[發(fā)明專利]多設(shè)備上的熱詞檢測

在審

• 申請?zhí)枺?/td>: 201780052132.0
• 申請日: 2017-08-02
• 公開（公告）號: CN109791763A
• 公開（公告）日: 2019-05-21
• 發(fā)明（設(shè)計）人: D.M.卡薩多;A.H.格倫斯坦;J.N.弗斯特
• 申請（專利權(quán)）人: 谷歌有限責(zé)任公司
• 主分類號: G10L15/22
• 分類號: G10L15/22
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 邵亞麗

公開了用于在多個設(shè)備上進(jìn)行熱詞檢測的方法、系統(tǒng)和裝置，包括編碼在計算機(jī)存儲介質(zhì)上的計算機(jī)程序。當(dāng)用戶說出熱詞時，在多于一個設(shè)備在用戶附近的情況下，本說明書中描述的主題的創(chuàng)新方面減少了計算資源的使用。在一個方面，一種方法包括接收與話語對應(yīng)的音頻數(shù)據(jù)的動作。動作還包括確定話語可能包含特定的預(yù)定義熱詞。動作還包括發(fā)送(i)指示計算設(shè)備可能接收到特定的預(yù)定義熱詞的數(shù)據(jù)，(ii)標(biāo)識計算設(shè)備的數(shù)據(jù)，以及(iii)標(biāo)識一組附近的計算設(shè)備的數(shù)據(jù)。動作還包括接收開始語音識別的指令。動作還包括使用計算設(shè)備上的自動語音識別器處理音頻數(shù)據(jù)的至少一部分。

相關(guān)申請的交叉引用

本申請要求2016年8月24日提交的美國臨時申請No.62/378,869和2016年9月28日提交的美國申請No.15/278,269的權(quán)益，通過引用將上述申請的內(nèi)容結(jié)合于此。

技術(shù)領(lǐng)域

本說明書總體涉及自動語音識別。

背景技術(shù)

啟用語音(speech-enabled)的家庭或其他環(huán)境——即，用戶僅需要大聲說出查詢或命令而后基于計算機(jī)的系統(tǒng)將登場并回答查詢和/或使得命令被執(zhí)行的環(huán)境——離我們越來越近。可以使用遍布在各個房間或環(huán)境的各個區(qū)域中的連接的麥克風(fēng)設(shè)備的網(wǎng)絡(luò)來實現(xiàn)啟用語音的環(huán)境(例如，家庭、工作場所、學(xué)校等)。通過這樣的麥克風(fēng)網(wǎng)絡(luò)，用戶能夠基本上從環(huán)境中的任何地方口頭查詢系統(tǒng)，而無需在他/她面前或甚至附近有計算機(jī)或其他設(shè)備。例如，當(dāng)在廚房中烹飪時，用戶可能會詢問系統(tǒng)“三杯有多少毫升？”，并且作為響應(yīng)，用戶從系統(tǒng)接收回答，例如以合成語音的形式輸出。替代地，用戶可以詢問系統(tǒng)問題，例如“我最近的加油站何時關(guān)閉”，或者在準(zhǔn)備離開房屋時，“我今天應(yīng)該穿上大衣嗎？”。

此外，用戶可以詢問對系統(tǒng)的查詢，和/或發(fā)出與用戶的個人信息有關(guān)的命令。例如，用戶可以詢問系統(tǒng)“我何時與約翰見面？”或命令系統(tǒng)“提醒我回家后給約翰打電話”。

發(fā)明內(nèi)容

對于啟用語音的系統(tǒng)，用戶與系統(tǒng)交互的方式被設(shè)計為主要(如果不是排他地)通過語音輸入。因此，潛在地拾取在周圍環(huán)境中發(fā)出的所有話語(包括那些不針對系統(tǒng)的話語)的系統(tǒng)，可以有某種方式來辨別何時任何給定的話語是針對系統(tǒng)，而不是例如針對存在于環(huán)境中的個人。實現(xiàn)這的一種方式是使用熱詞，其通過環(huán)境中的用戶之間的協(xié)議被保留作為預(yù)定的詞語，其被說出以引起系統(tǒng)的注意。在示例環(huán)境中，用于引起系統(tǒng)注意的熱詞是詞語“OK計算機(jī)”。因此，每次說出詞語“OK計算機(jī)”時，它都會被麥克風(fēng)拾取，傳送到系統(tǒng)，系統(tǒng)可以執(zhí)行語音識別技術(shù)或使用音頻特征和神經(jīng)網(wǎng)絡(luò)來確定是否說出了熱詞，并且如果是，則等待隨后的命令或查詢。因此，針對系統(tǒng)的話語采用[熱詞(HOTWORD)][查詢(QUERY)]的一般形式，其中“熱詞”在這個例子中是“OK計算機(jī)”，而“查詢”可以是任何問題、命令、聲明或可以被語音識別、解析和系統(tǒng)(單獨或經(jīng)由網(wǎng)絡(luò)與服務(wù)器一起)據(jù)此行事的其他請求。

本文描述的主題的創(chuàng)新方面涉及用于多設(shè)備上的熱詞檢測的方法、系統(tǒng)和裝置，包括編碼在計算機(jī)存儲介質(zhì)上的計算機(jī)程序。各種實施方式被配置成使得當(dāng)用戶說出熱詞時，在多于一個設(shè)備在用戶附近的情況下，減少了計算資源的使用。

本說明書中描述的主題的創(chuàng)新方面可以體現(xiàn)在包括以下動作的方法中：由計算設(shè)備接收與話語對應(yīng)的音頻數(shù)據(jù)；確定話語可能包含特定的預(yù)定義熱詞；響應(yīng)于確定話語可能包含特定的預(yù)定義熱詞，向服務(wù)器發(fā)送：(i)指示計算設(shè)備可能接收到特定的預(yù)定義熱詞的數(shù)據(jù)，(ii)標(biāo)識計算設(shè)備的數(shù)據(jù)，以及(iii)標(biāo)識包括計算設(shè)備的一組附近的計算設(shè)備的數(shù)據(jù)；從服務(wù)器接收開始對音頻數(shù)據(jù)進(jìn)行語音識別處理的指令；以及響應(yīng)于接收開始對音頻數(shù)據(jù)進(jìn)行語音識別處理的指令，使用計算設(shè)備上的自動語音識別器處理音頻數(shù)據(jù)的至少一部分。