[發(fā)明專利]語音喚醒方法及裝置

有效

• 申請?zhí)枺?/td>: 202011302212.7
• 申請日: 2020-11-19
• 公開（公告）號: CN112331186B
• 公開（公告）日: 2022-03-25
• 發(fā)明（設計）人: 王蒙;薛少飛
• 申請（專利權）人: 思必馳科技股份有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/08;G10L15/22
• 代理公司: 北京商專永信知識產(chǎn)權代理事務所(普通合伙) 11400
• 代理人: 黃謙;車江華

1.一種語音喚醒方法，包括：

獲取音頻數(shù)據(jù)；

在滑動窗口內(nèi)對所獲取的音頻數(shù)據(jù)進行歸一化處理，以生成相應的目標特征數(shù)據(jù)；

將所述目標特征數(shù)據(jù)提供給語音喚醒模型，以由所述語音喚醒模型確定是否進行相應的語音喚醒操作。

2.根據(jù)權利要求1所述的方法，所述音頻數(shù)據(jù)為包含喚醒關鍵詞的至少一個測試音頻數(shù)據(jù)，其中，在將所述目標特征數(shù)據(jù)提供給語音喚醒模型，以由所述語音喚醒模型確定是否進行相應的語音喚醒操作之后，所述方法還包括：

獲取針對各個測試音頻數(shù)據(jù)的語音喚醒結(jié)果；

基于所獲取的各個語音喚醒結(jié)果，計算相應的測試喚醒率；

當所述測試喚醒率低于預設的喚醒率閾值時，調(diào)整所述滑動窗口的窗口長度。

3.根據(jù)權利要求1所述的方法，其中，所述滑動窗口為時間長度窗口和/或幀長度窗口。

4.根據(jù)權利要求1所述的方法，其中，所述獲取音頻數(shù)據(jù)，包括：

連續(xù)采樣音頻幀，以得到相應的音頻數(shù)據(jù)。

5.根據(jù)權利要求1所述的方法，其中，所述在滑動窗口內(nèi)對所獲取的音頻數(shù)據(jù)進行歸一化處理，以生成相應的目標特征數(shù)據(jù)，包括：

基于PCEN算法對各個在所述滑動窗口內(nèi)的音頻數(shù)據(jù)分別進行歸一化處理，以生成相應的目標特征數(shù)據(jù)。

6.一種語音喚醒裝置，包括：

音頻數(shù)據(jù)獲取單元，被配置為獲取音頻數(shù)據(jù)；

歸一化處理單元，被配置為在滑動窗口內(nèi)對所獲取的音頻數(shù)據(jù)進行歸一化處理，以生成相應的目標特征數(shù)據(jù)；

喚醒模型輸入單元，被配置為將所述目標特征數(shù)據(jù)提供給語音喚醒模型，以由所述語音喚醒模型確定是否進行相應的語音喚醒操作。

7.根據(jù)權利要求6所述的裝置，所述音頻數(shù)據(jù)為包含喚醒詞的至少一個測試音頻數(shù)據(jù)，其中，所述裝置還包括：

喚醒結(jié)果獲取單元，被配置為獲取針對各個測試音頻數(shù)據(jù)的語音喚醒結(jié)果；

喚醒率計算單元，被配置為基于所獲取的各個語音喚醒結(jié)果，計算相應的測試喚醒率；

窗口長度調(diào)整單元，被配置為當所述測試喚醒率低于預設的喚醒率閾值時，調(diào)整所述滑動窗口的窗口長度。

8.根據(jù)權利要求6所述的裝置，其中，所述歸一化處理單元還被配置為基于PCEN算法對各個在所述滑動窗口內(nèi)的音頻數(shù)據(jù)分別進行歸一化處理，以生成相應的目標特征數(shù)據(jù)。

9.一種電子設備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權利要求1-5中任一項所述方法的步驟。

10.一種存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權利要求1-5中任一項所述方法的步驟。