[發明專利]端到端語音喚醒方法、裝置及計算機設備

在審

• 申請號: 201810763704.2
• 申請日: 2018-07-12
• 公開（公告）號: CN110782898A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 姚光超
• 申請（專利權）人: 北京搜狗科技發展有限公司;搜狗(杭州)智能科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/22;G10L15/06;G10L17/00
• 代理公司: 11510 北京華圣典睿知識產權代理有限公司
• 代理人: 趙景平

1.一種端到端語音喚醒方法，其特征在于，所述方法包括：

接收待檢測語音；

依次提取每個語音幀的聲學特征；

將提取的聲學特征輸入聲學模型，得到所述聲學模型輸出的每個語音幀中各目標發音單元的概率；

逐幀計算各目標發音單元的累積概率，并確定各目標發音單元的起始位置和結束位置；

根據所述累積概率及起始位置和結束位置計算各目標發音單元的長度及平均概率；

根據各目標發音單元的長度和/或平均概率進行喚醒操作。

2.根據權利要求1所述的方法，其特征在于，所述聲學模型為基于喚醒詞中各目標發音單元的端到端聲學模型。

3.根據權利要求2所述的方法，其特征在于，在所述喚醒詞的前后各添加一個靜音輸出。

4.根據權利要求3所述的方法，其特征在于，所述逐幀計算各目標發音單元的累積概率包括：

對于每個目標發音單元，將上一幀該目標發音單元的累積概率和當前幀前一目標發音單元的累積概率這兩者中的最大值，加上當前幀該目標發音單元的概率，作為當前幀該目標發音單元的累積概率。

5.根據權利要求3所述的方法，其特征在于，所述根據所述累積概率及起始位置和結束位置計算各目標發音單元的長度及平均概率包括：

將所述目標發音單元的結束位置與起始位置相減得到所述目標發音單元的長度；

將對應所述結束位置的累積概率與對應所述起始位置的累積概率相減，然后除以所述目標發音單元的長度，得到所述目標發音單元的平均概率。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述根據各目標發音單元的長度和/或平均概率進行喚醒操作包括：

如果在設定區間內各目標發音單元的長度均大于設定的長度閾值，則進行喚醒操作；或者

如果在設定區間內各目標發音單元的平均概率均大于設定的第一閾值，則進行喚醒操作。

7.根據權利要求1至5任一項所述的方法，其特征在于，所述方法還包括：

確定在設定區間內各目標發音單元的最大概率，并根據所述最大概率計算所有目標發音單元的最大概率平均值；

所述根據各目標發音單元的長度和/或平均概率進行喚醒操作包括：

根據各目標發音單元的長度、設定區間內各目標發音單元的最大概率、最大概率平均值、平均概率這四者中的任意兩個或多個參數進行喚醒操作。

8.一種端到端語音喚醒裝置，其特征在于，所述裝置包括：

接收模塊，用于接收待檢測語音；

特征提取模塊，用于依次提取每個語音幀的聲學特征；

聲學檢測模塊，用于將提取的聲學特征輸入聲學模型，得到所述聲學模型輸出的每個語音幀中各目標發音單元的概率；

第一計算模塊，用于逐幀計算各目標發音單元的累積概率，并確定各目標發音單元的起始位置和結束位置；

第二計算模塊，用于根據所述累積概率及起始位置和結束位置計算各目標發音單元的長度及平均概率；

喚醒處理模塊，用于根據各目標發音單元的長度和/或平均概率進行喚醒操作。

9.一種計算機設備，其特征在于，包括：一個或多個處理器、存儲器；

所述存儲器用于存儲計算機可執行指令，所述處理器用于執行所述計算機可執行指令，以實現如權利要求1至7任一項所述的方法。

10.一種可讀存儲介質，其上存儲有指令，所述指令被執行以實現如權利要求1至7任一項所述的方法。