[發明專利]語音搜索結果的處理方法和處理裝置

在審

• 申請號: 201710822725.2
• 申請日: 2017-09-13
• 公開（公告）號: CN107610706A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 蔣兵;馬嘯空
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/02;G10L17/04;G10L21/02;G10L25/24;G10L25/84
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司11204
• 代理人: 王達佐,馬曉亞

1.一種語音搜索結果的處理方法，其特征在于，所述方法包括：

接收用戶輸入的語音信息，并提取所述語音信息的聲學特征；

基于所述聲學特征，提取所述語音信息的辨識矢量i-vector特征；

將所述i-vector特征在預先訓練的判別模型中進行識別，其中，所述判別模型用于識別所述語音信息所對應的用戶的身份信息；

基于所述判別模型的識別結果，對獲取到的與所述語音信息相關的搜索結果進行處理。

2.根據權利要求1所述的方法，其特征在于，所述聲學特征包括梅爾頻率倒譜系數特征，以及

所述基于所述聲學特征，提取所述語音信息的辨識矢量i-vector特征，包括：

對于提取到的梅爾頻率倒譜系數特征中的每一特征分量，計算該特征分量在預先構建的高斯混合模型中的后驗概率，并獲取該特征分量在所述高斯混合模型中的各階統計量；

根據所述梅爾頻率倒譜系數特征的各特征分量的各階統計量，提取所述語音信息的i-vector特征。

3.根據權利要求2所述的方法，其特征在于，所述根據所述梅爾頻率倒譜系數特征的各特征分量的各階統計量，提取所述語音信息的i-vector特征，包括：

響應于檢測到結束語音輸入的操作，則根據所述梅爾頻率倒譜系數特征的各特征分量的各階統計量，提取所述語音信息的i-vector特征。

4.根據權利要求1所述的方法，其特征在于，所述身份信息包括用于指示用戶是否為兒童的信息，以及所述方法還包括訓練判別模型的步驟，包括：

獲取不同年齡階段兒童的樣本語音；

對于每個年齡階段兒童的樣本語音，提取該樣本語音的i-vector特征，利用機器學習法，將該樣本語音的i-vector特征作為輸入，將用于指示該樣本語音所對應的用戶為兒童的身份信息作為輸出，訓練得到該年齡階段的童聲模型；

利用線性回歸學習法，基于不同年齡階段的童聲模型，生成判別模型。

5.根據權利要求4所述的方法，其特征在于，所述基于所述判別模型的識別結果，對獲取到的與所述語音信息相關的搜索結果進行處理，包括：

若所述判別模型識別出所述語音信息所對應的用戶的身份為兒童，則對獲取到的與所述語音信息相關的搜索結果的內容進行過濾處理，并將處理后的搜索結果發送給所述用戶。

6.根據權利要求1所述的方法，其特征在于，所述接收用戶輸入的語音信息，并提取所述語音信息的聲學特征，包括：

接收用戶輸入的語音信息，并對所述語音信息進行語音活動檢測，生成有效的語音信息；

提取所述有效的語音信息的聲學特征。

7.根據權利要求1-6之一所述的方法，其特征在于，所述方法還包括：

自檢測到啟動語音輸入的操作開始，確定所述用戶當前輸入的語音信息的時長是否大于預設時長；

若確定當前輸入的語音信息的時長大于預設時長，則向所述用戶發送提示信息。

8.一種語音搜索結果的處理裝置，其特征在于，所述裝置包括：

接收單元，配置用于接收用戶輸入的語音信息，并提取所述語音信息的聲學特征；

提取單元，配置用于基于所述聲學特征，提取所述語音信息的辨識矢量i-vector特征；

識別單元，配置用于將所述i-vector特征在預先訓練的判別模型中進行識別，其中，所述判別模型用于識別所述語音信息所對應的用戶的身份信息；

處理單元，配置用于基于所述判別模型的識別結果，對獲取到的與所述語音信息相關的搜索結果進行處理。

9.根據權利要求8所述的裝置，其特征在于，所述身份信息包括用于指示用戶是否為兒童的信息，以及所述裝置還包括訓練單元，配置用于：

獲取不同年齡階段兒童的樣本語音；

對于每個年齡階段兒童的樣本語音，提取該樣本語音的i-vector特征，利用機器學習法，將該樣本語音的i-vector特征作為輸入，將用于指示該樣本語音所對應的用戶為兒童的身份信息作為輸出，訓練得到該年齡階段的童聲模型；

利用線性回歸學習法，基于不同年齡階段的童聲模型，生成判別模型。