语音检测方法、装置、耳机及存储介质与流程

1.本公开涉及语音检测技术领域，尤其涉及一种语音检测方法、装置、耳机及存储介质。


背景技术：

2.随着tws(true wireless stereo，真正无线立体声)耳机的普及，用户在佩戴耳机时，在佩戴者说话时耳机需要开启声音透传功能，以使用户能够在佩戴耳机的情况下，通过耳机与他人交流时传递清晰的语音信息；或者，在佩戴者说话时开启耳机的语音识别功能，以识别佩戴者的语音信息并执行相关操作。因此，耳机需要准确检测出耳机佩戴者是否说话了，进而根据检测结果确定是保持当前状态，还是根据佩戴者的语音信号启用其他功能。
3.目前，为了准确检测耳机佩戴者是否说话，相关技术中的一种方案为在耳机上设置辅助传感器，比如振动传感器和加速度传感器，以判断用户是否说话。这样的检测方式，由于需要增设辅助传感器，因此，增加了耳机的成本。相关技术中的另一种方案，在耳机上设置麦克风阵列，对采集声音的来源方向进行估算，以确定佩戴者是否说话。对于这种方案，来波方向估计易受环境音干扰，当外界声音比佩戴者说话声音大时，则无法准确估算出声音来源的方向，进而造成检测结果不准确。


技术实现要素：

4.为克服相关技术中存在的问题，本公开提供一种语音检测方法、装置、耳机及存储介质。
5.根据本公开实施例的第一方面，提供了一种语音检测方法，应用于入耳式耳机，所述语音检测方法包括：
6.获取第一语音信号和第二语音信号，其中，所述第一语音信号为从佩戴者的耳道中获取的声音信号，所述第二语音信号为从佩戴者所处的环境中获取的声音信号；
7.获取第一能量参数和第二能量参数，所述第一能量参数表示所述第一语音信号在预设频段中的能量值，所述第二能量参数表示所述第二语音信号在所述预设频段中的能量值，其中，所述预设频段为闭塞效应产生的频率区间；
8.获得所述第一能量参数和所述第二能量参数之间的数值关系，若所述数值关系表征所述第一能量参数大于所述第二能量参数，确定所述佩戴者发出了声音信号。
9.在一示例性实施例中，所述预设频段包括起始频率点和终止频率点；
10.所述获取所述第一能量参数，包括：获取所述第一语音信号的第一起始能量值、第一终止能量值和第一平均能量值，其中，所述第一起始能量值表示所述第一语音信号在所述起始频率点的能量值，所述第一终止能量值表示所述第一语音信号在所述终止频率点的能量值，所述第一平均能量值表示所述第一语音信号在所述预设频段中的平均能量值；
11.所述获取所述第二能量参数，包括：获取所述第二语音信号的第二起始能量值、第二终止能量值和第二平均能量值，其中，所述第二起始能量值表示所述第二语音信号在所
述起始频率点的能量值，所述第二终止能量值表示所述第二语音信号在所述终止频率点的终止能量值，所述第二平均能量值表示所述第二语音信号在所述预设频段中的平均能量值。
12.在一示例性实施例中，所述获取所述第一平均能量值，包括：
13.在所述预设频段中，每间隔第一预设频率差值设置第一参考频率点，所述预设频段包含多个所述第一参考频率点；
14.分别获得所述第一语音信号中针对每个所述第一参考频率点的第一参考能量值；
15.对每个所述第一参考能量值求和后取平均值作为所述第一平均能量值；
16.所述获取所述第二平均能量值，包括：
17.在所述预设频段中，每间隔第二预设频率差值设置第二参考频率点，所述预设频段包含多个所述第二参考频率点；
18.分别获得所述第二语音信号中针对每个所述第二参考频率点的第二参考能量值；
19.对每个所述第二参考能量值求和后取平均值作为所述第二平均能量值。
20.在一示例性实施例中，所述若所述数值关系表征所述第一能量参数大于所述第二能量参数，确定所述佩戴者发出了声音信号，包括：
21.获取第一能量差值、第二能量差值和平均能量差值，其中，所述第一能量差值表示所述第一起始能量值与所述第二起始能量值的能量差值，所述第二能量差值表示所述第一终止能量值与所述第二终止能量值的能量差值，所述平均能量差值表示所述第一平均能量值与所述第二平均能量值的能量差值；
