语音识别处理方法及装置制造方法及图纸

本发明专利技术公开了一种语音识别处理方法，包括以下步骤：获取投影仪的语音识别模块检测到的语音信息，所述语音信息包括语音内容和声音特征；将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理；将标记处理后的所述文本进行投影显示。本发明专利技术还公开了一种语音识别处理装置。本发明专利技术实现了多种显示形式，提高了显示效果。

【技术实现步骤摘要】
语音识别处理方法及装置
本专利技术涉及办公设备领域，尤其涉及语音识别处理方法及装置。
技术介绍
在会议中，宣讲者通常会通过投影仪投影PPT进行宣讲，但是很多时候，宣讲者所宣讲的内容并没有全部写入PPT中，给听众尤其是听力有障碍者带来了很大不便。为了达到声文并茂的效果，目前已有智能投影仪加入了语音识别功能，能将宣讲者临时发挥的内容以文字形式投影出来，但是投影的文字形式单一，效果较差。
技术实现思路
本专利技术的主要目的在于提供一种语音识别处理方法及装置，旨在实现多种显示形式，提高显示效果。为实现上述目的，本专利技术提供的一种语音识别处理方法包括以下步骤：获取投影仪的语音识别模块检测到的语音信息，所述语音信息包括语音内容和声音特征；将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理；将标记处理后的所述文本进行投影显示。优选地，所述将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理包括：以所述语音信息转换为文本的开始时间为起始时间，计算第一设定时间t1内声波的振幅平均值，并将其设定为第一基准值X0；计算第n+1个t1内声波的振幅平均值Xn，其中n为任意正整数；当(Xn-X0)/X0大于预设值时，对第n+1个t1内语音信息对应的字符进行标记处理。优选地，所述将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理还包括：以所述语音信息转换为文本的开始时间为起始时间，计算第一设定时间t1内声波的频率平均值，并将其设定为第二基准值Y0；计算第n+1个t1内声波的频率平均值Yn，其中n为任意正整数；当(Yn-Y0)/Y0大于预设值时，对第n+1个t1内语音信息对应的字符进行标记处理。优选地，所述将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理之后还包括：以第二设定时间t2为时间周期，当(n+1)×t1＝t2时，以第n+1个t1的结束时间为起始时间，重新计算第一设定时间t1内声波的振幅平均值，并将其设定为第一基准值X0，以及重新计算第一设定时间t1内声波的频率平均值，并将其设定为第二基准值Y0。优选地，所述标记处理包括加粗、加色或加亮。此外，为实现上述目的，本专利技术还提供一种语音识别处理装置，所述语音识别处理装置包括：语音获取模块，用于获取投影仪的语音识别模块检测到的语音信息，所述语音信息包括语音内容和声音特征；语音处理模块，用于将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理；投影模块，用于将标记处理后的所述文本进行投影显示。优选地，所述语音处理模块包括：振幅基准单元，用于以所述语音信息转换为文本的开始时间为起始时间，计算第一设定时间t1内声波的振幅平均值，并将其设定为第一基准值X0；振幅获取单元，用于计算第n+1个t1内声波的振幅平均值Xn，其中n为任意正整数；第一标记处理单元，用于当(Xn-X0)/X0大于预设值时，对第n+1个t1内语音信息对应的字符进行标记处理。优选地，所述语音处理模块还包括：频率基准单元，用于以所述语音信息转换为文本的开始时间为起始时间，计算第一设定时间t1内声波的频率平均值，并将其设定为第二基准值Y0；频率获取单元，用于计算第n+1个t1内声波的频率平均值Yn，其中n为任意正整数；第二标记处理单元，用于当(Yn-Y0)/Y0大于预设值时，对第n+1个t1内语音信息对应的字符进行标记处理。优选地，所述语音识别处理装置还包括：基准值获取模块，用于以第二设定时间t2为时间周期，当(n+1)×t1＝t2时，以第n+1个t1的结束时间为起始时间，重新计算第一设定时间t1内声波的振幅平均值，并将其设定为第一基准值X0，以及重新计算第一设定时间t1内声波的频率平均值，并将其设定为第二基准值Y0。优选地，所述标记处理包括加粗、加色或加亮。本专利技术提出的语音识别处理方法及装置，首先获取投影仪的语音识别模块检测到的语音信息，该语音信息来自宣讲者实时宣讲的语音，或者投影仪中保存的语音文件，接着将所述语音信息转换为文本，并根据声音的音量或高低等声音特性对重要内容语音对应的字符进行加色、加亮或加粗等标记处理，最后将标记处理后的所述文本进行投影显示。附图说明图1为本专利技术语音识别处理方法第一实施例的流程示意图；图2为本专利技术语音识别处理方法第二实施例中将语音信息转换为文本的细化流程示意图；图3为本专利技术语音识别处理方法第三实施例中将语音信息转换为文本的细化流程示意图；图4为本专利技术语音识别处理装置第一实施例的功能模块示意图；图5为本专利技术语音识别处理装置第二实施例中语音处理模块的细化功能模块示意图；图6为本专利技术语音识别处理装置第三实施例中语音处理模块的细化功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种语音识别处理方法及装置。参照图1，为本专利技术语音识别处理方法的第一实施例，所述语音识别处理方法包括以下步骤：步骤S100，获取投影仪的语音识别模块检测到的语音信息，所述语音信息包括语音内容和声音特征。具体地，投影仪的语音识别模块检测到的语音信息来源一般有两种，一种是投影仪从麦克风中获取的实时语音信息，可以使用两个麦克风来采集语音，目标是为了通过语音降噪技术降低语音噪音；另一种是通过投影仪本身保存的语音文件获取语音信息。步骤S200，将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理。具体地，关于语音信息转换为文本，目前已经有比较成熟的技术原理，为了便于理解本专利技术，如下介绍语音转换为文本的原理。在开始语音识别之前，有时需要把首尾端的静音切除，降低对后续步骤造成的干扰。这个静音切除的操作一般称为VAD，需要用到信号处理的一些技术。要对声音进行分析，需要对声音分帧，也就是把声音切开成许多小段，每小段称为一帧。分帧操作一般不是简单的切开，而是使用移动窗函数来实现。帧与帧之间一般是有交叠的，每帧的长度为25毫秒，每两帧之间有25-10＝15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。分帧后，语音就变成了很多小段。但波形在时域上几乎没有描述能力，因此必须将波形作变换。常见的一种变换方法是提取MFCC特征，根据人耳的生理特性，把每一帧波形变成一个多维向量，可以简单地理解为这个向量包含了这帧语音的内容信息。这个过程叫做声学特征提取。至此，声音就成了一个12行(假设声学特征是12维)、N列的一个矩阵，称之为观察序列，这里N为总帧数。每一帧都用一个12维的向量表示，色块的颜色深浅表示向量值的大小。接下来介绍怎样把这个矩阵变成文本。首先要介绍两个概念:音素：单词的发音由音素构成。对英语，一种常用的音素集是卡内基梅隆大学的一套由39个音素构成的音素集。汉语一般直接用全部声母和韵母作为音素集，另外汉语识别还分有调无调。状态：比音素更细致的语音单位。通常把一个音素划分成3个状态。通过如下步骤进行语音识别：第一步，把帧识别成状态；第二步，把状态组合成音素；第三步，把音素组合成单词。每个小竖条代表一帧，若干帧语音对应一个状态，每三个状态组合成一个音素，若干个音素组合成一个单词。声音是由本文档来自技高网...

