[發(fā)明專利]喚醒模型訓(xùn)練方法、喚醒詞識別方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010647828.1
• 申請日: 2020-07-07
• 公開（公告）號: CN111833902A
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計）人: 曹冰
• 申請（專利權(quán)）人: OPPO廣東移動通信有限公司
• 主分類號: G10L25/30
• 分類號: G10L25/30;G10L25/51;G10L25/78;G06K9/62;G06N3/08;G10L15/22
• 代理公司: 深圳市智圈知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44351
• 代理人: 呂靜

1.一種喚醒模型訓(xùn)練方法，其特征在于，所述方法包括：

通過語音檢測算法對采集的音頻進(jìn)行語音檢測，確定所述采集的音頻中語音信號的起點和終點，所述語音信號中包括喚醒詞；

確定所述語音信號中起點和終點之間的中間點；

從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段，作為正樣本；

從所述采集的音頻中，選取預(yù)設(shè)時間長度且不同于所述正樣本的音頻段，作為負(fù)樣本；

通過所述正樣本和負(fù)樣本對待訓(xùn)練喚醒模型進(jìn)行訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過所述正樣本和負(fù)樣本對待訓(xùn)練喚醒模型進(jìn)行訓(xùn)練之后，還包括：

記錄訓(xùn)練后的喚醒模型的識別準(zhǔn)確率；

改變預(yù)設(shè)時間長度，執(zhí)行步驟從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段至記錄訓(xùn)練后的喚醒模型的識別準(zhǔn)確率，直至獲得識別準(zhǔn)確率最高的喚醒模型，作為用于喚醒詞識別的喚醒模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述記錄訓(xùn)練后的喚醒模型對正樣本和負(fù)樣本的識別準(zhǔn)確率；改變預(yù)設(shè)時間長度，執(zhí)行步驟從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段至記錄訓(xùn)練后的喚醒模型的識別準(zhǔn)確率，直至獲得識別準(zhǔn)確率最高的喚醒模型，作為用于喚醒詞識別的喚醒模型，包括：

在第一次確定的預(yù)設(shè)時間長度的基礎(chǔ)上，依次減小預(yù)設(shè)時間長度，對應(yīng)減小的每一個預(yù)設(shè)時間長度，執(zhí)行步驟從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段至記錄訓(xùn)練后的喚醒模型的識別準(zhǔn)確率，

若當(dāng)前記錄的識別準(zhǔn)確率小于上一次記錄的識別準(zhǔn)確率，在第一次確定的預(yù)設(shè)時間長度的基礎(chǔ)上，依次增大預(yù)設(shè)時間長度，對應(yīng)增大的每一個預(yù)設(shè)時間長度，執(zhí)行步驟從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段至記錄訓(xùn)練后的喚醒模型的識別準(zhǔn)確率，

若當(dāng)前記錄的識別準(zhǔn)確率小于上一次記錄的識別準(zhǔn)確率，以記錄的最高的識別準(zhǔn)確率對應(yīng)的喚醒模型作為用于喚醒詞識別的喚醒模型。

4.根據(jù)權(quán)利要求1至3任一項所述的方法，其特征在于，所述從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段，包括：

從所述中間點向前和向后分別選取指定時間長度的音頻段，所述指定時間長度為所述預(yù)設(shè)時間長度的一半。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過語音檢測算法對采集的音頻進(jìn)行語音檢測之前，還包括：

通過所述語音檢測算法對測試音頻進(jìn)行語音檢測，確定所述測試音頻中語音信號的起點和終點；

判斷檢測到的所述測試音頻中語音信號的起點和終點是否準(zhǔn)確；

若不準(zhǔn)確，調(diào)整所述語音檢測算法的參數(shù)，重新執(zhí)行所述通過所述語音檢測算法對測試音頻進(jìn)行語音檢測，確定所述測試音頻中語音信號的起點和終點；判斷檢測的所述測試音頻的起點和終點是否準(zhǔn)確；若不準(zhǔn)確，調(diào)整所述語音檢測算法的參數(shù)的步驟，直至檢測的所述測試音頻的起點和終點準(zhǔn)確。

6.一種喚醒詞識別方法，其特征在于，根據(jù)權(quán)利要求1至5任一項所述的方法獲得的喚醒模型進(jìn)行喚醒詞識別，所述方法包括：

通過語音檢測算法從待識別音頻中確定語音信號的中間點；

從所述待識別音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段，作為輸入音頻；

將所述輸入音頻輸入所述喚醒模型，獲取所述喚醒模型的輸出結(jié)果；

若所述輸出結(jié)果表示所述輸入音頻與正樣本為相同類別，執(zhí)行識別到喚醒詞對應(yīng)的操作。

7.一種喚醒模型訓(xùn)練裝置，其特征在于，所述訓(xùn)練裝置包括：

語音檢測模塊，用于通過語音檢測算法對采集的音頻進(jìn)行語音檢測，確定所述采集的音頻中語音信號的起點和終點，所述語音信號中包括喚醒詞；

音頻處理模塊，用于確定所述語音信號中起點和終點之間的中間點；

正樣本選取模塊，用于從所述采集的音頻中選取包括所述中間點的預(yù)設(shè)時間長度的音頻段，作為正樣本；

負(fù)樣本選取模塊，用于從所述采集的音頻中，選取預(yù)設(shè)時間長度且不同于所述正樣本的音頻段，作為負(fù)樣本；

訓(xùn)練模塊，用于通過所述正樣本和負(fù)樣本對喚醒模型進(jìn)行訓(xùn)練。