[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>: 201611248513.X
• 申請日: 2016-12-29
• 公開（公告）號: CN106653022B
• 公開（公告）日: 2020-06-23
• 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: G10L15/22
• 分類號: G10L15/22;G10L15/02;G10L15/06
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

本發(fā)明提出一種基于人工智能的語音喚醒方法和裝置，其中，方法包括：通過對各音素進(jìn)行聚類，以選取出用于指代全部音素的垃圾音素，以及根據(jù)預(yù)先設(shè)定的喚醒詞，構(gòu)建與所述喚醒詞相似的反喚醒詞之后，根據(jù)垃圾音素、反喚醒詞和喚醒詞構(gòu)建解碼網(wǎng)絡(luò)，從而可以利用該解碼網(wǎng)絡(luò)進(jìn)行語音喚醒。由于垃圾音素的數(shù)據(jù)量明顯少于垃圾詞的數(shù)據(jù)量，解決了現(xiàn)有技術(shù)中垃圾詞模型占用數(shù)據(jù)量過大的問題，同時(shí)，由于詞匯是由有限個(gè)音素所構(gòu)成的，因此，垃圾音素相較于垃圾詞也更能夠較為全面覆蓋全部詞匯提高了喚醒精度，減少誤喚醒的概率。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識別技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的語音喚醒方法和裝置。

背景技術(shù)

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等。其中，人工智能最重要的應(yīng)用方面就是語音識別技術(shù)。

而語音喚醒技術(shù)是語音識別技術(shù)中的重要方向之一，具體來說，語音喚醒技術(shù)是通過在終端處于待機(jī)狀態(tài)下，用戶說出特定的喚醒詞，對終端進(jìn)行喚醒，以激活系統(tǒng)，從而實(shí)現(xiàn)相應(yīng)的操作或服務(wù)。

在現(xiàn)有技術(shù)中，通常將喚醒詞和垃圾詞并聯(lián)形成一個(gè)解碼網(wǎng)絡(luò)，根據(jù)用戶語音的聲學(xué)特征，在解碼網(wǎng)絡(luò)中尋找最為匹配的識別結(jié)果，根據(jù)識別結(jié)果對終端進(jìn)行喚醒。在構(gòu)建垃圾詞時(shí)，若選擇的漢字量較少，就不能獲得較高的識別準(zhǔn)確，而若選擇的漢字量較多，又會導(dǎo)致數(shù)據(jù)量過大，占用設(shè)備存儲空間以及影響運(yùn)算效率。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個(gè)目的在于提出一種基于人工智能的語音喚醒方法，以通過利用垃圾音素構(gòu)建垃圾音素模型，解決現(xiàn)有技術(shù)中垃圾詞模型占用數(shù)據(jù)量過大的問題，同時(shí)，通過垃圾音素來表征全部的語音，提高了喚醒精度，減少誤喚醒的概率。

本發(fā)明的第二個(gè)目的在于提出一種基于人工智能的語音喚醒裝置。

本發(fā)明的第三個(gè)目的在于提出另一種基于人工智能的語音喚醒裝置。

本發(fā)明的第四個(gè)目的在于提出一種非臨時(shí)性計(jì)算機(jī)可讀存儲介質(zhì)。

本發(fā)明的第五個(gè)目的在于提出一種計(jì)算機(jī)程序產(chǎn)品。

為達(dá)上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于人工智能的語音喚醒方法，包括：

對各音素進(jìn)行聚類，以選取出用于指代全部音素的垃圾音素；

根據(jù)預(yù)先設(shè)定的喚醒詞，構(gòu)建與所述喚醒詞相似的反喚醒詞；

根據(jù)所述垃圾音素、所述反喚醒詞和所述喚醒詞構(gòu)建解碼網(wǎng)絡(luò)；

利用所述解碼網(wǎng)絡(luò)進(jìn)行語音喚醒。

本發(fā)明實(shí)施例的基于人工智能的語音喚醒方法，通過對各音素進(jìn)行聚類，以選取出用于指代全部音素的垃圾音素，以及根據(jù)預(yù)先設(shè)定的喚醒詞，構(gòu)建與所述喚醒詞相似的反喚醒詞之后，根據(jù)垃圾音素、反喚醒詞和喚醒詞構(gòu)建解碼網(wǎng)絡(luò)，從而可以利用該解碼網(wǎng)絡(luò)進(jìn)行語音喚醒。由于垃圾音素的數(shù)據(jù)量明顯少于垃圾詞的數(shù)據(jù)量，解決了現(xiàn)有技術(shù)中垃圾詞模型占用數(shù)據(jù)量過大的問題，同時(shí)，由于詞匯是由有限個(gè)音素所構(gòu)成的，因此，垃圾音素相較于垃圾詞也更能夠較為全面覆蓋全部詞匯提高了喚醒精度，減少誤喚醒的概率。

為達(dá)上述目的，本發(fā)明第二方面實(shí)施例提出了一種基于人工智能的語音喚醒裝置，包括：

第一選取模塊，用于對各音素進(jìn)行聚類，以選取出用于指代全部音素的垃圾音素；