[發(fā)明專利]熱詞識(shí)別

有效

• 申請(qǐng)?zhí)枺?/td>: 201610825577.5
• 申請(qǐng)日: 2016-09-14
• 公開（公告）號(hào): CN107016999B
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計(jì)）人: 馬修·謝里菲;雅各布·尼古勞斯·弗爾斯特
• 申請(qǐng)（專利權(quán)）人: 谷歌有限責(zé)任公司
• 主分類號(hào): G10L17/08
• 分類號(hào): G10L17/08;G10L17/22;G10L15/22;G06F16/33
• 代理公司: 中原信達(dá)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11219
• 代理人: 周亞榮;安翔

本發(fā)明涉及熱詞識(shí)別。方法、系統(tǒng)以及裝置，包括編碼在計(jì)算機(jī)存儲(chǔ)介質(zhì)上的計(jì)算機(jī)程序，用于接收對(duì)應(yīng)于話語的音頻數(shù)據(jù)，確定所述音頻數(shù)據(jù)對(duì)應(yīng)于熱詞，生成被確定為對(duì)應(yīng)于所述熱詞的所述音頻數(shù)據(jù)的熱詞音頻指紋，將所述熱詞音頻指紋與先前被確定為對(duì)應(yīng)于所述熱詞的音頻數(shù)據(jù)的一個(gè)或多個(gè)所存儲(chǔ)的音頻指紋相比較，基于所述比較是否指示所述熱詞音頻指紋與先前被確定為對(duì)應(yīng)于所述熱詞的音頻數(shù)據(jù)的一個(gè)或多個(gè)所存儲(chǔ)的音頻指紋中的一個(gè)之間的相似度滿足預(yù)先確定的閾值，檢測(cè)所述熱詞音頻指紋是否匹配所存儲(chǔ)的音頻指紋，以及響應(yīng)于檢測(cè)到所述熱詞音頻指紋匹配所存儲(chǔ)的音頻指紋，禁止對(duì)向其說出了所述話語的計(jì)算設(shè)備的訪問。

相關(guān)申請(qǐng)的交叉引用

本申請(qǐng)要求于2015年10月16日提交的美國臨時(shí)專利申請(qǐng)?zhí)?2/242,650的權(quán)益，其內(nèi)容通過引用并入于此。

技術(shù)領(lǐng)域

本說明書一般地涉及語音識(shí)別。

背景技術(shù)

自動(dòng)語音識(shí)別是計(jì)算設(shè)備中使用的重要技術(shù)。電子設(shè)備的語音識(shí)別服務(wù)通常接收包括來自用戶的說出詞的發(fā)音話語，并且將該說出詞轉(zhuǎn)錄為文本。發(fā)音話語可以包括熱詞，即預(yù)先確定的保留詞，其使得系統(tǒng)或設(shè)備執(zhí)行對(duì)應(yīng)的動(dòng)作。

發(fā)明內(nèi)容

本公開的實(shí)施方式涉及熱詞識(shí)別，例如使用熱詞來經(jīng)由話音解鎖或啟用對(duì)移動(dòng)設(shè)備的訪問，并且抑制重放攻擊。重放攻擊是一種過程，未經(jīng)授權(quán)的用戶通過該過程捕捉由設(shè)備的所有者或授權(quán)的用戶說出的熱詞的音頻并且將其重放以便獲得對(duì)該設(shè)備的某種等級(jí)的未經(jīng)授權(quán)的訪問。根據(jù)本公開的實(shí)施方式，可以通過驗(yàn)證每個(gè)話語的獨(dú)特性來抑制熱詞或任何基于語音的重放攻擊。特別地，可以記錄并存儲(chǔ)針對(duì)特定設(shè)備或者針對(duì)特定用戶而識(shí)別的最近、最后N個(gè)或所有熱詞話語?？梢陨梢纛l指紋并且將其針對(duì)每個(gè)熱詞話語存儲(chǔ)，并且可以在從新的話語生成的音頻指紋之間執(zhí)行與每個(gè)先前記錄的音頻指紋的比較以檢查先前是否已經(jīng)使用指示重放的相同的話語音頻。此外，在某些實(shí)施方式中，其它信號(hào)，例如超聲波音頻注入和跨話語驗(yàn)證，可被用于進(jìn)一步限制重放攻擊的有效性。

在本說明書中所述的主題的一個(gè)創(chuàng)造性方面體現(xiàn)在包括以下動(dòng)作的方法中：接收對(duì)應(yīng)于話語的音頻數(shù)據(jù)；確定所述音頻數(shù)據(jù)對(duì)應(yīng)于熱詞；生成被確定為對(duì)應(yīng)于所述熱詞的所述音頻數(shù)據(jù)的熱詞音頻指紋；確定所述熱詞音頻指紋與先前被確定為對(duì)應(yīng)于所述熱詞的音頻數(shù)據(jù)的一個(gè)或多個(gè)所存儲(chǔ)的音頻指紋之間的相似度；基于所述熱詞音頻指紋與所述一個(gè)或多個(gè)所存儲(chǔ)的音頻指紋中的一個(gè)之間的所述相似度是否滿足預(yù)先確定的閾值，檢測(cè)所述熱詞音頻指紋是否與先前被確定為對(duì)應(yīng)于所述熱詞的音頻數(shù)據(jù)的所存儲(chǔ)的音頻指紋相匹配；以及響應(yīng)于檢測(cè)到所述熱詞音頻指紋與所存儲(chǔ)的音頻指紋相匹配，禁止對(duì)向其說出了所述話語的計(jì)算設(shè)備的訪問。

通常，在本說明書中所述的主題的另一方面體現(xiàn)在包括以下動(dòng)作的方法中：接收對(duì)應(yīng)于附加話語的附加音頻數(shù)據(jù)；使用所述附加音頻數(shù)據(jù)辨識(shí)說話者辨識(shí)d-向量；確定來自所述附加音頻數(shù)據(jù)的所述說話者辨識(shí)d-向量與來自對(duì)應(yīng)于所述話語的所述音頻數(shù)據(jù)的熱詞d-向量之間的相似度；基于來自對(duì)應(yīng)于所述話語的所述音頻數(shù)據(jù)的所述熱詞d-向量與來自所述附加音頻數(shù)據(jù)的所述說話者辨識(shí)d-向量之間的所述相似度是否滿足特定閾值，檢測(cè)對(duì)應(yīng)于所述熱詞的所述音頻數(shù)據(jù)是否匹配所述附加音頻數(shù)據(jù)；以及響應(yīng)于檢測(cè)到對(duì)應(yīng)于所述熱詞的所述音頻數(shù)據(jù)不匹配所述附加音頻數(shù)據(jù)，禁止對(duì)所述計(jì)算設(shè)備的訪問。

根據(jù)在本說明書中所述的主題的另一方面，所述熱詞可以是特定詞項(xiàng)，所述特定詞項(xiàng)觸發(fā)對(duì)跟在所述特定詞項(xiàng)之后的一個(gè)或多個(gè)詞項(xiàng)中的附加詞項(xiàng)的語義解釋。跟在所述特定詞項(xiàng)之后的一個(gè)或多個(gè)詞項(xiàng)中的附加詞項(xiàng)可以與查詢或命令相關(guān)聯(lián)。

在本說明書中所述的主題的另一方面可以體現(xiàn)在包括以下動(dòng)作的方法中：接收對(duì)應(yīng)于話音命令或查詢的附加音頻數(shù)據(jù)，以及確定所述話音命令或查詢的類型。此外，所述預(yù)先確定的閾值可以基于所述話音命令或查詢的所確定的類型來調(diào)整。