22.根据所述第一能量差值、所述第二能量差值和所述平均能量差值，确定所述佩戴者发出了声音信号。
23.在一示例性实施例中，所述根据所述第一能量差值、所述第二能量差值、所述平均能量差值，确定所述佩戴者发出了声音信号，包括：
24.若所述第一能量差值大于所述第二能量差值，并且所述平均能量差值大于预设参考值，确定所述佩戴者发出了声音信号。
25.在一示例性实施例中，所述语音检测方法还包括：
26.若所述第一能量差值小于或等于所述第二能量差值，和/或，所述平均能量差值小于或等于所述预设参考值，确定所述佩戴者没有发出声音信号。
27.在一示例性实施例中，所述预设频段为200hz～500hz。
28.根据本公开实施例的第二方面，提供了一种语音检测装置，应用于入耳式耳机，所述语音检测装置包括：
29.获取模块，被配置为获取第一语音信号和第二语音信号，其中，所述第一语音信号为从佩戴者的耳道中获取的声音信号，所述第二语音信号为从佩戴者所处的环境中获取的声音信号；
30.计算模块，被配置为获取第一能量参数和第二能量参数，所述第一能量参数表示所述第一语音信号在预设频段中的能量值，所述第二能量参数表示所述第二语音信号在所述预设频段中的能量值，其中，所述预设频段为闭塞效应产生的频率区间；
31.确定模块，被配置为获得所述第一能量参数和所述第二能量参数之间的数值关系，若所述数值关系表征所述第一能量参数大于所述第二能量参数，确定所述佩戴者发出
了声音信号。
32.在一示例性实施例中，所述预设频段包括起始频率点和终止频率点；
33.所述计算模块还被配置为：
34.获取所述第一语音信号的第一起始能量值、第一终止能量值和第一平均能量值，其中所述第一起始能量值表示所述第一语音信号在所述起始频率点的能量值，所述第一终止能量值表示所述第一语音信号在所述终止频率点的能量值，所述第一平均能量值表示所述第一语音信号在所述预设频段中的平均能量值；
35.所述计算模块还被配置为：
36.获取所述第二语音信号的第二起始能量值、第二终止能量值和第二平均能量值，其中，所述第二起始能量值表示所述第二语音信号在所述起始频率点的能量值，所述第二终止能量值表示所述第二语音信号在所述终止频率点的能量值，所述第二平均能量值表示所述第二语音信号在所述预设频段中的平均能量值。
37.在一示例性实施例中，所述计算模块还被配置为：
38.在所述预设频段中，每间隔第一预设频率差值设置第一参考频率点，所述预设频段包含多个所述第一参考频率点；
39.分别获得所述第一语音信号中针对每个所述第一参考频率点的第一参考能量值；
40.对每个所述第一参考能量值求和后取平均值作为所述第一平均能量值；
41.所述计算模块还被配置为：
42.在所述预设频段中，每间隔第二预设频率差值设置第二参考频率点，所述预设频段包含多个所述第二参考频率点；
43.分别获得所述第二语音信号中针对每个所述第二参考频率点的第二参考能量值；
44.对每个所述第二参考能量值求和后取平均值作为所述第二平均能量值。
45.在一示例性实施例中，所述确定模块还被配置为：
46.获取第一能量差值、第二能量差值和平均能量差值，其中，所述第一能量差值表示所述第一起始能量值与所述第二起始能量值的能量差值，所述第二能量差值表示所述第一终止能量值与所述第二终止能量值的能量差值，所述平均能量差值表示所述第一平均能量值与所述第二平均能量值的能量差值；
47.根据所述第一能量差值、所述第二能量差值和所述平均能量差值，确定所述佩戴者发出了声音信号。
48.在一示例性实施例中，所述确定模块还被配置为：
49.若所述第一能量差值大于所述第二能量差值，并且所述平均能量差值大于预设参考值，确定所述佩戴者发出了声音信号。
50.在一示例性实施例中，所述确定模块还被配置为：
51.若所述第一能量差值小于或等于所述第二能量差值，和/或，所述平均能量差值小于或等于所述预设参考值，确定所述佩戴者没有发出声音信号。
52.在一示例性实施例中，所述预设频段为200hz～500hz。
53.根据本公开实施例的第三方面，提供了一种耳机，包括：
54.处理器；
55.用于存储处理器可执行指令的存储器；
