一种基于深度学习的VAD方法在语音识别系统中的应用

本申请涉及语音识别技术领域，公开了一种应用于VAD模块的语音识别方法，包括以帧为单位获取音频流数据，并将音频流数据升采样或者降采样成需要的格式；通过多头注意力模型对每帧音频流数据进行特征提取，得到每帧音频流数据的特征数据；设置滑动窗口记录多帧音频流数据的特征数据；对单个滑动窗口内的特征数据进行说话状态或其他状态的整体判断，并剔除被判断为其他状态的音频流数据；本申请有效提升语音转文字的准确率，减少计算资源消耗，提高语音转文字的转换效率。