[發(fā)明專利]一種人工智能語音喚醒方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011075074.3
• 申請(qǐng)日: 2020-10-09
• 公開（公告）號(hào): CN112233656A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 程松林
• 申請(qǐng)（專利權(quán)）人: 安徽訊呼信息科技有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/06;G10L15/08;G10L15/26;G10L21/0208
• 代理公司: 合肥律眾知識(shí)產(chǎn)權(quán)代理有限公司 34147
• 代理人: 魏潔

本發(fā)明涉及語音喚醒，具體涉及一種人工智能語音喚醒方法，獲取語音數(shù)據(jù)，利用語音檢測(cè)模型確定語音數(shù)據(jù)對(duì)應(yīng)的能量特征，根據(jù)能量特征確定語音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)，判斷語音數(shù)據(jù)中是否包含喚醒關(guān)鍵詞，若語音數(shù)據(jù)中包含喚醒關(guān)鍵詞，利用喚醒判決模型進(jìn)行喚醒判定，否則喚醒判決模型輸出維持現(xiàn)狀指令；本發(fā)明提供的技術(shù)方案能夠有效克服現(xiàn)有技術(shù)所存在的語音喚醒識(shí)別的準(zhǔn)確率較低、不能對(duì)喚醒詞進(jìn)行靈活調(diào)整的缺陷。

技術(shù)領(lǐng)域

本發(fā)明涉及語音喚醒，具體涉及一種人工智能語音喚醒方法。

背景技術(shù)

在智能家居或者語音交互系統(tǒng)中，語音喚醒(wakeword)技術(shù)應(yīng)用非常廣泛。但是，語音喚醒識(shí)別的準(zhǔn)確率和運(yùn)算量大大降低其實(shí)際應(yīng)用體驗(yàn)，提高了對(duì)設(shè)備硬件的要求，例如：如果語音喚醒的誤喚醒率在應(yīng)用中大于一個(gè)閾值，這樣的喚醒誤觸發(fā)頻率就有可能引起用戶的反感；另一方面，如果語音喚醒的運(yùn)算量超出一些低端芯片的運(yùn)算能力，就會(huì)制約很多產(chǎn)品使用語音喚醒技術(shù)。

現(xiàn)有的相關(guān)技術(shù)中，語音喚醒使用的技術(shù)是關(guān)鍵詞識(shí)別(keyword-spotting)，通過設(shè)計(jì)一個(gè)深度神經(jīng)網(wǎng)絡(luò)的模型，搭建一個(gè)巧妙的小解碼網(wǎng)絡(luò)，配合一些關(guān)鍵詞檢出的技術(shù)，實(shí)現(xiàn)語音喚醒功能。

但是，上述基于關(guān)鍵詞識(shí)別方法的語音喚醒技術(shù)，模型參數(shù)量較大，而且針對(duì)不同的喚醒詞，填充詞的設(shè)計(jì)需要隨之改變，相應(yīng)的解碼參數(shù)和關(guān)鍵詞檢出技術(shù)都要進(jìn)行調(diào)整，很難有統(tǒng)一的算法來確保每個(gè)喚醒詞的喚醒效果處于穩(wěn)定水平，而且這種設(shè)定好填充詞后，喚醒詞的誤識(shí)率就固定了，并不能靈活地對(duì)喚醒詞進(jìn)行調(diào)整，也無法進(jìn)行自主學(xué)習(xí)。

發(fā)明內(nèi)容

(一)解決的技術(shù)問題

針對(duì)現(xiàn)有技術(shù)所存在的上述缺點(diǎn)，本發(fā)明提供了一種人工智能語音喚醒方法，能夠有效克服現(xiàn)有技術(shù)所存在的語音喚醒識(shí)別的準(zhǔn)確率較低、不能對(duì)喚醒詞進(jìn)行靈活調(diào)整的缺陷。

(二)技術(shù)方案

為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：

一種人工智能語音喚醒方法，包括以下步驟：

S1、獲取語音數(shù)據(jù)；

S2、利用語音檢測(cè)模型確定語音數(shù)據(jù)對(duì)應(yīng)的能量特征，根據(jù)能量特征確定語音數(shù)據(jù)對(duì)應(yīng)的文本數(shù)據(jù)；

S3、判斷語音數(shù)據(jù)中是否包含喚醒關(guān)鍵詞；

S4、若語音數(shù)據(jù)中包含喚醒關(guān)鍵詞，利用喚醒判決模型進(jìn)行喚醒判定，否則喚醒判決模型輸出維持現(xiàn)狀指令。

優(yōu)選地，所述利用語音檢測(cè)模型確定語音數(shù)據(jù)對(duì)應(yīng)的能量特征，包括：

對(duì)語音數(shù)據(jù)進(jìn)行預(yù)處理，確定語音數(shù)據(jù)中各濾波器組能量值；

利用訓(xùn)練后的語音檢測(cè)模型，對(duì)語音數(shù)據(jù)中各濾波器組能量值進(jìn)行處理。

優(yōu)選地，所述利用訓(xùn)練后的語音檢測(cè)模型，對(duì)語音數(shù)據(jù)中各濾波器組能量值進(jìn)行處理，包括：

確定某一幀語音數(shù)據(jù)中各濾波器組能量值，以及對(duì)應(yīng)平滑參數(shù)；

獲取前一幀語音數(shù)據(jù)中各平滑后的濾波器組能量值；

根據(jù)濾波器組能量值、平滑后的濾波器組能量值和平滑參數(shù)，確定某一幀語音數(shù)據(jù)中對(duì)應(yīng)的平滑后的濾波器組能量值。

優(yōu)選地，所述語音檢測(cè)模型的訓(xùn)練步驟包括：

獲取訓(xùn)練語音數(shù)據(jù)，并對(duì)語音檢測(cè)模型進(jìn)行初始化；

利用訓(xùn)練語音數(shù)據(jù)對(duì)語音檢測(cè)模型進(jìn)行訓(xùn)練，確定訓(xùn)練后的語音檢測(cè)模型以及對(duì)應(yīng)平滑參數(shù)。

優(yōu)選地，所述判斷語音數(shù)據(jù)中是否包含喚醒關(guān)鍵詞，包括：

對(duì)連續(xù)多幀的語音數(shù)據(jù)進(jìn)行特征分析，并對(duì)音頻特征進(jìn)行緩存；