[發(fā)明專利]一種語音喚醒方法、裝置以及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201710514348.6
• 申請(qǐng)日: 2017-06-29
• 公開（公告）號(hào): CN107358951A
• 公開（公告）日: 2017-11-17
• 發(fā)明（設(shè)計(jì)）人: 王志銘;周俊;李小龍
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/26;G10L15/16;G10L15/06
• 代理公司: 北京晉德允升知識(shí)產(chǎn)權(quán)代理有限公司11623
• 代理人: 周莉娜

1.一種語音喚醒方法，包括：

語音數(shù)據(jù)被輸入到利用通用的語音數(shù)據(jù)訓(xùn)練的語音喚醒模型，所述語音喚醒模型輸出用于確定是否進(jìn)行語音喚醒的結(jié)果，其中，所述語音喚醒模型包含深度神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義時(shí)間分類器。

2.如權(quán)利要求1所述的方法，所述通用的語音數(shù)據(jù)包括：大詞匯表連續(xù)語音識(shí)別LVCSR語料庫。

3.如權(quán)利要求1所述的方法，利用所述通用的語音數(shù)據(jù)訓(xùn)練所述語音喚醒模型包括：

利用所述通用的語音數(shù)據(jù)，采用異步隨機(jī)梯度下降法，對(duì)所述語音喚醒模型中的參數(shù)進(jìn)行迭代優(yōu)化直至訓(xùn)練收斂。

4.如權(quán)利要求3所述的方法，所述方法還包括：

獲取特定關(guān)鍵詞的語音數(shù)據(jù)；

利用所述特定關(guān)鍵詞的語音數(shù)據(jù)，對(duì)所述語音喚醒模型進(jìn)行訓(xùn)練，其中，所述訓(xùn)練所使用的學(xué)習(xí)率小于利用所述通用的語音數(shù)據(jù)對(duì)所述語音喚醒模型訓(xùn)練時(shí)所使用的學(xué)習(xí)率。

5.如權(quán)利要求3所述的方法，所述方法還包括：

在所述訓(xùn)練中，采用驗(yàn)證數(shù)據(jù)集對(duì)所述語音喚醒模型進(jìn)行交叉驗(yàn)證，以確定訓(xùn)練是否收斂。

6.如權(quán)利要求1所述的方法，所述語音喚醒模型輸出用于確定是否進(jìn)行語音喚醒的結(jié)果，具體包括：

從輸入的所述語音數(shù)據(jù)中提取聲學(xué)特征；

將所述聲學(xué)特征輸入所述語音喚醒模型包含的所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，得到所述聲學(xué)特征分別對(duì)應(yīng)于各發(fā)音音素的類屬概率；

將所述類屬概率輸入所述語音喚醒模型包含的所述聯(lián)結(jié)主義時(shí)間分類器進(jìn)行處理，得到語音喚醒詞對(duì)應(yīng)發(fā)音音素序列的置信分?jǐn)?shù)；

根據(jù)所述置信分?jǐn)?shù)作出是否喚醒的判斷，以及輸出判斷結(jié)果。

7.如權(quán)利要求6所述的方法，所述從輸入的所述語音數(shù)據(jù)中提取聲學(xué)特征，具體包括：

按照指定的時(shí)間間隔，從窗口中提取輸入的所述語音數(shù)據(jù)的聲學(xué)特征幀，每個(gè)所述聲學(xué)特征幀為多維取對(duì)數(shù)濾波器組能量；

分別將相鄰的多個(gè)所述聲學(xué)特征幀進(jìn)行堆疊；

分別將所述堆疊后的聲學(xué)特征幀作為從所述監(jiān)聽到的語音中提取出的聲學(xué)特征。

8.一種語音喚醒裝置，包括：輸入模塊、語音喚醒模型；

語音數(shù)據(jù)被所述輸入模塊輸入到利用通用的語音數(shù)據(jù)訓(xùn)練的所述語音喚醒模型，所述語音喚醒模型輸出用于確定是否進(jìn)行語音喚醒的結(jié)果，其中，所述語音喚醒模型包含深度神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義時(shí)間分類器。

9.如權(quán)利要求8所述的裝置，所述通用的語音數(shù)據(jù)包括：大詞匯表連續(xù)語音識(shí)別LVCSR語料庫。

10.如權(quán)利要求8所述的裝置，所述裝置還包括訓(xùn)練模塊；

所述訓(xùn)練模塊利用所述通用的語音數(shù)據(jù)訓(xùn)練所述語音喚醒模型包括：

所述訓(xùn)練模塊利用所述通用的語音數(shù)據(jù)，采用異步隨機(jī)梯度下降法，對(duì)所述語音喚醒模型中的參數(shù)進(jìn)行迭代優(yōu)化直至訓(xùn)練收斂。

11.如權(quán)利要求10所述的裝置，所述訓(xùn)練模塊還獲取特定關(guān)鍵詞的語音數(shù)據(jù)；

利用所述特定關(guān)鍵詞的語音數(shù)據(jù)，對(duì)所述語音喚醒模型進(jìn)行訓(xùn)練，其中，所述訓(xùn)練所使用的學(xué)習(xí)率小于利用所述通用的語音數(shù)據(jù)對(duì)所述語音喚醒模型訓(xùn)練時(shí)所使用的學(xué)習(xí)率。

12.如權(quán)利要求10所述的裝置，所述訓(xùn)練模塊還在所述訓(xùn)練中，采用驗(yàn)證數(shù)據(jù)集對(duì)所述語音喚醒模型進(jìn)行交叉驗(yàn)證，以確定訓(xùn)練是否收斂。

13.如權(quán)利要求8所述的裝置，所述語音喚醒模型輸出用于確定是否進(jìn)行語音喚醒的結(jié)果，具體包括：

所述語音喚醒模型從輸入的所述語音數(shù)據(jù)中提取聲學(xué)特征；

將所述聲學(xué)特征輸入所述語音喚醒模型包含的所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，得到所述聲學(xué)特征分別對(duì)應(yīng)于各發(fā)音音素的類屬概率；

將所述類屬概率輸入所述語音喚醒模型包含的所述聯(lián)結(jié)主義時(shí)間分類器進(jìn)行處理，得到語音喚醒詞對(duì)應(yīng)發(fā)音音素序列的置信分?jǐn)?shù)；

根據(jù)所述置信分?jǐn)?shù)作出是否喚醒的判斷，以及輸出判斷結(jié)果。