56.其中，所述处理器被配置为执行如本公开实施例的第一方面所述的语音检测方法。
57.根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由耳机的处理器执行时，使得耳机能够执行如本公开实施例的第一方面中所述的语音检测方法。
58.采用本公开的上述方法，具有以下有益效果：在不需要额外增加传感器硬件和耳机组成的麦克风阵列的前提下，能够准确判断出耳机佩戴者是否发出了声音信号。
59.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
60.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
61.图1是根据一示例性实施例示出的语音检测方法的流程图；
62.图2是根据一示例性实施例示出的入耳式tws耳机的结构示意图；
63.图3是根据一示例性实施例示出的语音检测装置框图；
64.图4是根据一示例性实施例示出的语音检测装置的框图。
具体实施方式
65.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
66.相关技术中，用户在佩戴耳机时，耳机检测佩戴者是否在说话的方法包括以下两种：第一，在耳机中内置辅助传感器，例如振动传感器或者加速度传感器，通过传感器信号判断耳机佩戴者是否在说话，但是此方法需要用户按照预设的姿势佩戴耳机，影响用户体验，并且传感器的成本较高；第二，通过耳机上的多个耳机组成麦克风阵列采集声音信号，利用声音寻向相关的算法，对所采集的声音信号的来波方向进行估计，确定声音信号的方向是否为佩戴者嘴巴的方向，从而判断佩戴者是否在说话，但是此方法容易受到环境音的干扰，当环境音声音比佩戴者声音大时，会出现检测错误的问题。
67.在本公开示例性的实施例中，为了克服相关技术中的问题，提供了一种语音检测方法，应用于入耳式耳机。分别从佩戴者的耳道中获取第一语音信号，从佩戴者所处的环境中获取第二语音信号，选取闭塞效应产生的频率区间作为预设频段，获得第一语音信号在预设频段中的第一能量参数，以及第二语音信号在预设频段中的第二能量参数，获得第一能量参数和第二能量参数之间的数值关系，若数值关系表征第一能量参数大于第二能量参数，确定佩戴者发出了声音信号。使用本公开中的语音检测方法，能够在不需要额外增加传感器硬件和耳机组成的麦克风阵列的前提下，准确判断出耳机佩戴者是否发出了声音信号。
68.本公开示例性的实施例中，提供了一种语音检测方法，应用于入耳式耳机。图1是
根据一示例性实施例示出的一种语音检测方法的流程图，如图1所示，语音检测方法包括以下步骤：
69.步骤s101，获取第一语音信号和第二语音信号，其中，第一语音信号为从佩戴者的耳道中获取的声音信号，第二语音信号为从佩戴者所处的环境中获取的声音信号；
70.步骤s102，获取第一能量参数和第二能量参数，第一能量参数表示第一语音信号在预设频段中的能量值，第二能量参数表示第二语音信号在预设频段中的能量值，其中，预设频段为闭塞效应产生的频率区间；
71.步骤s103，获得第一能量参数和第二能量参数之间的数值关系，若数值关系表征第一能量参数大于第二能量参数，确定佩戴者发出了声音信号。
72.在步骤s101中，由于入耳式耳机的结构特性，能够从分别从佩戴者的耳道中和佩戴者所处的环境中分别获取语音信号。图2是根据一示例性实施例示出的入耳式tws耳机的结构示意图，如图2所示，入耳式耳机的声学元器件主要包括前馈麦克风1、反馈麦克风2和通话麦克风3。其中，前馈麦克风1置于佩戴者的耳廓外部，能够获取佩戴者所处的环境的声音信号。反馈麦克风2置于佩戴者的耳道内侧，能够获取佩戴者耳道中的声音信号。通话麦克风3置于耳机柄，能够获取佩戴者的声音信号，以执行对佩戴者声音信号的相关操作。从如图2所示的耳机的反馈麦克风中获取第一语音信号，用来表征佩戴者耳道中的声音信号，从前馈麦克风中获取第二语音信号，用来表征佩戴者所处的环境中的声音信号。需要说明的是，除了图2中示出的是无线入耳式耳机外，有线入耳式耳机上只要设置有前馈麦克风和反馈麦克风就可以使用本公开中的语音检测方法。
