具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例所涉及的静音语音检测方法，可以由控制设备或终端(以下称“移动终端”)执行。

请参阅图1，图1示出了本申请实施例提供的一种静音语音检测方法的实现流程图，包括：

步骤S10，获取用户语音，并对所述用户语音进行分割，得到分割语音。

其中，通过对用户语音进行分割，有效的方便了对不同分割语音的静音端点检测，防止了由于直接对用户语音进行谱包络检测所导致的静音检测准确性低下的现象。

具体的，该步骤中，所述对所述用户语音进行分割，得到分割语音，包括：

获取所述用户语音的语音录制场景，并根据所述语音录制场景查询语音分割值；

根据查询到的所述语音分割值对所述用户语音进行分割，得到所述分割语音；

其中，该语音分割值为预设时长，该语音分割值用于基于预设时长将用户语音分割为相同时长的语音片段，该步骤中，通过获取该用户语音对应用户所处的环境信息，根据获取到的环境信息确定对应的语音录制场景，并将确定到的语音录制场景与分割值查询表进行匹配，得到该用户对应的语音分割值，该分割值查询表中存储有不同语音录制场景与对应语音分割值之间的对应关系。

例如，该分割值查询表中语音录制场景与语音分割值之间的对应关系包括：安静录制场景-150毫秒或嘈杂录制场景-100毫秒等，不同语音录制场景对应的语音分割值可以相同或不相同，使得对用户语音的分割能有效的适用于不同的语音录制场景，提高了该静音语音检测的实用性。

可选的，该步骤中，所述获取用户语音之后，还包括：

将所述用户语音输入低通滤波器进行语音滤波，并对语音滤波后的所述用户语音进行语音采样和语音量化；

对语音采样和语音量化后的所述用户语音进行预加重处理；

其中，通过将用户语音输入低通滤波器进行语音滤波，有效的去除了用户语音中的噪音，提高了后续对分割语音的静音端点检测的准确性。

具体的，通过对语音滤波后的用户语音进行语音采样和语音量化，有效的对用户语音起到了语音预处理的效果，该步骤中，语音采样是按一定的频率，即每一小段时间，测得用户语音的模拟量值，语音量化是通过采样时测得的模拟电压值进行分级量化，按整个电压变化的最大幅度划分成几个区段，把落在同一区段的用户语音归成一类，并给出相应的量化值。

该步骤中，该预加重处理的目的是为了对用户语音的高频部分进行加重，以去除口唇辐射的影响，增加用户语音的高频分辨率，优选地，可以采用高通数字滤波器的方式对该用户语音进行预加重处理，进而有效的提高了用户语音的质量。

步骤S20，分别对所述分割语音进行静音端点检测。

其中，该静音端点检测用于检测分割语音中是否存在静音片段，该静音片段包括静音起点和静音终点。

该步骤中，若用户语音对应的分割语音均不存在该静音片段，判定该用户语音不是静音语音，则持续进行用户语音的获取，并对获取到的用户语音继续执行“对所述用户语音进行分割，得到分割语音”的步骤。

步骤S30，若检测到任一所述分割语音中存在所述静音片段，则对所述静音片段进行静音标记，并根据所述静音标记计算不同所述静音片段之间的静音总时长。

其中，该静音标记用于标记对应静音片段在分割语音中的语音位置，有效地方便了静音片段对应静音时长的计算，进而保障了不同所述静音片段之间静音总时长计算的准确性。

具体的，该步骤中，所述对所述静音片段进行静音标记，并根据所述静音标记计算不同所述静音片段之间的静音总时长，包括：

对所述静音片段中所述静音起点对应的所述语音帧进行起点标记，并对所述静音片段中所述静音终点对应的所述语音帧进行终点标记，其中，可以根据预设标识符进行该语音帧的起点标记或终点标记，该预设标识符可以根据需求进行设置，例如，该步骤中，可以采用标识符“0”对静音片段中静音起点对应的语音帧进行起点标记，可以采用标识符“1”对静音片段中静音终点对应的语音帧进行终点标记；

根据所述起点标记获取对应所述静音片段的静音时间起点，并根据所述终点标记获取对应所述静音片段的静音时间终点；

根据所述静音时间起点、所述静音时间终点计算对应所述静音片段的静音时长，并计算不同所述静音片段之间所述静音时长的和，得到所述静音总时长，该静音总时长用于表示用户语音中不同静音片段之间语音时长之间的和。

例如，用户语音进行语音分割后得到分割语音A1、分割语音A2和分割语音A3，当检测到分割语音A1中存在静音片段a1，分割语音A2中存在静音片段a2，分割语音A3中存在静音片段a3，则分别对静音片段a1、静音片段a2和静音片段a3进行静音标记，根据对静音片段a1、静音片段a2和静音片段a3的静音标记结果，分别获取静音片段a1、静音片段a2和静音片段a3对应的静音时长，得到静音时长b1、静音时长b2和静音时长b3，计算静音时长b1、静音时长b2和静音时长b3之间的和，得到该用户语音对应的静音总时长。

