[發明專利]語音喚醒方法及裝置

有效

• 申請號: 202011302212.7
• 申請日: 2020-11-19
• 公開（公告）號: CN112331186B
• 公開（公告）日: 2022-03-25
• 發明（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權代理事務所(普通合伙) 11400
• 代理人: 黃謙;車江華

本發明公開一種語音喚醒方法及裝置。在該方法中，獲取音頻數據；在滑動窗口內對所獲取的音頻數據進行歸一化處理，以生成相應的目標特征數據；將所述目標特征數據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。由此，可以避免突變的聲場環境因歸一化操作而被削弱的影響，有助于提高終端設備在較嘈雜的聲學環境中的喚醒率。

技術領域

本發明屬于語音處理技術領域，尤其涉及一種語音喚醒方法及裝置。

背景技術

PCEN（Per-Channel Energy Normalization, 單通道能量歸一化算法）是一種能量泛化算法，其可以對沒有取對數的音頻特征進行單通道能量歸一化處理，能夠替代特征提取部分的取對數運算，具有較強的聲學自適應性。此外，通過測試結果顯示，在遠場測試環境下具有提升喚醒率的效果。

但是，在聲音產生突變時，可能導致配置有PCEN算法的語音識別模型無法喚醒的情況，其一般是基于IIR（infinite impulse response, 無限脈沖響應）濾波器的，導致初始狀態會一直對當前狀態產生影響，而在聲場環境突變時，特征的值會產生較大的改變，經過歸一化處理后，這個改變被削弱，從而對喚醒結果產生一定影響。

舉例來說，在家居環境中，有可能會出現尖銳的椅子腿摩擦地面的聲音，如果用戶在摩擦聲之后說出喚醒詞來試圖喚醒設備，由于聲場環境發生了巨大改變，很有可能導致設備無法喚醒。

針對上述問題，目前業界暫時并未提供較佳的解決方案。

發明內容

本發明實施例提供一種語音喚醒方法及裝置，用于至少解決上述技術問題之一。

第一方面，本發明實施例提供一種語音喚醒方法，包括：獲取音頻數據；在滑動窗口內對所獲取的音頻數據進行歸一化處理，以生成相應的目標特征數據；將所述目標特征數據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。

第二方面，本發明實施例提供一種語音喚醒裝置，包括：音頻數據獲取單元，被配置為獲取音頻數據；歸一化處理單元，被配置為在滑動窗口內對所獲取的音頻數據進行歸一化處理，以生成相應的目標特征數據；喚醒模型輸入單元，被配置為將所述目標特征數據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。

第三方面，本發明實施例提供一種電子設備，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行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述方法的步驟。

第四方面，本發明實施例提供一種存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現上述方法的步驟。

本發明實施例的有益效果在于：

在對移動終端設備進行喚醒操作時，可以在滑動窗口內對所獲取的音頻數據進行歸一化處理，以得到相應的特征數據，而不是針對音頻數據整體進行歸一化處理，可以避免突變的聲場環境因歸一化操作而被削弱的影響，有助于提高終端設備在較嘈雜的聲學環境中的喚醒率。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1示出了根據本發明實施例的語音喚醒方法的一示例的流程圖；

圖2示出了根據本發明實施例的校準滑動窗口的窗口長度的一示例的流程圖；

圖3示出了根據本發明實施例的語音喚醒方法的一示例的架構示意圖；