73.需要说明的是，由于本公开是为了判断耳机佩戴者是否发出了声音信号，因此当佩戴者在佩戴耳机播放音乐或者视频等时，需要使用回声消除算法去除音乐或者视频声音信号的干扰，从所获取的声音信号中提取出人声信号作为获取到的语音信号。另外，为了保证提取到的语音信号的清晰度，可以在提取到语音信号之后对其进行降噪处理。
74.在步骤s102中，用户在不佩戴入耳式tws耳机时，发出的声音信号会通过骨骼传到耳朵中，再经过耳道扩散到耳外，但是在佩戴入耳式耳机时，声音信号通过骨骼传到耳朵后会被耳机堵在耳朵中，并且耳朵中的声音信号会得到加强，因此，当用户佩戴入耳式耳机时，从耳道获取的佩戴者的声音信号的能量会比从耳外获取的佩戴者的声音信号的能量大，这种现象被称为闭塞效应。由于只有在频段为200hz～500hz区间内才会产生闭塞效应，将闭塞效应产生的频率区间确定为预设频段，预设频段为200hz～500hz，预设频段中包括起始频率点200hz和终止频率点500hz。获取第一语音信号在预设频段中的第一能量参数，以及第二语音信号在预设频段中的第二能量参数，第一能量参数和第二能量参数为能够反映第一语音信号和第二语音信号在预设频段中的能量特征的参数，可以包括预设频段中特殊频率点对应的语音信号的能量值，以及预设频段中平均能量值，例如语音信号在预设频段中起始频率点和终止频率点的能量值。
75.在步骤s103中，由于在预设频段中闭塞效应的产生，当用户佩戴入耳式耳机说话时，一部分声音信号会通过骨骼传导至耳道内并得到加强，因此，耳道内的声音信号的能量要比耳外环境中的声音信号的能量大，即第一语音信号的第一能量参数要大于第二语音信号的第二能量参数。在获得第一能量参数和第二能量参数后，计算获得第一能量参数和第二能量参数之间的数值关系，数值关系的方式可以是任意能够表征第一能量参数和第二能
量参数之间大小的数值关系，例如通过数值大小或者通过差值正负或者其他复合运算。如果第一能量参数和第二能量参数之间的数值关系表征第一能量参数大于第二能量参数，则说明佩戴者在佩戴耳机说话，即佩戴者发出了声音信号。
76.在本公开示例性的实施例中，用户佩戴入耳式耳机时，分别从佩戴者的耳道中获取第一语音信号，从佩戴者所处的环境中获取第二语音信号，选取闭塞效应产生的频率区间作为预设频段，获得第一语音信号在预设频段中的第一能量参数，以及第二语音信号在预设频段中的第二能量参数，获得第一能量参数和第二能量参数之间的数值关系，如果数值关系表征第一能量参数大于第二能量参数，则确定佩戴者发出了声音信号。在不需要额外传感器硬件，并且不需要耳机组成麦克风阵列的前提下，能够避免外界环境声音的干扰，准确判断出耳机佩戴者是否发出了声音信号。
77.在本公开示例性的实施例中，步骤s102中获得第一语音信号在预设频段中的第一能量参数包括：
78.获取第一语音信号的第一起始能量值、第一终止能量值和第一平均能量值，其中，第一起始能量值表示第一语音信号在起始频率点的能量值，第一终止能量值表示第一语音信号在终止频率点的能量值，第一平均能量值表示第一语音信号在预设频段中的平均能量值。
79.预设频段包括起始频率点和终止频率点，预设频段为200hz～500hz时，起始频率点为200hz，终止频率点为500hz。第一能量参数包括第一起始能量值、第一终止能量值和第一平均能量值。第一起始能量值为第一语音信号在预设频段的起始频率点的能量，起始频率点为200hz时，第一起始能量值记为a
200hz
；第一终止能量值为第一语音信号在预设频段的终止频率点的能量，终止频率点为500hz时，第一终止能量值记为a
500hz
；第一平均能量值为第一语音信号在预设频段中的平均能量，预设频段为200hz～500hz时，第一平均能量的计算方式可以根据实际需求设定，可以是预设频段内每个频点的能量和的平均值，也可以是预设频段内预设多个频点的能量和的平均值，第一平均能量值记为a
200hz～500hz
。