【技术保护点】
一种语音识别处理方法，其特征在于，所述语音识别处理方法包括以下步骤：获取投影仪的语音识别模块检测到的语音信息，所述语音信息包括语音内容和声音特征；将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理；将标记处理后的所述文本进行投影显示。

【技术特征摘要】
1.一种语音识别处理方法，其特征在于，所述语音识别处理方法包括以下步骤：获取投影仪的语音识别模块检测到的语音信息，所述语音信息包括语音内容和声音特征；将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理；将标记处理后的所述文本进行投影显示。2.如权利要求1所述的语音识别处理方法，其特征在于，所述将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理包括：以所述语音信息转换为文本的开始时间为起始时间，计算第一设定时间t1内声波的振幅平均值，并将其设定为第一基准值X0；计算第n+1个t1内声波的振幅平均值Xn，其中n为任意正整数；当(Xn-X0)/X0大于预设值时，对第n+1个t1内语音信息对应的字符进行标记处理。3.如权利要求1或2所述的语音识别处理方法，其特征在于，所述将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理还包括：以所述语音信息转换为文本的开始时间为起始时间，计算第一设定时间t1内声波的频率平均值，并将其设定为第二基准值Y0；计算第n+1个t1内声波的频率平均值Yn，其中n为任意正整数；当(Yn-Y0)/Y0大于预设值时，对第n+1个t1内语音信息对应的字符进行标记处理。4.如权利要求3所述的语音识别处理方法，其特征在于，所述将所述语音信息转换为文本，并根据所述声音特征对所述文本中的字符进行标记处理之后还包括：以第二设定时间t2为时间周期，当(n+1)×t1＝t2时，以第n+1个t1的结束时间为起始时间，重新计算第一设定时间t1内声波的振幅平均值，并将其设定为第一基准值X0，以及重新计算第一设定时间t1内声波的频率平均值，并将其设定为第二基准值Y0。5.如权利要求1所述的语音识别处理方法，其特征在于，所述标记处理包括加粗、加色或加...

【专利技术属性】
技术研发人员：闫晓梅，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东,44