步骤S40，若所述静音总时长大于时长阈值，则判定所述用户语音是静音语音。

其中，该时长阈值可以根据需求进行设置，例如，该时长阈值可以设置为100毫秒、200毫秒或300毫秒等，该时间阈值用于判定静音总时长对应的用户语音是否是静音语音。

优选的，本实施例中，所述根据所述静音时间起点、所述静音时间终点计算对应所述静音片段的静音时长之后，还包括：若任一所述静音时长大于所述时长阈值，则直接判定所述用户语音是所述静音语音。

本实施例中，通过获取用户语音，并对用户语音进行分割，有效的方便了对不同分割语音的静音端点检测，防止了由于直接对用户语音进行静音检测所导致的静音检测准确性低下的现象，通过对静音片段进行静音标记，有效地方便了不同静音片段之间的静音总时长的计算，提高了静音语音检测效率，并基于计算得到的静音总时长与时长阈值之间的大小比对，能有效的检测到用户语音是否是静音语音，本实施例，通过采用静音端点检测的方式检测分割语音中是否存在静音片段，并基于检测到的不同静音片段之间的静音总时长能准确地判定到用户语音是否是静音语音，无需将用户语音从时域信号转换为频域信号，提高了静音语音检测的检测效率和准确性。

请参阅图2，图2是本申请另一实施例提供的一种静音语音检测方法的实现流程图。相对于图1对应的实施例，本实施例提供的静音语音检测方法用于对步骤S20作进一步细化，包括：

步骤S21，分别提取所述分割语音中语音帧的样本熵；

其中，样本熵(Sample Entropy，SampEn)是通过度量信号中产生新模式的概率大小来衡量时间序列的复杂性，新模式产生的概率越大，序列的复杂性就越大，样本熵的值越低，序列自我相似性就越高；样本熵的值越大，样本序列就越复杂。

具体的，该步骤中，基于样本熵能有效的对分割语音进行静音端点检测，以识别到语音样本中的语音起始点和语音起止点，进而提高了后续对语音样本进行语音过滤的准确性。

步骤S22，若所述语音帧的样本熵大于第一门限阈值，则判定所述语音帧在对应所述分割语音中为所述静音起点。

其中，该第一门限阈值可以根据需求进行设置，该步骤中，若样本熵大于第一门限阈值的持续时间大于第一预设时间，则判定语音帧在对应分割语音中为静音起点。

步骤S23，若所述语音帧的样本熵大于第二门限阈值且小于所述第一门限阈值，则获取所述语音帧的短时过零率。

其中，该第二门限阈值小于第一门限阈值，短时过零率是指每帧内信号通过零值的次数，对有时间横轴的连续语音信号，可以观察到语音的时域波形通过横轴的情况，在离散时间语音信号情况下，如果相邻的语音帧具有不同的代数符号就称为发生了过零现象，因此基于检测到的过零现象能够计算出语音帧的短时过零率。

该步骤中，若语音帧的样本熵大于第二门限阈值且小于第一门限阈值，则表明基于样本熵无法判定对应的语音帧是否是静音节点，此时，可通过获取语音帧的短时过零率，再基于获取到的短时过零率再次对语音帧进行静音分析，以判定样本熵对应的语音帧是否是静音终点。

步骤S24，若所述语音帧的短时过零率小于第三门限阈值，则判定所述语音帧在对应所述分割语音中为所述静音终点。

其中，该第三门限阈值可以根据需求进行设置，该步骤中，若语音帧的短时过零率小于第三门限阈值，则判定语音帧在对应分割语音中为静音终点。

步骤S25，若同一所述分割语音中存在所述静音起点和所述静音终点，则判定所述静音起点和所述静音终点之间的语音帧所形成的语音为所述静音片段。

其中，该静音起点和该静音终点之间不存在作为静音起点的语音帧，也不存在作为静音终点的语音帧。

可选的，本实施例中，所述分别提取所述分割语音中语音帧的样本熵之后，还包括：若所述语音帧的样本熵小于所述第二门限阈值，则判定所述语音帧在对应所述分割语音中为语音噪声，并根据所述语音噪声对所述分割语音进行语音过滤，其中，该第二门限阈值还可以用于判断该样本熵对应的语音节点是否为语音噪声，当检测到任一分割语音中存在该语音噪声，则通过对分割语音进行语音过滤，以达到去除分割语音中的噪声的效果，进而提高了用户语音的语音质量，提高了对用户语音的静音语音检测的准确性。

本实施例中，通过分别提取分割语音中语音帧的样本熵，并基于样本熵与第一门限阈值之间的大小判断，以判定样本熵对应的语音帧是否是静音起点，若语音帧的样本熵大于第二门限阈值且小于第一门限阈值，通过获取语音帧的短时过零率，并基于语音帧的短时过零率与第三门限阈值之间的大小判断，以判定样本熵对应的语音帧是否是静音终点，进而有效的提高了对分割语音中静音片段的检测。

请参阅图3，图3是本申请实施例提供的一种静音语音检测装置100的结构框图。本实施例中该静音语音检测装置100包括的各单元用于执行图1、图2对应的实施例中的各步骤。具体请参阅图1、图2以及图1、图2所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图3，包括：语音分割单元10、静音端点检测单元11、静音标记单元12和静音判断单元13，其中：