80.在一实施方式中，通过以下方式获得第一语音信号在预设频段中的第一平均能量值：
81.在预设频段中，每间隔第一预设频率差值设置第一参考频率点，预设频段包含多个第一参考频率点；
82.分别获得第一语音信号中针对每个第一参考频率点的第一参考能量值；
83.对每个第一参考能量值求和后取平均值作为第一平均能量值。
84.在预设频段中，每间隔第一预设频率差值设置第一参考频率点，第一预设频率差值可以根据实际需求设定，预设频段包含多个第一参考频率点，第一预设频率差值的取值越大，第一参考频率点越多，计算量越大，准确性越高。获得多个第一参考频率点后，分别获得第一语音信号中针对每个第一参考频率点的第一参考能量值，并对每个第一参考能量值求和后取平均值作为第一平均能量值。
85.当预设频段为200hz～500hz时，例如第一预设频率差值为60hz，则预设频段内包括5个第一参考频率点，其对应的第一参考能量值分别记为e11、e12、e13、e14、e15，则第一平均能量值a
200hz～500hz
＝(e11+e12+e13+e14+e15)/5。
86.在本公开示例性的实施例中，步骤s102中获得第二语音信号在预设频段中的第二
能量参数包括：
87.获取第二语音信号的第二起始能量值、第二终止能量值和第二平均能量值，其中，第二起始能量值表示第二语音信号在起始频率点的能量值，第二终止能量值表示第二语音信号在终止频率点的能量值，第二平均能量值表示第二语音信号在预设频段中的平均能量值。
88.预设频段为200hz～500hz时，起始频率点为200hz，终止频率点为500hz。第二能量参数包括第二起始能量值、第二终止能量值和第二平均能量值。第二起始能量值为第二语音信号在预设频段的起始频率点的能量，起始频率点为200hz时，第二起始能量值记为b
200hz
；第二终止能量值为第二语音信号在预设频段的终止频率点的能量，终止频率点为500hz时，第二终止能量值记为b
500hz
；第二平均能量值为第二语音信号在预设频段中的平均能量，预设频段为200hz～500hz时，第二平均能量的计算方式可以根据实际需求设定，可以是预设频段内每个频点的能量和的平均值，也可以是预设频段内预设多个频点的能量和的平均值，第二平均能量值记为b
200hz～500hz
。
89.在一实施方式中，通过以下方式获得第二语音信号在预设频段中的第二平均能量值：
90.在预设频段中，每间隔第二预设频率差值设置第二参考频率点，预设频段包含多个第二参考频率点；
91.分别获得第二语音信号中针对每个第二参考频率点的第二参考能量值；
92.对每个第二参考能量值求和后取平均值作为第二平均能量值。
93.在预设频段中，每间隔第二预设频率差值设置第二参考频率点，第二预设频率差值可以根据实际需求设定，预设频段包含多个第二参考频率点，第二预设频率差值的取值越大，第二参考频率点越多，计算量越大，准确性越高。获得多个第二参考频率点后，分别获得第二语音信号中针对每个第二参考频率点的第二参考能量值，并对每个第二参考能量值求和后取平均值作为第二平均能量值。
94.当预设频段为200hz～500hz时，例如第二预设频率差值为60hz，则预设频段内包括5个第二参考频率点，其对应的第二参考能量值分别记为e21、e22、e23、e24、e25，则第二平均能量值b
200hz～500hz
＝(e21+e22+e23+e24+e25)/5。
95.在本公开示例性的实施例中，步骤s103中获得第一能量参数和第二能量参数之间的数值关系的方法包括：
96.获取第一能量差值、第二能量差值和平均能量差值，其中，第一能量差值表示第一起始能量值与第二起始能量值的能量差值，第二能量差值表示第一终止能量值与第二终止能量值的能量差值，平均能量差值表示第一平均能量值与第二平均能量值的能量差值。
97.获得第一起始能量值与第二起始能量值的第一能量差值，第一起始能量值记为a
200hz
，第二起始能量值记为b
200hz
，第一能量差值记为δ1，则δ1＝a
200hz-b
200hz
；获得第一终止能量值与第二终止能量值的第二能量差值，第一终止能量值记为a
