纹特征提取来确定搜索条件，从而在移动终端中搜索相匹配的语音数据。并且通过预先建立声纹数据库，提前将移动终端中的语音数据进行声纹特征提取，避免在匹配时对待匹配语音数据再次提取，可以加快匹配速度，迅速为用户定位想要查找的语音数据。
[0140]实施例七
[0141]本发明第七实施例提出一种语音数据搜索系统。在第七实施例中，所述语音数据搜索系统与第六实施例相类似，区别在于:
[0142]所述建立单元800还用于建立语音数据搜索的搜索模式。
[0143]具体地，所述搜索模式包括但不限于:关键字搜索模式、声纹搜索模式及双条件搜索模式。所述关键字搜索模式下搜索的依据仅为用户输入的语音信息中的语音内容，与声纹特征无关。所述声纹搜索模式下搜索的依据仅为用户输入的语音信息中的声纹特征，与语音内容无关。所述双条件搜索模式下搜索的依据为同时满足声纹特征和语音内容的要求。
[OH4]所述接收单元802还用于接收用户选择的搜索模式，然后所述接收单元802、确定单元804及搜索单元806根据用户选择的搜索模式执行相应搜索操作。
[0145]本实施例提出的语音数据搜索系统，可以使用户根据自己的需要选择合适的搜索模式，在不同的搜索条件下准确搜索到想要查找的语音数据，增强用户体验。
[0146]应当理解，在其他实施例中，上述方法和系统不仅可以应用于所述移动终端中，还可以应用于数字TV、台式计算机等固定终端。
[0147]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0148]上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0149]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如R0M/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，月艮务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0150]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1.一种语音数据搜索方法，其特征在于，该方法包括步骤: 接收用户通过操作搜索键输入的搜索指令、语音信息及模糊搜索范围； 结合接收到的语音信息和模糊搜索范围确定搜索条件，所述语音信息确定了所述搜索条件中的关键字，所述模糊搜索范围确定了所述搜索条件中关键字字符之间间隔的字符数； 根据确认的搜索条件搜索语音数据，找到与搜索条件相匹配的语音数据。2.根据权利要求1所述的语音数据搜索方法，其特征在于，所述模糊搜索范围通过压力传感器侦测用户按压所述搜索键的压力值得到。3.根据权利要求1所述的语音数据搜索方法，其特征在于，该方法在所述接收用户通过操作搜索键输入的搜索指令的步骤之前，还包括步骤: 将语音数据通过语音识别技术转换为文字信息，存储在关键字数据库中。4.根据权利要求3所述的语音数据搜索方法，其特征在于，该方法还包括步骤: 对语音数据进行声纹特征提取，生成声纹信息，存储在声纹数据库中； 对接收到的语音信息进行声纹特征提取，以确定搜索条件为所述语音信息的声纹特征； 将所述语音信息的声纹特征与语音数据对应的声纹数据库中的声纹信息进行匹配，以找到与搜索条件相匹配的语音数据。5.根据权利要求4所述的语音数据搜索方法，其特征在于，所述声纹特征提取包括利用倒谱法计算出基音周期参数，再通过Mel滤波器将语音信号功率转换成Mel倒谱系数，利用特征提取算法将两种参数组成一种声纹参量，为说话人建立一个高斯混合模型。6.根据权利要求4所述的语音数据搜索方法，其特征在于，该方法在所述接收用户通过操作搜索键输入的搜索指令的步骤之前，还包括步骤: 建立语音数据搜索的搜索模式，所述搜索模式包括关键字搜索模式、声纹搜索模式及双条件搜索模式； 接收用户选择的搜索模式，根据用户选择的搜索模式执行相应搜索操作。7.一种语音数据搜索系统，其特征在于，该系统包括: 接收单元，用于接收用户通过操作搜索键输入的搜索指令、语音信息及模糊搜索范围；确定单元，用于结合接收到的语音信息和模糊搜索范围确定搜索条件，所述语音信息确定了所述搜索条件中的关键字，所述模糊搜索范围确定了所述搜索条件中关键字字符之间间隔的字符数； 搜索单元，用于根据确认的搜索条件搜索语音数据，找到与搜索条件相匹配的语音数据。8.根据权利要求7所述的语音数据搜索系统，其特征在于，该系统还包括: 建立单元，用于将语音数据通过语音识别技术转换为文字信息，存储在关键字数据库中。9.根据权利要求8所述的语音数据搜索系统，其特征在于: 所述建立单元还用于对语音数据进行声纹特征提取，生成声纹信息，存储在声纹数据库中； 所述确定单元还用于对接收到的语音信息进行声纹特征提取，以确定搜索条件为所述语音信息的声纹特征； 所述搜索单元还用于将所述语音信息的声纹特征与语音数据对应的声纹数据库中的声纹信息进行匹配，以找到与搜索条件相匹配的语音数据。10.根据权利要求9所述的语音数据搜索系统，其特征在于: 所述建立单元还用于建立语音数据搜索的搜索模式，所述搜索模式包括关键字搜索模式、声纹搜索模式及双条件搜索模式； 所述接收单元还用于接收用户选择的搜索模式。
【文档编号】G10L25/54GK106024013SQ201610279205
【公开日】2016年10月12日
【申请日】2016年4月29日
【发明人】徐桃
【申请人】努比亚技术有限公司