端到端实时语音端点检测神经网络模型、训练方法

摘要

本发明提供一种语音识别系统端到端实时语音端点检测，从音频信号到有效端点的判断（实时从声波判断出是人声或者是环境噪音），而且能够实时响应。通过一种端到端实时语音端点检测神经网络模型实现，该模型至少包括卷积神经网络滤波器层、RNN层，和多特征融合层；所述多特征融合层配置为，从在前的神经网络学习不同特征并融；本发明基于上述神经网络模型，无需进行特征提取的操作，从而实现可基于很短的语音实现实时识别，上述模型与训练时长的设置对于硬件资源要求相对于现有技术也有大幅降低。