[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

本申請實施例提供了一種語音處理方法、裝置、設備和存儲介質，以減少出現誤喚醒的問題。所述的方法包括：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；輸出通過多級驗證的最終關鍵詞。通過多級的置信度驗證，能夠有效提高關鍵詞識別的準確性，減少誤喚醒的問題。

技術領域

本申請涉及計算機技術領域，特別是涉及一種語音處理方法及裝置、一種電子設備和一種存儲介質。

背景技術

隨著終端技術的發展，語音喚醒技術廣泛也得到可廣泛的應用，即用戶可以在終端中通過語音喚醒所需的應用等服務，例如通過語音查詢路線、通過語音喚醒各種應用等。

目前語音喚醒通常是采用受限規模的深度神經網絡(Deep?Neural?Network，DNN)模型，來構建一個小型的自動語音識別(Automatic?Speech?Recognition，ASR)系統，通過該ASR系統進行關鍵詞的識別，并且；同時部分系統針對定制關鍵詞訓練一個置信度分類器來進行優化。

本方案類似于基于DNN聲學模型(AM)的語音喚醒技術，以及AM-CC兩級分類的語音喚醒技術。一個受限規模的DNN聲學模型，構建一個小型的ASR系統進行關鍵詞的識別，并且可采用針對定制關鍵詞訓練的置信度分類器來進行優化。

上述這種方式具有較好的召回率，但是，有一些關鍵詞在發音上非常接近，例如“你好淘寶”和“你好大寶”，很容易出現誤識別，從而導致出現誤喚醒的問題。

發明內容

本申請實施例所要解決的技術問題是提供一種語音處理方法，以減少出現誤喚醒的問題。

相應的，本申請實施例還提供了一種語音處理裝置、一種電子設備和一種存儲介質，用以保證上述方法的實現及應用。

為了解決上述問題，本申請公開了一種語音處理方法，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；輸出通過多級驗證的最終關鍵詞。

可選的，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。

可選的，所述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。

可選的，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。

可選的，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；和/或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。

可選的，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。

可選的，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。