[發明專利]語音處理方法、裝置、設備和存儲介質

有效

• 申請號: 201810090898.4
• 申請日: 2018-01-30
• 公開（公告）號: CN110097870B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 姚海濤
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/14;G10L15/22;G10L15/26
• 代理公司: 北京君以信知識產權代理有限公司 11789
• 代理人: 譚鎮

1.一種語音處理方法，其特征在于，包括：

對語音數據進行分析，得到一個或多個識別關鍵詞以及對應的置信度信息；

采用多個置信度分類器，對所述一個或多個識別關鍵詞進行多級的置信度驗證，在聲學維度上多級對應的級別包括關鍵詞、單字、句子和語音；

輸出通過多級驗證的最終關鍵詞；

所述采用多個置信度分類器，對所述一個或多個識別關鍵詞進行多級的置信度驗證，包括：

采用串行的置信度分類器和所述置信度信息，依次對所述識別關鍵詞進行各級置信度的驗證，所述串行的置信度分類器執行以下至少一種級別的置信度分析：關鍵詞級別的置信度分析、單字級別的置信度分析、句子級別的置信度分析、語音級別的置信度分析；

若所述識別關鍵詞在任一置信度分類器的置信度驗證未通過，則忽略所述識別關鍵詞；

將通過最后一個串行的置信度分類器的識別關鍵詞作為最終關鍵詞。

2.根據權利要求1所述的方法，其特征在于，所述對語音數據進行分析，得到一個或多個識別關鍵詞以及對應的置信度信息，包括：

提取語音數據的語音特征；

對所述語音特征進行分析，得到一個或多個識別關鍵詞以及對應的置信度信息。

3.根據權利要求2所述的方法，其特征在于，提取語音數據的語音特征，包括：

按照設定方式對所述語音數據進行特征提取，將提取的倒譜特征作為語音特征。

4.根據權利要求2所述的方法，其特征在于，所述對所述語音特征進行分析，得到一個或多個識別關鍵詞以及對應的置信度信息，包括：

按照聲學數據集合對所述語音特征進行識別，確定對應的聲學信息；

采用網絡數據集合對所述聲學信息進行處理，得到一個或多個識別關鍵詞以及對應的置信度信息。

5.根據權利要求1所述的方法，其特征在于，所述采用多個置信度分類器，對所述一個或多個識別關鍵詞進行多級的置信度驗證，還包括：

采用并行的置信度分類器和所述置信度信息，并行對所述識別關鍵詞進行各級置信度的驗證。

6.根據權利要求5所述的方法，其特征在于，所述采用各串行的置信度分類器和所述置信度信息，依次對所述識別關鍵詞進行各級置信度的驗證，包括：

將識別關鍵詞對應置信度信息按照級別依次采用所述串行的置信度分類器進行分析，確定所述識別關鍵詞的置信度驗證結果。

7.根據權利要求5所述的方法，其特征在于，所述采用各并行的置信度分類器和所述置信度信息，并行對所述識別關鍵詞進行各級置信度的驗證，包括：

將所述識別關鍵詞對應置信度信息按照級別分別采用所述并行的置信度分類器進行分析，得到各并行的置信度分類器輸出的置信度分值；

依據所述置信度分值，分析所述識別關鍵詞是否滿足設定條件；

若滿足設定條件，則確認所述識別關鍵詞的置信度通過驗證。

8.根據權利要求7所述的方法，其特征在于，所述并行的置信度分類器執行以下至少一種級別的置信度分析：

關鍵詞相關級別的置信度分析、關鍵詞無關級別的置信度分析。

9.根據權利要求1所述的方法，其特征在于，還包括：

依據所述最終關鍵詞，執行對應的語音控制操作。

10.根據權利要求1所述的方法，其特征在于，還包括：

依據訓練數據提取語音特征，依據所述語音特征進行幀對齊處理；

采用幀對齊結果訓練聲學數據集合，并依據所述聲學數據集合和設定詞典訓練網絡數據集合。

11.根據權利要求10所述的方法，其特征在于，所述依據訓練數據提取語音特征，包括：

按照設定方式對所述訓練數據進行特征提取，將提取的倒譜特征作為語音特征。