语音分割单元10，用于获取用户语音，并对所述用户语音进行分割，得到分割语音。

其中，该语音分割单元10还用于：将所述用户语音输入低通滤波器进行语音滤波，并对语音滤波后的所述用户语音进行语音采样和语音量化；

对语音采样和语音量化后的所述用户语音进行预加重处理，所述预加重处理用于增大所述用户语音的高频分辨率。

可选的，该语音分割单元10还用于：获取所述用户语音的语音录制场景，并根据所述语音录制场景查询语音分割值；

根据查询到的所述语音分割值对所述用户语音进行分割，得到所述分割语音。

静音端点检测单元11，用于分别对所述分割语音进行静音端点检测，所述静音端点检测用于检测所述分割语音中是否存在静音片段，所述静音片段包括静音起点和静音终点。

其中，该静音端点检测单元11还用于：分别提取所述分割语音中语音帧的样本熵；

若所述语音帧的样本熵大于第一门限阈值，则判定所述语音帧在对应所述分割语音中为所述静音起点；

若所述语音帧的样本熵大于第二门限阈值且小于所述第一门限阈值，则获取所述语音帧的短时过零率，所述第二门限阈值小于所述第一门限阈值；

若所述语音帧的短时过零率小于第三门限阈值，则判定所述语音帧在对应所述分割语音中为所述静音终点；

若同一所述分割语音中存在所述静音起点和所述静音终点，则判定所述静音起点和所述静音终点之间的语音帧所形成的语音为所述静音片段，其中，所述静音起点和所述静音终点之间不存在作为静音起点的语音帧，也不存在作为静音终点的语音帧。

可选的，该静音端点检测单元11还用于：若所述语音帧的样本熵小于所述第二门限阈值，则判定所述语音帧在对应所述分割语音中为语音噪声，并根据所述语音噪声对所述分割语音进行语音过滤。

静音标记单元12，用于若检测到任一所述分割语音中存在所述静音片段，则对所述静音片段进行静音标记，并根据所述静音标记计算不同所述静音片段之间的静音总时长。

其中，该静音标记单元12还用于：对所述静音片段中所述静音起点对应的所述语音帧进行起点标记，并对所述静音片段中所述静音终点对应的所述语音帧进行终点标记；

根据所述起点标记获取对应所述静音片段的静音时间起点，并根据所述终点标记获取对应所述静音片段的静音时间终点；

根据所述静音时间起点、所述静音时间终点计算对应所述静音片段的静音时长，并计算不同所述静音片段之间所述静音时长的和，得到所述静音总时长。

可选的，该静音标记单元12还用于：若任一所述静音时长大于所述时长阈值，则直接判定所述用户语音是所述静音语音。

静音判断单元13，用于若所述静音总时长大于时长阈值，则判定所述用户语音是静音语音。

本实施例中，通过获取用户语音，并对用户语音进行分割，有效的方便了对不同分割语音的静音端点检测，防止了由于直接对用户语音进行静音检测所导致的静音检测准确性低下的现象，通过对静音片段进行静音标记，有效的方便了不同静音片段之间的静音总时长的计算，提高了静音语音检测效率，并基于计算得到的静音总时长与时长阈值之间的大小比对，能有效的检测到用户语音是否是静音语音，本实施例，通过采用静音端点检测的方式检测分割语音中是否存在静音片段，并基于检测到的不同静音片段之间的静音总时长能准确的判定到用户语音是否是静音语音，无需将用户语音从时域信号转换为频域信号，提高了静音语音检测的检测效率和准确性。

图4是本申请另一实施例提供的一种终端设备2的结构框图。如图4所示，该实施例的终端设备2包括：处理器20、存储器21以及存储在所述存储器21中并可在所述处理器20上运行的计算机程序22，例如静音语音检测方法的程序。处理器20执行所述计算机程序23时实现上述各个静音语音检测方法各实施例中的步骤，例如图1所示的S10至S40，或者图2所示的S21至S25。或者，所述处理器20执行所述计算机程序22时实现上述图3对应的实施例中各单元的功能，例如，图3所示的单元10至13的功能，具体请参阅图4对应的实施例中的相关描述，此处不赘述。

示例性的，所述计算机程序22可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器21中，并由所述处理器20执行，以完成本申请。所述一个或多个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22在所述终端设备2中的执行过程。例如，所述计算机程序22可以被分割成语音分割单元10、静音端点检测单元11、静音标记单元12和静音判断单元13，各单元具体功能如上所述。

所述终端设备可包括，但不仅限于，处理器20、存储器21。本领域技术人员可以理解，图4仅仅是终端设备2的示例，并不构成对终端设备2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输出设备、网络接入设备、总线等。

所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，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21可以是所述终端设备2的内部存储单元，例如终端设备2的硬盘或内存。所述存储器21也可以是所述终端设备2的外部存储设备，例如所述终端设备2上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器21还可以既包括所述终端设备2的内部存储单元也包括外部存储设备。所述存储器21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21还可以用于暂时地存储已经输出或者将要输出的数据。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。