本发明涉及语音处理领域，具体而言，涉及一种二阶段语音识别方法、装置、计算机设备及可读存储介质。
背景技术：
1、随着科技的进步，语音识别技术在各种应用中发挥着越来越重要的作用，如智能家居、自动驾驶等。然而，在实际应用中，语音识别系统往往受到背景噪音的干扰，导致识别准确率下降。为了解决这一问题，现有的语音识别方法通常会采用一定的人声检测技术来区分语音和噪音。但是，传统的人声检测方法在复杂的噪音环境下效果并不理想。因此，开发一种能够有效提高在噪音环境下语音识别准确率的方法显得尤为重要。
技术实现思路
1、本发明的目的在于提供一种二阶段语音识别方法、装置、计算机设备及可读存储介质。
2、第一方面，本发明实施例提供一种二阶段语音识别方法，包括：
3、获取待识别音频，所述待识别音频包括待识别语音和背景噪音；
4、调用预先训练的人声检测模型，按照不同检测阈值对所述待识别音频进行人声检测，得到第一人声检测结果和第二人声检测结果，所述第一人声检测结果的检测阈值高于所述第二人声检测结果的检测阈值；
5、根据所述第一人声检测结果和所述第二人声检测结果确定出目标人声检测结果；
6、对所述目标人声检测结果进行语音识别，得到所述待识别语音对应的目标语音识别结果。
7、在本发明实施例中，所述预先训练的人声检测模型为基于预设前馈全连接网络训练得到的，所述预设前馈全连接网络的隐藏层中包括记忆模块，所述调用预先训练的人声检测模型，按照不同检测阈值对所述待识别音频进行人声检测，得到第一人声检测结果和第二人声检测结果，包括：
8、调用预先训练的人声检测模型并设置第一检测阈值和第二检测阈值，所述第一检测阈值大于所述第二检测阈值；
9、将所述待识别音频输入所述人声检测模型，按照所述第一检测阈值经过完成训练的记忆模块得到多个第一语音时序片段作为所述第一人声检测结果；
10、将所述待识别音频输入所述人声检测模型，按照所述第二检测阈值经过完成训练的记忆模块得到多个第二语音时序片段作为所述第二人声检测结果。
11、在本发明实施例中，所述根据所述第一人声检测结果和所述第二人声检测结果确定出目标人声检测结果，包括：
12、利用所述多个第一语音时序片段对所述多个第二语音时序片段进行筛选，得到所述目标人声检测结果。
13、在本发明实施例中，所述利用所述多个第一语音时序片段对所述多个第二语音时序片段进行筛选，得到所述目标人声检测结果，包括：
14、将所述多个第二语音时序片段中的每个第二语音时序片段依次与所述多个第一语音时序片段中的每个第一语音时序片段进行求交；
15、将存在交集的第二语音时序片段保留，并将不存在交集的第一语音时序片段删除，得到至少一个待定语音时序片段；
16、将所述至少一个待定语音时序片段作为所述目标人声检测结果。
17、在本发明实施例中，所述对所述目标人声检测结果进行语音识别，得到所述待识别语音对应的目标语音识别结果，包括：
18、调用预先训练的语音识别模型；
19、将所述目标人声检测结果输入所述语音识别模型，得到所述目标人声检测结果对应的文字内容；
20、将所述文字内容作为所述目标语音识别结果。
21、在本发明实施例中，所述调用预先训练的语音识别模型为基于非自回归的语音识别模型，或者自回归语音识别模型，或者端到端的深度语音识别模型训练得到。
22、在本发明实施例中，所述方法还包括：
23、响应于针对所述目标语音识别结果的反馈操作，对所述语音识别模型的模型参数进行优化调整。
24、第二方面，本发明实施例提供一种二阶段语音识别装置，包括：
25、获取模块，用于获取待识别音频，所述待识别音频包括待识别语音和背景噪音；
26、识别模块，用于调用预先训练的人声检测模型，按照不同检测阈值对所述待识别音频进行人声检测，得到第一人声检测结果和第二人声检测结果，所述第一人声检测结果的检测阈值高于所述第二人声检测结果的检测阈值；根据所述第一人声检测结果和所述第二人声检测结果确定出目标人声检测结果；对所述目标人声检测结果进行语音识别，得到所述待识别语音对应的目标语音识别结果。
27、第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行第一方面至少一种可能的实施方式所述的二阶段语音识别方法。
28、第四方面，本发明实施例提供一种可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行第一方面至少一种可能的实施方式所述的二阶段语音识别方法。
29、相比现有技术，本发明提供的有益效果包括：采用本发明公开的二阶段语音识别方法、装置、计算机设备及可读存储介质，通过获取包含待识别语音和背景噪音的音频，然后利用预先训练的人声检测模型，在不同检测阈值下进行人声检测，分别得到高阈值的第一人声检测结果和低阈值的第二人声检测结果。通过综合分析这两种结果，确定出目标人声检测结果。最后，对此结果进行语音识别，从而得到准确的语音识别结果。如此设计，通过二阶段人声检测，有效提高了在复杂噪音环境下的语音识别准确率。
1.一种二阶段语音识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预先训练的人声检测模型为基于预设前馈全连接网络训练得到的，所述预设前馈全连接网络的隐藏层中包括记忆模块，所述调用预先训练的人声检测模型，按照不同检测阈值对所述待识别音频进行人声检测，得到第一人声检测结果和第二人声检测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一人声检测结果和所述第二人声检测结果确定出目标人声检测结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用所述多个第一语音时序片段对所述多个第二语音时序片段进行筛选，得到所述目标人声检测结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述目标人声检测结果进行语音识别，得到所述待识别语音对应的目标语音识别结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述调用预先训练的语音识别模型为基于非自回归的语音识别模型，或者自回归语音识别模型，或者端到端的深度语音识别模型训练得到。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
8.一种二阶段语音识别装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行权利要求1-7中任意一项所述的二阶段语音识别方法。
10.一种可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-7中任意一项所述的二阶段语音识别方法。