500hz
，第二终止能量值记为b
500hz
，第二能量差值记为δ2，则δ2＝a
500hz-b
500hz
；获得第一平均能量值与第二平均能量值的平均能量差值，第一平均能量值记为a
200hz～500hz
，第二平均能量值记为b
200hz～500hz
，平均能量差值记为δ，则δ＝a
200hz～500hz-b
200hz～500hz
。
98.在本公开示例性的实施例中，步骤s103中根据第一能量参数和第二能量参数的数
值关系确定佩戴者是否发出声音信号时包括以下两种情况：
99.第一种：若第一能量差值大于第二能量差值，并且平均能量差值大于预设参考值，确定佩戴者发出了声音信号；
100.第二种：若第一能量差值小于或等于第二能量差值，和/或，平均能量差值小于或等于预设参考值，确定佩戴者没有发出声音信号。
101.预设参考值记为f，具体取值可以根据实际需求确定，例如为6db。如果第一能量差值δ1大于第二能量差值δ2，并且平均能量差值δ大于预设参考值f，则确定佩戴者发出了声音信号，即当满足(a
200hz-b
200hz
)》(a
500hz-b
500hz
)，且(a
200hz～500hz-b
200hz～500hz
)》f时，确定佩戴者发出了声音信号。在确定佩戴者发出了声音信号后，可以开启声音透传功能或者语音识别功能，采集佩戴者的语音信息，并根据采集到的语音信息执行相应的指令。如果第一能量差值δ1小于或等于第二能量差值δ2，和/或，平均能量差值δ小于或等于预设参考值f，确定佩戴者没有发出声音信号，即当不满足(a
200hz-b
200hz
)》(a
500hz-b
500hz
)和(a
200hz～500hz-b
200hz～500hz
)》f中任一条件时，确定佩戴者没有发出声音信号。在确定佩戴者没有发出声音信号时，耳机保持当前的语音信号接收状态，并实时检测佩戴者是否发出声音信号。
102.本公开示例性的实施例中，提供一种语音检测装置，应用于入耳式耳机。图3是根据一示例性实施例示出的一种语音检测装置框图，如图3所示，语音检测装置包括：
103.获取模块301，被配置为获取第一语音信号和第二语音信号，其中，第一语音信号为从佩戴者的耳道中获取的声音信号，第二语音信号为从佩戴者所处的环境中获取的声音信号；
104.计算模块302，被配置为获取第一能量参数和第二能量参数，第一能量参数表示第一语音信号在预设频段中的能量值，第二能量参数表示第二语音信号在预设频段中的能量值，其中，预设频段为闭塞效应产生的频率区间；
105.确定模块303，被配置为获得第一能量参数和第二能量参数之间的数值关系，若数值关系表征第一能量参数大于第二能量参数，确定佩戴者发出了声音信号。
106.在一示例性实施例中，预设频段包括起始频率点和终止频率点；
107.计算模块302还被配置为：
108.获取第一语音信号的第一起始能量值、第一终止能量值和第一平均能量值，其中，第一起始能量值表示第一语音信号在起始频率点的能量值，第一终止能量值表示第一语音信号在终止频率点的能量值，第一平均能量值表示第一语音信号在预设频段中的平均能量值；
109.计算模块302还被配置为：
110.获取第二语音信号的第二起始能量值、第二终止能量值和第二平均能量值，其中，第二起始能量值表示第二语音信号在起始频率点的能量值，第二终止能量值表示第二语音信号在终止频率点的能量值，第二平均能量值表示第二语音信号在预设频段中的平均能量值。
111.在一示例性实施例中，计算模块302还被配置为：
112.在预设频段中，每间隔第一预设频率差值设置第一参考频率点，预设频段包含多个第一参考频率点；
113.分别获得第一语音信号中针对每个第一参考频率点的第一参考能量值；
114.对每个第一参考能量值求和后取平均值作为第一平均能量值；
115.计算模块302还被配置为：
116.在预设频段中，每间隔第二预设频率差值设置第二参考频率点，预设频段包含多个第二参考频率点；
117.分别获得第二语音信号中针对每个第二参考频率点的第二参考能量值；
