[發(fā)明專利]在調(diào)用短語檢測中選擇性地適配和利用噪聲降低技術(shù)

在審

• 申請?zhí)枺?/td>: 201980014370.1
• 申請日: 2019-01-14
• 公開（公告）號: CN111742362A
• 公開（公告）日: 2020-10-02
• 發(fā)明（設(shè)計(jì)）人: 克里斯托弗·休斯;黃譯騰;圖拉伊·扎基扎德·沙別斯塔雷;泰勒·阿普勒鮑姆
• 申請（專利權(quán)）人: 谷歌有限責(zé)任公司
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L21/0208;G10L15/08;G10L21/0216
• 代理公司: 中原信達(dá)知識產(chǎn)權(quán)代理有限責(zé)任公司 11219
• 代理人: 周亞榮;鄧聰惠

1.一種檢測針對自動化助理的調(diào)用短語的方法，所述方法由客戶端設(shè)備的一個或多個處理器實(shí)現(xiàn)并且包括：

接收基于來自所述客戶端設(shè)備的一個或多個麥克風(fēng)的輸出的音頻數(shù)據(jù)幀流；

使用訓(xùn)練后的機(jī)器學(xué)習(xí)模型來對所述流的音頻數(shù)據(jù)幀中的每一個進(jìn)行處理以生成相應(yīng)的輸出，所述相應(yīng)的輸出指示一個或多個對應(yīng)調(diào)用音素的存在的一個或多個對應(yīng)概率；

將所述流的音頻數(shù)據(jù)幀連同針對所述音頻數(shù)據(jù)幀的輸出指示一起存儲在緩沖器中，所述輸出指示中的每一個均是針對所述音頻數(shù)據(jù)幀中的相應(yīng)一個的并且是基于對應(yīng)輸出的，所述對應(yīng)輸出是基于使用所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型對所述音頻數(shù)據(jù)幀中的相應(yīng)一個進(jìn)行處理而生成的；

在第一實(shí)例處，確定在所述第一實(shí)例處的所述緩沖器中的所述輸出指示指示在所述第一實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀全部未能包括所述一個或多個對應(yīng)調(diào)用音素中的任一個；

響應(yīng)于在所述第一實(shí)例處的確定：

使用在所述第一實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀中的至少一個來適配噪聲降低濾波器；

在所述第一實(shí)例之后的第二實(shí)例處，確定在所述第二實(shí)例處的所述緩沖器中的所述輸出指示指示在所述第二實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀中的至少一個潛在地包括所述一個或多個對應(yīng)調(diào)用音素中的至少一個；

響應(yīng)于在所述第二實(shí)例處的確定：

基于使用如至少部分地響應(yīng)于在所述第一實(shí)例處的確定而適配的所述噪聲降低濾波器對在所述第二實(shí)例處的所述緩沖器中的多個所述音頻數(shù)據(jù)幀進(jìn)行處理來生成濾波后的數(shù)據(jù)幀；以及

基于使用所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型或附加的訓(xùn)練后的機(jī)器學(xué)習(xí)模型來對所述濾波后的數(shù)據(jù)幀進(jìn)行處理而確定所述濾波后的數(shù)據(jù)幀是否指示所述調(diào)用短語的存在；以及

響應(yīng)于確定所述濾波后的數(shù)據(jù)幀指示所述調(diào)用短語的存在：

使所述自動化助理的至少一個功能被激活。

2.根據(jù)權(quán)利要求1所述的方法，其中，使所述自動化助理的至少一個功能被激活包括：使所述流的隨后接收到的音頻數(shù)據(jù)幀被發(fā)送到一個或多個遠(yuǎn)程自動化助理服務(wù)器以進(jìn)一步處理。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述進(jìn)一步處理包括以下中的一個或多個：語音到文本轉(zhuǎn)換、語義處理和對話狀態(tài)跟蹤。

4.根據(jù)任一前述權(quán)利要求所述的方法，其中，使用在所述第一實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀中的至少一個來適配所述噪聲降低濾波器包括：從所述緩沖器中移除單個數(shù)據(jù)幀，以及使用所述單個數(shù)據(jù)幀來適配所述噪聲降低濾波器。

5.根據(jù)任一前述權(quán)利要求所述的方法，其中，所述流的音頻數(shù)據(jù)幀至少包括基于所述一個或多個麥克風(fēng)中的第一麥克風(fēng)的第一聲道和基于所述一個或多個麥克風(fēng)中的第二麥克風(fēng)的第二聲道。

6.根據(jù)權(quán)利要求5所述的方法，其中，使用所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型來對所述流的音頻數(shù)據(jù)幀中的每一個進(jìn)行處理以生成所述相應(yīng)的輸出包括：使用所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型來僅對所述音頻數(shù)據(jù)幀中的每一個的所述第一聲道進(jìn)行處理。

7.根據(jù)權(quán)利要求5所述的方法，其中，所述噪聲降低濾波器是多聲道噪聲降低濾波器，并且其中，使用在所述第一實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀中的至少一個來適配所述噪聲降低濾波器包括：使用在所述第一實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀中的至少一個的所述第一聲道和所述第二聲道兩者來適配所述噪聲降低濾波器。

8.根據(jù)權(quán)利要求7所述的方法，其中，使用在所述第一實(shí)例處的所述緩沖器中的所述音頻數(shù)據(jù)幀中的至少一個的所述第一聲道和所述第二聲道兩者來適配所述噪聲降低濾波器包括：在確定用于更新所述噪聲降低濾波器的誤差時使用所述第一聲道作為信號源并且使用所述第二聲道作為噪聲源。

9.根據(jù)權(quán)利要求5所述的方法，其中，基于使用如至少部分地響應(yīng)于在所述第一實(shí)例處的確定而適配的所述噪聲降低濾波器對在所述第二實(shí)例處的所述緩沖器中的多個所述音頻數(shù)據(jù)幀進(jìn)行處理來生成濾波后的數(shù)據(jù)幀包括：在生成所述濾波后的數(shù)據(jù)幀時使用多個所述音頻數(shù)據(jù)幀的所述第一聲道和所述第二聲道兩者。