[發(fā)明專利]一種語音喚醒方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811466590.1
• 申請(qǐng)日: 2018-12-03
• 公開（公告）號(hào): CN111261143A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 葉振昀;王彥;謝鑫;高威特;張楠賡
• 申請(qǐng)（專利權(quán)）人: 杭州嘉楠耘智信息科技有限公司
• 主分類號(hào): G10L15/05
• 分類號(hào): G10L15/05;G10L15/22;G10L25/51
• 代理公司: 北京市中倫律師事務(wù)所 11410
• 代理人: 楊黎峰;鐘錦舜

本發(fā)明提供了一種語音喚醒方法，其包括：獲取當(dāng)前幀語音信號(hào)，并計(jì)算當(dāng)前幀語音信號(hào)的包絡(luò)值；根據(jù)預(yù)設(shè)時(shí)間內(nèi)獲取的語音信號(hào)計(jì)算當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值；判斷當(dāng)前幀語音信號(hào)的包絡(luò)值是否超過當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值；若當(dāng)前幀語音信號(hào)的包絡(luò)值超過當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值，則喚醒目標(biāo)語音處理系統(tǒng)。利用該語音喚醒方法，能夠減少系統(tǒng)的運(yùn)行功耗，本發(fā)明還提供了相應(yīng)的語音喚醒裝置以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明屬于信號(hào)處理領(lǐng)域，具體涉及一種語音喚醒方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

近些年隨著語音助手的不斷流行，行業(yè)內(nèi)越來越迫切的需要一種芯片可以超低功耗的運(yùn)行，進(jìn)而在檢測到聲音的時(shí)候喚醒整個(gè)系統(tǒng)。

現(xiàn)有技術(shù)中，通常采用語音端點(diǎn)檢測(Voice Activity Detection，簡稱VAD)實(shí)現(xiàn)上述喚醒。語音端點(diǎn)檢測可以連續(xù)聲音信號(hào)中找出人聲語音部分的起始點(diǎn)。簡單的語音端點(diǎn)檢測方法主要包括：首先基于固定窗口對(duì)語音信號(hào)進(jìn)行分割，而后獲取各語音信號(hào)的一個(gè)或多個(gè)特征，例如，全頻帶能量、低頻帶能量或過零率，并基于預(yù)設(shè)的算法以及上述多個(gè)特征來估計(jì)語音信號(hào)的端點(diǎn)。

近年來，端點(diǎn)檢測算法的優(yōu)化過程偏向于運(yùn)算準(zhǔn)確性的發(fā)展趨勢，同時(shí)也帶來越來越大的運(yùn)算量，而智能設(shè)備卻越來越傾向于輕型化發(fā)展趨勢，因此，利用現(xiàn)有技術(shù)中的語音段點(diǎn)檢測算法所得到的系統(tǒng)喚醒方法或裝置過多的消耗了計(jì)算資源與硬件設(shè)備，難以找到一種以超低功耗運(yùn)行的喚醒方法或裝置。

發(fā)明內(nèi)容

針對(duì)上述現(xiàn)有語音端點(diǎn)檢測算法越來越復(fù)雜，進(jìn)一步導(dǎo)致難以找到一種以超低功耗運(yùn)行的喚醒方法或裝置這一問題，提出了一種語音喚醒方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其能基于較少的運(yùn)算量與較少的硬件需求實(shí)現(xiàn)較高準(zhǔn)確度的目標(biāo)語音處理系統(tǒng)的語音喚醒。

依據(jù)本發(fā)明的第一方面，提供了一種語音喚醒方法，其特征在于，所述方法包括：

獲取當(dāng)前幀語音信號(hào)，并計(jì)算所述當(dāng)前幀語音信號(hào)的包絡(luò)值；

根據(jù)預(yù)設(shè)時(shí)間內(nèi)獲取的語音信號(hào)計(jì)算所述當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值；

判斷所述當(dāng)前幀語音信號(hào)的包絡(luò)值是否超過所述當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值；

若所述當(dāng)前幀語音信號(hào)的包絡(luò)值超過所述當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值，則喚醒目標(biāo)語音處理系統(tǒng)。

優(yōu)選地，其中，所述計(jì)算所述當(dāng)前幀語音信號(hào)的包絡(luò)值包括：

對(duì)所述當(dāng)前幀語音信號(hào)的短時(shí)能量執(zhí)行第一運(yùn)算操作，得到所述當(dāng)前幀語音信號(hào)的包絡(luò)值；

其中，對(duì)所述當(dāng)前幀語音信號(hào)的短時(shí)能量執(zhí)行第一運(yùn)算操作至少包括對(duì)所述當(dāng)前幀語音信號(hào)的短時(shí)能量執(zhí)行開平方運(yùn)算。

優(yōu)選地，其中，所述根據(jù)預(yù)設(shè)時(shí)間內(nèi)獲取的語音信號(hào)計(jì)算所述當(dāng)前幀語音信號(hào)的第一實(shí)時(shí)閾值包括：

若所述當(dāng)前幀語音信號(hào)為初始幀語音信號(hào)，則根據(jù)所述預(yù)設(shè)時(shí)間內(nèi)獲取的語音信號(hào)獲取初始閾值，并將所述初始閾值設(shè)置為所述當(dāng)前幀語音信號(hào)的所述第一實(shí)時(shí)閾值；

若所述當(dāng)前幀語音信號(hào)為非初始幀語音信號(hào)，則根據(jù)預(yù)設(shè)規(guī)則更新所述當(dāng)前幀語音信號(hào)的上一幀語音信號(hào)的第二實(shí)時(shí)閾值，以獲取所述當(dāng)前幀語音信號(hào)的所述第一實(shí)時(shí)閾值。

優(yōu)選地，其中，所述根據(jù)預(yù)設(shè)規(guī)則更新所述當(dāng)前幀語音信號(hào)的上一幀語音信號(hào)的第二實(shí)時(shí)閾值，以獲取所述當(dāng)前幀語音信號(hào)的所述第一實(shí)時(shí)閾值包括：

對(duì)所述當(dāng)前幀語音信號(hào)的上一幀語音信號(hào)的包絡(luò)值進(jìn)行第二運(yùn)算操作以獲取中間值；

判斷所述中間值是否超過所述第二實(shí)時(shí)閾值，并根據(jù)判斷結(jié)果對(duì)所述第二實(shí)時(shí)閾值進(jìn)行更新以獲取所述第一實(shí)時(shí)閾值。