118.对每个第二参考能量值求和后取平均值作为第二平均能量值。
119.在一示例性实施例中，确定模块303还被配置为：
120.获取第一能量差值、第二能量差值和平均能量差值，其中，第一能量差值表示第一起始能量值与第二起始能量值的能量差值，第二能量差值表示第一终止能量值与第二终止能量值的能量差值，平均能量差值表示第一平均能量值与第二平均能量值的能量差值；
121.根据第一能量差值、第二能量差值和平均能量差值，确定佩戴者发出了声音信号。
122.在一示例性实施例中，确定模块303还被配置为：
123.若第一能量差值大于第二能量差值，并且平均能量差值大于预设参考值，确定佩戴者发出了声音信号。
124.在一示例性实施例中，确定模块303还被配置为：
125.若第一能量差值小于或等于第二能量差值，和/或，平均能量差值小于或等于预设参考值，确定佩戴者没有发出声音信号。
126.在一示例性实施例中，预设频段为200hz～300hz。
127.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
128.本公开还提供了一种耳机，耳机包括处理器，用于存储处理器的可执行指令的存储器，处理器被配置为执行如本公开实施例中示出的语音检测方法。
129.图4是根据一示例性实施例示出的一种语音检测装置400的框图。
130.参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(i/o)的接口412，传感器组件414，以及通信组件416。
131.处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
132.存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
133.电源组件406为装置400的各种组件提供电源。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
134.多媒体组件408包括在装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
135.音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(mic)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
136.i/o接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
137.传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
138.通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件416还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
139.在示例性实施例中，装置400可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
140.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述语音检测方法。例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
141.一种非临时性计算机可读存储介质，当存储介质中的指令由装置的处理器执行时，使得装置能够执行上述实施例中的语音检测方法。
142.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其
它实施方案。本技术旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
143.应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。