[發(fā)明專利]誤喚醒音頻的獲取方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010981082.8
• 申請(qǐng)日: 2020-09-17
• 公開（公告）號(hào): CN112114886A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 李旭;杜霜霜
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F9/4401
• 分類號(hào): G06F9/4401;G10L15/04;G10L15/22;G10L17/18
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種誤喚醒音頻的獲取方法，所述方法包括：

采集播放的音頻，作為待處理音頻；

將所述待處理音頻輸入到預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，得到所述待處理音頻的近似喚醒音頻片段在所述待處理音頻中的位置，其中，所述深度神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測(cè)在輸入的音頻中的、喚醒詞音頻的近似音頻片段的位置；

基于所述近似喚醒音頻片段的位置，在所述待處理音頻中確定誤喚醒片段，并生成包括所述誤喚醒片段的誤喚醒片段集合。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述位置包括起點(diǎn)和終點(diǎn)；

所述基于所述近似喚醒音頻片段的位置，在所述待處理音頻中確定誤喚醒片段，包括：

在所述近似喚醒音頻片段的起點(diǎn)，在所述待處理音頻中向在先的方向確定第一預(yù)設(shè)時(shí)長(zhǎng)的音頻片段的起點(diǎn)為目標(biāo)起點(diǎn)；

在所述近似喚醒音頻片段的終點(diǎn)，在所述待處理音頻中向在后的方向確定第二預(yù)設(shè)時(shí)長(zhǎng)的音頻片段的終點(diǎn)為目標(biāo)終點(diǎn)；

提取從所述目標(biāo)起點(diǎn)至所述目標(biāo)終點(diǎn)所對(duì)應(yīng)的音頻片段，將所提取的音頻片段確定為誤喚醒片段。

3.根據(jù)權(quán)利要求1或2所述的方法，其中，所述得到所述待處理音頻的近似喚醒音頻片段在所述待處理音頻中的位置，包括：

得到從所述深度神經(jīng)網(wǎng)絡(luò)模型輸出的、所述近似喚醒音頻片段的喚醒置信度和在所述待處理音頻中的位置，其中，所述近似喚醒音頻片段針對(duì)喚醒詞音頻的喚醒置信度高于所述深度神經(jīng)網(wǎng)絡(luò)模型的置信度閾值。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述生成包括所述誤喚醒片段的誤喚醒片段集合，包括：

將各個(gè)誤喚醒片段進(jìn)行拼接，生成包括拼接結(jié)果的誤喚醒片段集合；以及

所述方法還包括：

響應(yīng)于輸出的近似喚醒音頻片段的位置的數(shù)量小于目標(biāo)數(shù)量閾值，調(diào)低所述置信度閾值，其中，所述目標(biāo)數(shù)量閾值與所述待處理音頻的時(shí)長(zhǎng)相關(guān)聯(lián)；

將所述待處理音頻重新輸入到置信度閾值調(diào)低后的深度神經(jīng)網(wǎng)絡(luò)模型，得到近似喚醒音頻片段在所述待處理音頻中的位置和喚醒置信度，基于該近似喚醒音頻片段的位置，確定誤喚醒片段，并將該誤喚醒片段進(jìn)行拼接，利用該拼接結(jié)果更新所述誤喚醒片段集合，其中，所述誤喚醒片段集合中各個(gè)誤喚醒片段的拼接結(jié)果的時(shí)長(zhǎng)大于目標(biāo)時(shí)長(zhǎng)。

5.根據(jù)權(quán)利要求3所述的方法，其中，所述方法還包括：

獲取在多個(gè)角度擺放的音箱播放所述誤喚醒片段集合對(duì)被測(cè)設(shè)備的喚醒結(jié)果；

若在所述喚醒結(jié)果中，喚醒了所述被測(cè)設(shè)備的誤喚醒片段的數(shù)量達(dá)到了指定數(shù)量閾值，確定所述誤喚醒片段集合為有效集合，其中，所述指定數(shù)量閾值與所述誤喚醒片段集合中所包括的誤喚醒片段的數(shù)量相關(guān)聯(lián)；

若在所述喚醒結(jié)果中，喚醒了所述被測(cè)設(shè)備的誤喚醒片段的數(shù)量未達(dá)到所述指定數(shù)量閾值，確定所述誤喚醒片段集合為無(wú)效集合。

6.根據(jù)權(quán)利要求5所述的方法，其中，所述方法還包括：

在確定所述誤喚醒片段集合為無(wú)效集合的情況下，調(diào)高所述置信度閾值。

7.一種誤喚醒音頻的獲取裝置，所述裝置包括：

獲取單元，被配置成采集播放的音頻，作為待處理音頻；

預(yù)測(cè)單元，被配置成將所述待處理音頻輸入到預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，得到所述待處理音頻的近似喚醒音頻片段在所述待處理音頻中的位置，其中，所述深度神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測(cè)在輸入的音頻中的、喚醒詞音頻的近似音頻片段的位置；

生成單元，被配置成基于所述近似喚醒音頻片段的位置，在所述待處理音頻中確定誤喚醒片段，并生成包括所述誤喚醒片段的誤喚醒片段集合。