[發明專利]音頻數據的存儲方法、裝置、終端及存儲介質

有效

• 申請號: 202010537664.7
• 申請日: 2020-06-12
• 公開（公告）號: CN111724781B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 陳喆
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/30;G10L15/34;G10L15/16;G10L15/14;G06F16/583;G06F16/16;G06F9/4401;G06N3/0464;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 邢惠童

1.一種音頻數據的存儲方法，其特征在于，所述方法包括：

獲取通過麥克風采集的音頻數據；

通過k級語音喚醒識別模型對所述音頻數據進行識別，得到各級所述語音喚醒識別模型對應的識別結果，其中，不同級別的語音喚醒識別模型對應不同識別維度，所述識別結果用于表征所述音頻數據在對應識別維度上的識別通過情況，k為大于等于2的整數；

根據所述識別結果將所述音頻數據存儲至第一存儲區域，所述第一存儲區域用于存儲通過至少一級語音喚醒識別模型的音頻數據。

2.根據權利要求1所述的方法，其特征在于，所述根據所述識別結果將所述音頻數據存儲至第一存儲區域，包括：

根據所述識別結果以及喚醒詞對所述音頻數據進行命名；

將命名后的所述音頻數據存儲至所述第一存儲區域。

3.根據權利要求2所述的方法，其特征在于，所述通過k級語音喚醒識別模型對所述音頻數據進行識別，得到各級所述語音喚醒識別模型對應的識別結果，包括：

通過第n級語音喚醒識別模型對所述音頻數據進行第n級識別，得到第n識別結果，n為小于k的正整數；

響應于所述第n識別結果表征所述音頻數據通過第n級識別，通過第n+1級語音喚醒識別模型對所述音頻數據進行第n+1級識別，得到第n+1識別結果；

所述根據所述識別結果以及喚醒詞對所述音頻數據進行命名，包括：

響應于所述第n識別結果表征所述音頻數據通過第n級識別，且所述第n+1識別結果表征所述音頻數據未通過第n+1級識別，根據所述第n級語音喚醒識別模型的模型標識以及所述喚醒詞對所述音頻數據進行命名；

或者，

響應于第k識別結果表征所述音頻數據通過第k級識別，根據所述第k級語音喚醒識別模型的模型標識以及所述喚醒詞對所述音頻數據進行命名。

4.根據權利要求3所述的方法，其特征在于，所述k級語音喚醒識別模型包括第一級語音喚醒識別模型、第二級語音喚醒識別模型和第三級語音喚醒識別模型；

所述通過第n級語音喚醒識別模型對所述音頻數據進行第n級識別，得到第n識別結果，包括：

通過所述第一級語音喚醒識別模型對所述音頻數據進行第一級識別，得到第一識別結果，所述第一識別結果用于表征所述音頻數據中是否包含關鍵詞，所述關鍵詞為所述喚醒詞的一部分；

或，

通過所述第二級語音喚醒識別模型對所述音頻數據進行第二級識別，得到第二識別結果，所述第二識別結果用于表征所述音頻數據中是否包含所述喚醒詞；

所述通過第n+1級語音喚醒識別模型對所述音頻數據進行第n+1級識別，包括：

通過所述第三級語音喚醒識別模型對所述音頻數據進行第三級識別，得到第三識別結果，所述第三識別結果用于表征所述音頻數據的聲紋特征與目標聲紋特征是否匹配。

5.根據權利要求4所述的方法，其特征在于，

所述第一級語音喚醒識別模型在數字信號處理器DSP上運行，所述第二級語音喚醒識別模型和所述第三級語音喚醒識別模型在中央處理器CPU上運行；

所述第一級語音喚醒識別模型和所述第二級語音喚醒識別模型基于卷積神經網絡CNN，所述第三級語音喚醒識別模型基于高斯混合模型GMM。

6.根據權利要求2至5任一所述的方法，其特征在于，所述根據所述識別結果將所述音頻數據存儲至第一存儲區域之后，所述方法還包括：

向服務器上傳所述第一存儲區域內容的所述音頻數據，所述服務器用于根據所述音頻數據以及所述音頻數據的名稱，確定所述語音喚醒識別模型的識別質量；

接收所述服務器的反饋信息。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

響應于所述反饋信息指示所述語音喚醒識別模型的識別質量符合質量指標，將所述音頻數據確定為所述第n級語音喚醒識別模型的正樣本訓練數據，和/或，將所述音頻數據確定為所述第n+1級語音喚醒識別模型的負樣本訓練數據。