[發(fā)明專利]連續(xù)喚醒識(shí)別功能的優(yōu)化方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911379635.6
• 申請(qǐng)日: 2019-12-27
• 公開(kāi)（公告）號(hào): CN111128166B
• 公開(kāi)（公告）日: 2022-11-25
• 發(fā)明（設(shè)計(jì)）人: 李路天;甘津瑞
• 申請(qǐng)（專利權(quán)）人: 思必馳科技股份有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/26;G10L15/30;G10L25/78;H04L67/5683
• 代理公司: 北京商專永信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 黃謙;鄧婷婷

本發(fā)明公開(kāi)連續(xù)喚醒識(shí)別功能的優(yōu)化方法和裝置，其中，方法包括：持續(xù)接收音頻直至檢測(cè)到喚醒詞；對(duì)包含喚醒詞的音頻進(jìn)行語(yǔ)音識(shí)別以形成第一語(yǔ)音識(shí)別結(jié)果，并在預(yù)設(shè)時(shí)間內(nèi)緩存第一音頻之后接收的第二音頻；判斷第一語(yǔ)音識(shí)別結(jié)果中是否包含除喚醒詞外的語(yǔ)音；若第一語(yǔ)音識(shí)別結(jié)果中不包含除喚醒詞外的語(yǔ)音，判斷對(duì)于所述第二音頻的語(yǔ)音活性檢測(cè)是否超時(shí)；若語(yǔ)音活性檢測(cè)未超時(shí)，對(duì)第二音頻進(jìn)行語(yǔ)音識(shí)別以形成第二語(yǔ)音識(shí)別結(jié)果；若第二語(yǔ)音識(shí)別結(jié)果中包含除喚醒詞外的語(yǔ)音，回調(diào)第二語(yǔ)音識(shí)別結(jié)果。本申請(qǐng)的方法和裝置提供的方案可以對(duì)現(xiàn)有的連續(xù)喚醒識(shí)別功能進(jìn)行優(yōu)化，用戶體驗(yàn)更好。

技術(shù)領(lǐng)域

本發(fā)明屬于語(yǔ)音喚醒識(shí)別技術(shù)領(lǐng)域，尤其涉及連續(xù)喚醒識(shí)別功能的優(yōu)化方法和裝置。

背景技術(shù)

相關(guān)技術(shù)中，OneShot即一語(yǔ)即達(dá)，通俗點(diǎn)可以稱之為“一把說(shuō)”，采用“喚醒詞+語(yǔ)音語(yǔ)義識(shí)別”一體化方式，實(shí)現(xiàn)喚醒詞與語(yǔ)音操控之間零間隔、零延遲、無(wú)縫對(duì)接，摒棄傳統(tǒng)的一問(wèn)一答的形式，極大減少用戶語(yǔ)音操控的步驟，實(shí)現(xiàn)信息反饋，化繁為簡(jiǎn)，實(shí)現(xiàn)簡(jiǎn)便操作，但這樣的簡(jiǎn)便在設(shè)計(jì)之初卻并不簡(jiǎn)單。

OneShot的一大特點(diǎn)是識(shí)別喚醒與語(yǔ)義理解一體化，保證語(yǔ)音交互的統(tǒng)一性與連貫性，完成操控。也就是說(shuō)，用戶可以直接下達(dá)指令，而不需要像過(guò)去的語(yǔ)音交互方式必須要一問(wèn)一答才能開(kāi)始交互。OneShot功能可以一語(yǔ)即中，實(shí)現(xiàn)“喚醒詞+語(yǔ)音語(yǔ)義識(shí)別”一體化，相比較傳統(tǒng)的語(yǔ)音交互在效率上要高得多。

現(xiàn)有技術(shù)中類似OneShot的技術(shù)有某飛的“喚醒識(shí)別”和某度的“喚醒識(shí)別連續(xù)說(shuō)”。

發(fā)明人在實(shí)現(xiàn)本申請(qǐng)的過(guò)程中發(fā)現(xiàn)上述技術(shù)都沒(méi)有公開(kāi)對(duì)OneShot不足情況下的解決方案。并且雖然上述方案可在相對(duì)理想的語(yǔ)音環(huán)境下實(shí)現(xiàn)Oneshot功能，但是當(dāng)音頻出現(xiàn)以下情況時(shí)往往只能識(shí)別到喚醒詞而把命令詞丟棄了：

1)AEC(回聲消除)消除不干凈；

2)環(huán)境噪音大；

3)用戶說(shuō)得比較慢時(shí)使得喚醒詞和命令詞之間無(wú)聲時(shí)間過(guò)長(zhǎng)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種連續(xù)喚醒識(shí)別功能的優(yōu)化方法和裝置，用于至少解決上述技術(shù)問(wèn)題之一。

第一方面，本發(fā)明實(shí)施例提供一種連續(xù)喚醒識(shí)別功能的優(yōu)化方法，包括：持續(xù)接收音頻直至檢測(cè)到喚醒詞；對(duì)包含喚醒詞的音頻進(jìn)行語(yǔ)音識(shí)別以形成第一語(yǔ)音識(shí)別結(jié)果，并在預(yù)設(shè)時(shí)間內(nèi)繼續(xù)緩存所述第一音頻之后接收的第二音頻；判斷所述第一語(yǔ)音識(shí)別結(jié)果中是否包含除喚醒詞外的語(yǔ)音；若所述第一語(yǔ)音識(shí)別結(jié)果中不包含除喚醒詞外的語(yǔ)音，判斷對(duì)于所述第二音頻的語(yǔ)音活性檢測(cè)是否超時(shí)；若所述語(yǔ)音活性檢測(cè)未超時(shí)，對(duì)所述第二音頻進(jìn)行語(yǔ)音識(shí)別以形成第二語(yǔ)音識(shí)別結(jié)果；以及若所述第二語(yǔ)音識(shí)別結(jié)果中包含除喚醒詞外的語(yǔ)音，回調(diào)所述第二語(yǔ)音識(shí)別結(jié)果。

第二方面，本發(fā)明實(shí)施例提供一種連續(xù)喚醒識(shí)別功能的優(yōu)化裝置，包括：?jiǎn)拘褭z測(cè)模塊，配置為持續(xù)接收音頻直至檢測(cè)到喚醒詞；第一識(shí)別模塊，配置為對(duì)包含喚醒詞的音頻進(jìn)行語(yǔ)音識(shí)別以形成第一語(yǔ)音識(shí)別結(jié)果，并在預(yù)設(shè)時(shí)間內(nèi)繼續(xù)緩存第一音頻之后接收的第二音頻；識(shí)別判斷模塊，配置為判斷所述第一語(yǔ)音識(shí)別結(jié)果中是否包含除喚醒詞外的語(yǔ)音；超時(shí)判斷模塊，配置為若所述第一語(yǔ)音識(shí)別結(jié)果中不包含除喚醒詞外的語(yǔ)音，判斷對(duì)于所述第二音頻的語(yǔ)音活性檢測(cè)是否超時(shí)；第二識(shí)別模塊，配置為若所述語(yǔ)音活性檢測(cè)未超時(shí)，對(duì)所述第二音頻進(jìn)行語(yǔ)音識(shí)別以形成第二語(yǔ)音識(shí)別結(jié)果；以及回調(diào)模塊，配置為若所述第二語(yǔ)音識(shí)別結(jié)果中包含除喚醒詞外的語(yǔ)音，回調(diào)所述第二語(yǔ)音識(shí)別結(jié)果。

第三方面，提供一種電子設(shè)備，其包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明任一實(shí)施例的連續(xù)喚醒識(shí)別功能的優(yōu)化方法的步驟。