[發明專利]一種語音識別的方法、喚醒詞檢測的方法及裝置

有效

• 申請號: 201811253171.X
• 申請日: 2018-10-25
• 公開（公告）號: CN109192210B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 高毅;陳杰;蘇丹;于蒙;羅敏
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/197;G10L15/02
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本發明公開了一種喚醒詞檢測的方法，包括：獲取待識別語音信息，待識別語音信息中包含目標字集合，目標字集合由重復的至少兩組目標詞組成，每組目標詞包括至少一個目標字；根據待識別語音信息獲取目標語音特征向量；通過語音識別模型確定目標語音特征向量所對應的目標概率分值集合，語音識別模型用于輸出語音信息中每個字所對應的概率分值，目標概率分值集合包括每個目標字所對應的目標概率分值；若目標概率分值集合滿足語音喚醒條件，則確定待識別語音信息包含目標喚醒詞，目標喚醒詞屬于喚醒詞集合中的一個喚醒詞。本發明公開了一種喚醒詞檢測裝置及終端設備。本發明提升疊詞式喚醒詞的檢測性能，具有較高的喚醒率，以及較低的誤喚醒率。

技術領域

本發明涉及人工智能計算機領域，尤其涉及一種語音識別的方法、喚醒詞檢測的方法及裝置。

背景技術

隨著智能語音設備開始推廣，通過語音命令與智能設備進行人機交互已成為重要功能。在語音交互應用中，用戶可以通過語音喚醒詞來喚醒智能設備，因此智能設備的喚醒詞檢測性能對人機交互體驗具有重大影響。

目前，針對喚醒詞檢測可以采用基于動態時間彎折(dynamic?time?warping，DTW)的方法，該方法將語音與預先錄制的若干條同一喚醒詞的錄音進行聲學特征的動態匹配，將匹配距離與預先設定的閾值比較，當距離小于閾值時，判斷該語音為要檢測的喚醒詞。

在中文語言應用的場景下，選擇疊詞作為喚醒詞廣受用戶歡迎，同時選擇疊詞式喚醒詞(例如“騰訊騰訊”)具有良好的喚醒性能，然而，基于目前提供的喚醒詞檢測方法，尚未針對疊詞式喚醒詞設計合理的方案，因此，在語音交互設備中，對于疊詞式喚醒詞的檢測而言，其檢測性能較差。

發明內容

本發明實施例提供了一種語音識別的方法、喚醒詞檢測的方法及裝置，充分考慮到疊詞的發音特征，利用語音識別模型對疊詞中的的每個字進行分值計算，只有在分值滿足條件的情況下才識別為喚醒詞，從而提升疊詞式喚醒詞的檢測性能，具有較高的喚醒率，以及較低的誤喚醒率。

有鑒于此，一種語音識別的方法，包括：

獲取待識別語音信息，其中，所述待識別語音信息中包含目標字集合，所述目標字集合由重復的至少兩組目標詞組成，每組目標詞包括至少一個目標字；

根據所述待識別語音信息獲取目標語音特征向量；

通過語音識別模型確定所述目標語音特征向量所對應的目標概率分值集合，其中，所述語音識別模型用于輸出語音信息中每個字所對應的概率分值，所述目標概率分值集合包括每個目標字所對應的目標概率分值；

若所述目標概率分值集合滿足語音喚醒條件，則確定所述待識別語音信息包含目標喚醒詞，其中，所述目標喚醒詞屬于喚醒詞集合中的一個喚醒詞；

獲取所述目標喚醒詞所對應的目標語音識別結果；

執行所述目標語音識別結果。

本發明的第二方面提供了一種喚醒詞檢測的方法，包括：

獲取待識別語音信息，其中，所述待識別語音信息中包含目標字集合，所述目標字集合由重復的至少兩組目標詞組成，每組目標詞包括至少一個目標字；

根據所述待識別語音信息獲取目標語音特征向量；

通過語音識別模型確定所述目標語音特征向量所對應的目標概率分值集合，其中，所述語音識別模型用于輸出語音信息中每個字所對應的概率分值，所述目標概率分值集合包括每個目標字所對應的目標概率分值；

若所述目標概率分值集合滿足語音喚醒條件，則確定所述待識別語音信息包含目標喚醒詞，其中，所述目標喚醒詞屬于喚醒詞集合中的一個喚醒詞。

本發明的第三方面提供了一種喚醒詞檢測裝置，包括：