[發明專利]語音識別中垃圾詞的生成方法及裝置、介質、電子設備

有效

• 申請號: 202010862613.1
• 申請日: 2020-08-25
• 公開（公告）號: CN111951784B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 蘭澤華;林昱;陳少偉
• 申請（專利權）人: 睿云聯（廈門）網絡通訊技術有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/22;G10L15/26
• 代理公司: 廈門原創專利事務所(普通合伙) 35101
• 代理人: 黃巧香

本公開是關于一種語音識別中垃圾詞的生成方法及裝置，屬于計算機技術領域，該方法包括：根據目標關鍵詞包含的音素的數量，生成與所述數量對應的垃圾詞音素序列，所述垃圾詞音素序列中包含多個隨機生成的音素組合；對所述垃圾詞音素序列中包含的音素組合進行解碼，確定各個所述音素組合所對應的待選垃圾詞；將所述待選垃圾詞與所述目標關鍵詞作為訓練集，以對語言模型進行訓練；根據訓練完成的語言模型的測試結果，確定目標垃圾詞。該方法提高了垃圾詞的生成效率，同時保證了垃圾詞的防誤觸發效果。

背景技術

垃圾詞是語音識別中用以與關鍵詞相區別的詞匯，防止命令的誤觸發。在相關的技術方案中，一部分是隨機選取關鍵詞以外的詞匯作為垃圾詞，另一部分是由人工進行選取詞匯作為垃圾詞，然而，隨機選取會出現與關鍵詞發音相近的詞匯，進而導致命令的誤觸發，而由人工進行選取，耗時耗力，人工成本較高。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種語音識別中垃圾詞的生成方法、垃圾詞的生成裝置、計算機可讀存儲介質以及電子設備，進而至少在一定程度上可以提高垃圾詞的生成效率，并有效降低命令的誤觸發。

根據本公開的一個方面，提供一種語音識別中垃圾詞的生成方法，包括：

根據目標關鍵詞包含的音素的數量，生成與所述數量對應的垃圾詞音素序列，所述垃圾詞音素序列中包含多個隨機生成的音素組合；

對所述垃圾詞音素序列中包含的音素組合進行解碼，確定各個所述音素組合所對應的待選垃圾詞；

將所述待選垃圾詞與所述目標關鍵詞作為訓練集，以對語言模型進行訓練；

根據訓練完成的語言模型的測試結果，確定目標垃圾詞。

在本公開的一些實施例中，基于前述方案，對所述垃圾詞音素序列中包含的音素組合進行解碼，確定各個所述音素組合所對應的待選垃圾詞，包括：

根據所述垃圾詞音素序列中包含的音素組合進行查詢，確定是否存在與所述音素組合對應的有效詞匯；

若存在與所述音素組合對應的有效詞匯，則將所述有效詞匯作為待選垃圾詞。

在本公開的一些實施例中，基于前述方案，在根據所述垃圾詞音素序列中包含的音素組合進行查詢，確定是否存在與所述音素組合對應的有效詞匯之后，所述方法還包括：

若不存在與所述音素組合對應的有效詞匯，則更新所述音素組合中包含的音素，確定是否存在與更新后的音素組合對應的有效詞匯。

在本公開的一些實施例中，基于前述方案，根據訓練完成的語言模型的測試結果，確定目標垃圾詞，包括：

根據訓練完成的語言模型的識別結果，計算所述語言模型的等錯誤率；

若所述等錯誤率小于或等于預定閾值，則將所述待選垃圾詞作為目標垃圾詞。

在本公開的一些實施例中，基于前述方案，所述垃圾詞音素序列的數量為多個，所述方法還包括：

若所述等錯誤率大于所述預定閾值，則采用遺傳算法對多個所述垃圾詞音素序列進行優化，直至所述等錯誤率小于或等于所述預定閾值。

在本公開的一些實施例中，基于前述方案，根據目標關鍵詞包含的音素的數量，生成與所述音素數量對應的垃圾詞音素序列，包括：

根據目標關鍵詞包含的音素的數量，確定垃圾詞音素序列中音素組合包含的音素的數量；

根據所述音素組合包含的音素的數量，生成垃圾詞音素序列。