[發(fā)明專利]語音喚醒方法及裝置

在審

• 申請?zhí)枺?/td>: 202010634922.3
• 申請日: 2020-07-03
• 公開（公告）號: CN111883117A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設計）人: 楊曉帆;馮大航;陳孝良
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22
• 代理公司: 北京竹辰知識產權代理事務所(普通合伙) 11706
• 代理人: 聶鵬

1.一種語音喚醒方法，其特征在于，包括：

獲取語音信號；

將所述語音信號輸入第一模型，通過所述第一模型輸出所述語音信號中每一幀音素的第一后驗概率；

將所述第一后驗概率滿足第一喚醒條件的音素對應的語音信號作為喚醒語音段；

將所述喚醒語音段的語譜圖和后驗概率圖輸入第二模型，通過所述第二模型輸出所述喚醒語音段中每一幀音素的第二后驗概率；

若所述第二后驗概率滿足第二喚醒條件，則進行喚醒操作。

2.根據權利要求1所述的語音喚醒方法，其特征在于，所述將所述第一后驗概率滿足第一喚醒條件的音素對應的語音信號作為喚醒語音段，包括：

若所述第一后驗概率滿足第一喚醒條件，則記錄喚醒時間點；

確定所述語音信號中喚醒詞的起始時間點；

根據所述喚醒時間點和所述起始時間點確定喚醒長度，并確定喚醒語音段。

3.根據權利要求2所述的語音喚醒方法，其特征在于，所述確定所述語音信號中喚醒詞的起始時間點，包括：

確定所述喚醒詞的第一個字的各個音素在所述喚醒語音段的每一幀中的后驗概率；

將所述第一個字的各個音素的后驗概率相加，得到所述第一個字的各個音素在每一幀中的概率和；

將所述概率和最大值對應的第一幀數對應的時間點作為起始時間點。

4.根據權利要求1所述的語音喚醒方法，其特征在于，所述方法還包括：

計算所述喚醒語音段每個時間點的頻譜能量密度；

對所有的頻譜能量密度進行歸一化處理，得到所述喚醒語音段的語譜圖。

5.根據權利要求1-4任一項所述的語音喚醒方法，其特征在于，所述方法還包括：

將大量已知喚醒語音段的語譜圖和后驗概率圖作為訓練數據，訓練得到圖片識別模型，將所述圖片識別模型作為第二模型；其中，已知喚醒語音段的后驗概率圖與語譜圖一一對應。

6.根據權利要求1-4任一項所述的語音喚醒方法，其特征在于，所述第一模型為聲學模型。

7.一種語音喚醒裝置，其特征在于，包括：

語音獲取模塊，用于獲取語音信號；

第一后驗概率確定模塊，用于將所述語音信號輸入第一模型，通過所述第一模型輸出所述語音信號中每一幀音素的第一后驗概率；

喚醒語音段確定模塊，用于將所述第一后驗概率滿足第一喚醒條件的音素對應的語音信號作為喚醒語音段；

第二后驗概率確定模塊，用于將所述喚醒語音段的語譜圖和后驗概率圖輸入第二模型，通過所述第二模型輸出所述喚醒語音段中每一幀音素的第二后驗概率；

喚醒模塊，用于若所述第二后驗概率滿足第二喚醒條件，則進行喚醒操作。

8.一種電子設備，包括：

存儲器，用于存儲非暫時性計算機可讀指令；以及

處理器，用于運行所述計算機可讀指令，使得所述處理器執(zhí)行時實現根據權利要求1-6任一項所述的語音喚醒方法。

9.一種計算機可讀存儲介質，用于存儲非暫時性計算機可讀指令，當所述非暫時性計算機可讀指令由計算機執(zhí)行時，使得所述計算機執(zhí)行權利要求1-6任一項所述的語音喚醒方法。