[發明專利]電子設備喚醒方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010564571.3
• 申請日: 2020-06-19
• 公開（公告）號: CN111739521B
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 陳杰;蘇丹
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/06;G10L15/14;G10L15/18;G10L15/22;G10L25/03;G10L25/30
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種電子設備喚醒方法，其特征在于，所述方法包括：

獲取測試語音集合，并通過聲音處理模型中的第一神經網絡提取對應的測試語音特征集合；

通過所述聲音處理模型中的第一神經網絡，基于所述測試語音特征集合，確定相應的測試特征；

獲取喚醒語音特征集合，并通過聲音處理模型中的第一神經網絡提取對應的喚醒詞特征；

根據所述測試特征和所述喚醒詞特征，通過所述聲音處理模型中的第二神經網絡進行喚醒判決，以實現基于所述喚醒判決的結果，通過電子設備執行與所述喚醒語音特征相匹配的任務。

2.根據權利要求1所述的方法，其特征在于，所述通過所述聲音處理模型中的第一神經網絡，基于所述測試語音特征集合，確定相應的測試特征，包括：

將所述測試語音特征集合輸入所述第一神經網絡的聲學模型網絡；

當所述第一神經網絡的關鍵詞隱馬爾科夫網絡確定對應的置信度大于置信度閾值時，確定所述聲學模型網絡的隱藏輸出層的輸出特征為相應的測試特征。

3.根據權利要求1所述的方法，其特征在于，所述獲取喚醒語音特征集合，并通過聲音處理模型中的第一神經網絡提取對應的喚醒詞特征，包括：

通過文字語音轉換服務器對喚醒詞文本進行轉換，獲取對應的喚醒語音特征集合；

通過所述第一神經網絡對所述喚醒語音特征集合進行處理，確定與所述測試特征幀數相同的特征向量，并對所述特征向量進行平均處理，以提取對應的喚醒詞特征。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

通過所述文字語音轉換服務器，根據發音詞典將所述喚醒詞文本所包含的每個字符轉換成音節標識；

構建所述音節標識與所述喚醒詞文本所包含的字符之間的映射關系集合，形成不同的音節組合序列，作為所述喚醒語音特征集合中的元素。

5.根據權利要求1所述的方法，其特征在于，所述根據所述測試特征和所述喚醒詞特征，通過所述聲音處理模型中的第二神經網絡進行喚醒判決，包括：

確定所述測試特征和所述喚醒詞特征的余弦相似度；

基于所述測試特征和所述喚醒詞特征的余弦相似度，確定對應的余弦相似度矩陣；

通過所述聲音處理模型中的第二神經網絡，對所述余弦相似度矩陣進行處理，確定對應的判決結果累計值；

基于所述判決結果累計值與累計值閾值的比較結果，確定喚醒判決的結果。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取第一訓練樣本集合，其中所述第一訓練樣本集合為基礎語音訓練樣本；

對所述第一訓練樣本集合進行噪聲添加處理，以形成相應的第二訓練樣本集合，其中，所述第二訓練樣本集合包括正例訓練樣本和負例訓練樣本；

通過所述第一訓練樣本集合對所述聲音處理模型中的第一神經網絡進行訓練，以確定所述第一神經網絡的模型參數；

通過所述第二訓練樣本集合對所述聲音處理模型中的第二神經網絡進行訓練，以確定所述第二神經網絡的模型參數。

7.根據權利要求6所述的方法，其特征在于，所述對所述第一訓練樣本集合進行噪聲添加處理，以形成相應的第二訓練樣本集合，包括：

確定與所述聲音處理模型的使用環境相匹配的動態噪聲閾值；

根據所述動態噪聲閾值對所述第一訓練樣本集合進行噪聲添加處理，以形成與所述動態噪聲閾值相匹配的第二訓練樣本集合。

8.根據權利要求6所述的方法，其特征在于，所述對所述第一訓練樣本集合進行噪聲添加處理，以形成相應的第二訓練樣本集合，包括：

確定與所述聲音處理模型相對應的固定噪聲閾值；

根據所述固定噪聲閾值對所述第一訓練樣本集合進行噪聲添加處理，以形成與所述固定噪聲閾值相匹配的第二訓練樣本集合。