申请/专利权人:南京龙垣信息科技有限公司
申请日:2024-02-05
公开(公告)日:2024-04-09
公开(公告)号:CN117854517A
主分类号:G10L19/008
分类号:G10L19/008;G10L19/02;G10L13/02;G10L15/18;G10L15/26;G10L25/18;G10L25/21;G10L25/24
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明涉及车载智能语音技术领域,具体涉及一种车载多人实时智能语音交互系统;包括声音采集模块、多通道语音增强模块、语音识别模块、自然语音处理模块和语音合成模块,使用车载语音时,通过声音采集模块对声源进行采集,多通道语音增强模块将采集的声源进行多通道自注意力语音增强,随后语音识别模块通过时频域的多通道对齐与语音活动检测后的音频进行说话人聚类,利用自然语音处理模块进行实时语音识别将说话人音频进行语音转文字,最后语音合成模块将转换后的实时转换文字按目标说话人声源进行人机交互处理,实现了能够提高语音的识别率,减少噪声干扰,更准确的远距离语音识别,提升了用户的体验。
主权项:1.一种车载多人实时智能语音交互系统,其特征在于,包括声音采集模块、多通道语音增强模块、语音识别模块、自然语音处理模块和语音合成模块,所述多通道语音增强模块与所述声音采集模块连接,所述语音识别模块与所述多通道语音增强模块连接,所述自然语音处理模块与所述语音识别模块连接,所述语音合成模块与所述自然语音处理模块连接;所述声音采集模块用于对声源进行采集,得到多通道音频数据;所述多通道语音增强模块用于将采集的多通道音频数据进行多通道自注意力语音增强,提取降低多通道导致的定位延迟与混响特性,基于多通道输入背景影响关联性,减少场景噪声;所述语音识别模块用于通过时频域的多通道对齐与语音活动检测后的音频进行说话人聚类;所述自然语音处理模块用于进行实时语音识别将说话人音频进行语音转文字;所述语音合成模块用于将转换后的实时转换文字按目标说话人声源进行人机交互处理,并通过语音合成技术进行回复。
全文数据:
权利要求:
百度查询: 南京龙垣信息科技有限公司 车载多人实时智能语音交互系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。