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

在審

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

本申請(qǐng)公開了一種喚醒模型訓(xùn)練方法、喚醒詞識(shí)別方法、裝置及電子設(shè)備，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域。其中，該訓(xùn)練方法包括：通過語(yǔ)音檢測(cè)算法對(duì)采集的音頻進(jìn)行語(yǔ)音檢測(cè)，確定所述采集的音頻中語(yǔ)音信號(hào)的起點(diǎn)和終點(diǎn)，所述語(yǔ)音信號(hào)中包括喚醒詞；確定所述語(yǔ)音信號(hào)中起點(diǎn)和終點(diǎn)之間的中間點(diǎn)；從所述采集的音頻中選取包括所述中間點(diǎn)的預(yù)設(shè)時(shí)間長(zhǎng)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(shí)間長(zhǎng)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(duì)待訓(xùn)練喚醒模型進(jìn)行訓(xùn)練。該方案可以快速獲得訓(xùn)練所需樣本數(shù)據(jù)，提高訓(xùn)練效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，更具體地，涉及一種喚醒模型訓(xùn)練方法、喚醒詞識(shí)別方法、裝置及電子設(shè)備。

背景技術(shù)

電子設(shè)備可以基于喚醒詞進(jìn)行喚醒。通過神經(jīng)網(wǎng)絡(luò)模型基于喚醒詞進(jìn)行喚醒，需要預(yù)先對(duì)通過喚醒詞對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。通常的，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時(shí)，需要預(yù)先通過人力標(biāo)注喚醒詞音頻，人力成本巨大，處理效率低。

發(fā)明內(nèi)容

鑒于上述問題，本申請(qǐng)?zhí)岢隽艘环N喚醒模型訓(xùn)練方法、喚醒詞識(shí)別方法、裝置及電子設(shè)備，以改善上述問題。

第一方面，本申請(qǐng)實(shí)施例提供了一種喚醒模型訓(xùn)練方法，所述方法包括：通過語(yǔ)音檢測(cè)算法對(duì)采集的音頻進(jìn)行語(yǔ)音檢測(cè)，確定所述采集的音頻中語(yǔ)音信號(hào)的起點(diǎn)和終點(diǎn)，所述語(yǔ)音信號(hào)中包括喚醒詞；確定所述語(yǔ)音信號(hào)中起點(diǎn)和終點(diǎn)之間的中間點(diǎn)；從所述采集的音頻中選取包括所述中間點(diǎn)的預(yù)設(shè)時(shí)間長(zhǎng)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(shí)間長(zhǎng)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(duì)待訓(xùn)練喚醒模型進(jìn)行訓(xùn)練。

第二方面，本申請(qǐng)實(shí)施例提供了一種喚醒詞識(shí)別方法，根據(jù)上述方法獲得的喚醒模型進(jìn)行喚醒詞識(shí)別，所述方法包括：通過語(yǔ)音檢測(cè)算法從待識(shí)別音頻中確定語(yǔ)音信號(hào)的中間點(diǎn)；從所述待識(shí)別音頻中選取包括所述中間點(diǎn)的預(yù)設(shè)時(shí)間長(zhǎng)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(shí)別到喚醒詞對(duì)應(yīng)的操作。

第三方面，本申請(qǐng)實(shí)施例提供了一種喚醒模型訓(xùn)練裝置，所述訓(xùn)練裝置包括：語(yǔ)音檢測(cè)模塊，用于通過語(yǔ)音檢測(cè)算法對(duì)采集的音頻進(jìn)行語(yǔ)音檢測(cè)，確定所述采集的音頻中語(yǔ)音信號(hào)的起點(diǎn)和終點(diǎn)，所述語(yǔ)音信號(hào)中包括喚醒詞；音頻處理模塊，用于確定所述語(yǔ)音信號(hào)中起點(diǎn)和終點(diǎn)之間的中間點(diǎn)；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(diǎn)的預(yù)設(shè)時(shí)間長(zhǎng)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(shí)間長(zhǎng)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(duì)喚醒模型進(jìn)行訓(xùn)練。

第四方面，本申請(qǐng)實(shí)施例提供了一種喚醒詞識(shí)別裝置，根據(jù)訓(xùn)練裝置獲得的喚醒模型進(jìn)行喚醒詞識(shí)別，所述識(shí)別裝置包括：音頻處理模塊，用于通過語(yǔ)音檢測(cè)算法從待識(shí)別音頻中確定語(yǔ)音信號(hào)的中間點(diǎn)；輸入音頻選取模塊，用于從所述待識(shí)別音頻中選取包括所述中間點(diǎn)的預(yù)設(shè)時(shí)間長(zhǎng)度的音頻段，作為輸入音頻；識(shí)別模塊，用于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；操作模塊，用于若所述輸出結(jié)果表示所述輸入音頻與正樣本為相同類別，執(zhí)行識(shí)別到喚醒詞對(duì)應(yīng)的操作。

第五方面，本申請(qǐng)實(shí)施例提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)器；一個(gè)或多個(gè)程序，其中所述一個(gè)或多個(gè)程序被存儲(chǔ)在所述存儲(chǔ)器中并被配置為由所述一個(gè)或多個(gè)處理器執(zhí)行，所述一個(gè)或多個(gè)程序被所述處理器執(zhí)行用于執(zhí)行上述的方法。

第六方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有程序代碼，所述程序代碼可被處理器調(diào)用執(zhí)行上述的方法。