[發明專利]用語音操作設備的方法和系統及服務器

在審

• 申請號: 202010777932.2
• 申請日: 2020-08-05
• 公開（公告）號: CN111798850A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 黃石磊;劉軼;程剛
• 申請（專利權）人: 深圳市北科瑞聲科技股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/30;G10L17/00
• 代理公司: 深圳市萬商天勤知識產權事務所(普通合伙) 44279
• 代理人: 羅建平

本發明公開了一種用語音操作設備的方法和系統及服務器。所述系統包括：移動終端和服務器；所述移動終端，用于采集用戶語音，將采集的語音數據和用戶標識UID發送到所述服務器；所述服務器，用于接收所述移動終端發送的語音數據和UID，對所述語音數據進行識別，對識別結果進行解析，獲取喚醒詞、設備標識DID和指令，如果檢測到喚醒詞和所述UID設定的喚醒詞一致，則響應于所述語音數據，向所述DID表示的目標設備發送所述指令，以指示所述目標設備執行相應的操作。本發明解決了多個設備場景下語音喚醒存在干擾和喚醒詞難以記憶的問題。

技術領域

本發明涉及語音識別技術領域，具體涉及一種用語音操作設備的方法和系統及服務器。

背景技術

語音識別(Speech Recognition)技術，也被稱為自動語音識別(AutomaticSpeech Recognition，ASR)，其目標是將語音中的內容(Content)轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列(text)并進行相應的操作。

語音喚醒在學術上被稱為keyword spotting(簡稱KWS)，一個定義：在連續語流中實時檢測出說話人特定片段。這里要注意，檢測的“實時性”是一個關鍵點，語音喚醒的目的就是將設備從休眠狀態激活至運行狀態，所以喚醒詞說出之后，能立刻被檢測出來，用戶的體驗才會更好。評價語音喚醒的效果，通行的指標有四個方面，即喚醒率、誤喚醒、響應時間和功耗水平。

語音喚醒可以看做是語音識別的一個特定的應用場景，一般而言，語音喚醒可以看成是一個特定詞(針對一個特定系統或者設備)的語音識別任務(其他的詞無論是否識別出來都被忽略)；而通常的語音識別都暗含著是多個詞的識別任務，例如語音命令控制，可能包含幾十到上百詞，連續語音識別(LVCSR)甚至包含幾十萬詞匯。

語音識別的主流技術是基于隱馬爾科夫模型(Hidden Markov Model,HMM)，常用的是連續分布的HMM模型，稱為CDHMM。在語音識別任務中，一般需要聲學模型(AcousticModel)和語言模型(Language Model)。聲學模型是語音識別系統中最為重要的部分之一，主流系統多采用HMM模型進行建模。語言模型可分為統計語言模型以及現在常用的神經網絡語言模型。當前語音識別逐漸轉向WFST(weighted finaite-state transducer，加權有限狀態轉換器)+深度神經網絡的框架。HMM模型很容易表示成WFST的形式。

語音操控設備，一般是用戶通過語音發出指令，系統通過語音識別進行判斷指令內容，進而進行相應的動作。這里至少需要語音識別技術，有的情況下也包括語音喚醒。語音喚醒也是廣義的語音識別的一種技術應用。

單個設備的語音指令操作已經是成熟的方案，但是多個設備同時語音操控，特別是語音喚醒是具有挑戰的。語音喚醒的一個難點，就是多個設備同時在場的情況下如何喚醒。例如一個挑戰性的場景是，在醫院通過語音指令來操縱醫療設備，特別是在醫院隔離病區醫生雙手沒空的情況下語音控制多個醫療設備，進行相關操作。由于每個設備具有特定的喚醒詞，不同設備需要通過不同的喚醒詞激活，但是如果設備過多，那么喚醒詞的記憶是個問題。而且針對某些場景，會有同類型設備(例如醫院的多人病房，每個患者都會有同樣的醫療設備)，那么設置喚醒詞將很麻煩，因為一般而言同一類設備會具有相同的喚醒詞，會出現相互干擾，導致同時喚醒的問題。

發明內容

本發明目的在于提供一種用語音操作設備的方法和系統及服務器，用于解決多個設備場景下語音喚醒存在干擾和喚醒詞難以記憶的問題。

為實現上述目的，本發明采用的技術方案如下。