[發(fā)明專利]基于人工智能的語音喚醒方法和裝置

有效

• 申請?zhí)枺?/td>: 201611111477.2
• 申請日: 2016-12-02
• 公開（公告）號(hào): CN106611597B
• 公開（公告）日: 2019-11-08
• 發(fā)明（設(shè)計(jì)）人: 唐立亮
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/08;G10L15/22;G10L15/26
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

1.一種基于人工智能的語音喚醒方法，其特征在于，包括以下步驟：

獲取自定義喚醒詞對應(yīng)的發(fā)音信息；

獲取所述發(fā)音信息對應(yīng)的近似發(fā)音信息；

根據(jù)預(yù)設(shè)的垃圾詞列表、所述發(fā)音信息和所述近似發(fā)音信息構(gòu)建喚醒詞識(shí)別網(wǎng)絡(luò)，以根據(jù)所述喚醒詞識(shí)別網(wǎng)絡(luò)對用戶輸入的語音進(jìn)行識(shí)別，并根據(jù)識(shí)別結(jié)果確定是否執(zhí)行喚醒操作；

其中，在根據(jù)所述喚醒詞識(shí)別網(wǎng)絡(luò)對用戶輸入的語音進(jìn)行識(shí)別之前，還包括：

根據(jù)所述自定義喚醒詞構(gòu)建線性解碼網(wǎng)絡(luò)；

利用所述自定義喚醒詞的示例語音在所述線性解碼網(wǎng)絡(luò)上做強(qiáng)制對齊，得到所述線性解碼網(wǎng)絡(luò)對應(yīng)的似然得分總和；

所述根據(jù)所述喚醒詞識(shí)別網(wǎng)絡(luò)對用戶輸入的語音進(jìn)行識(shí)別，包括：

提取所述語音的聲學(xué)特征；

根據(jù)預(yù)設(shè)的聲學(xué)模型對所述聲學(xué)特征進(jìn)行分析，得到所述語音對應(yīng)的N個(gè)狀態(tài)及所述N個(gè)狀態(tài)的似然得分，其中，N為正整數(shù)；

如果第i個(gè)狀態(tài)屬于所述自定義喚醒詞對應(yīng)的狀態(tài)集合，則根據(jù)所述似然得分總和對所述第i個(gè)狀態(tài)的似然得分進(jìn)行修正，其中，i為不大于N的正整數(shù)；

根據(jù)所述N個(gè)狀態(tài)修正后的似然得分，基于所述喚醒詞識(shí)別網(wǎng)絡(luò)，采用維特比算法對所述語音進(jìn)行識(shí)別。

2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)的垃圾詞列表、所述發(fā)音信息和所述近似發(fā)音信息構(gòu)建喚醒詞識(shí)別網(wǎng)絡(luò)，包括：

根據(jù)所述垃圾詞列表和所述自定義喚醒詞中預(yù)設(shè)詞語的發(fā)音信息生成第一發(fā)音信息；

根據(jù)所述垃圾詞列表、所述自定義喚醒的發(fā)音信息、所述第一發(fā)音信息和所述近似發(fā)音信息構(gòu)建所述喚醒詞識(shí)別網(wǎng)絡(luò)。

3.如權(quán)利要求1所述的方法，其特征在于，在根據(jù)所述喚醒詞識(shí)別網(wǎng)絡(luò)對用戶輸入的語音進(jìn)行識(shí)別之前，還包括：

根據(jù)所述自定義喚醒詞的發(fā)音信息確定所述自定義喚醒詞對應(yīng)的音素?cái)?shù)量；

根據(jù)所述音素?cái)?shù)量對預(yù)設(shè)的語音識(shí)別過程中使用的第一活躍路徑數(shù)量進(jìn)行調(diào)整，得到第二活躍路徑數(shù)量；

所述根據(jù)所述N個(gè)狀態(tài)修正后的似然得分，基于所述喚醒詞識(shí)別網(wǎng)絡(luò)，采用維特比算法對所述語音進(jìn)行識(shí)別，包括：

根據(jù)所述N個(gè)狀態(tài)修正后的似然得分和所述第二活躍路徑數(shù)量，從所述喚醒詞識(shí)別網(wǎng)絡(luò)中選取最優(yōu)識(shí)別路徑，得到所述語音的識(shí)別結(jié)果。

4.如權(quán)利要求1或3所述的方法，其特征在于，在根據(jù)所述喚醒詞識(shí)別網(wǎng)絡(luò)對用戶輸入的語音進(jìn)行識(shí)別之前，還包括：

獲取所述自定義喚醒詞的文本長度信息，并獲取所述自定義喚醒詞的發(fā)音得分；

根據(jù)所述文本長度信息、所述發(fā)音得分和所述似然得分總和，對預(yù)設(shè)的第一置信度閾值進(jìn)行調(diào)整，得到第二置信度閾值；

所述根據(jù)識(shí)別結(jié)果確定是否執(zhí)行喚醒操作，包括：

獲取所述識(shí)別結(jié)果的置信度；

如果所述置信度大于所述第二置信度閾值，則執(zhí)行喚醒操作；

如果所述置信度不大于所述第二置信度閾值，則拒絕執(zhí)行喚醒操作。

5.如權(quán)利要求4所述的方法，其特征在于，所述獲取所述自定義喚醒詞的發(fā)音得分，包括：

查詢預(yù)先建立的喚醒詞概率分布表，得到所述自定義喚醒詞對應(yīng)的各個(gè)音節(jié)的發(fā)音得分。

6.如權(quán)利要求5所述的方法，其特征在于，所述喚醒詞概率分布表通過以下步驟建立：

對于每個(gè)音節(jié)，統(tǒng)計(jì)字庫中發(fā)音包括所述音節(jié)的字符的第一數(shù)量，并統(tǒng)計(jì)預(yù)設(shè)文本數(shù)據(jù)集合中發(fā)音包括所述音節(jié)的字符的第二數(shù)量，并統(tǒng)計(jì)與所述音節(jié)具有相似發(fā)音的音節(jié)的第三數(shù)量；

根據(jù)每個(gè)音節(jié)對應(yīng)的所述第一數(shù)量、所述第二數(shù)量和所述第三數(shù)量計(jì)算相應(yīng)音節(jié)的喚醒詞概率發(fā)音得分，建立所述喚醒詞概率分布表。