[發(fā)明專利]用于醫(yī)療場景的語音喚醒方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111528745.1
• 申請日: 2021-12-14
• 公開（公告）號: CN114187909A
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 宋澤;甘津瑞;王冬冬;練勇
• 申請（專利權(quán)）人: 思必馳科技股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/02;G06F40/232
• 代理公司: 北京商專永信知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 黃謙;侯曉艷

本發(fā)明實施例提供一種用于醫(yī)療場景的語音喚醒方法。該方法包括：將在醫(yī)療場景采集的音頻分別輸入至語音識別引擎和語音喚醒引擎進(jìn)行多線程處理；利用語音喚醒引擎確定的喚醒引擎狀態(tài)，對語音識別引擎確定語音識別結(jié)果進(jìn)行標(biāo)記，用于識別音頻中同聲母和/或同韻母連讀發(fā)音不清晰的喚醒詞；若檢測到語音識別結(jié)果包含喚醒詞且喚醒引擎狀態(tài)為喚醒時，對音頻進(jìn)行喚醒反饋。本發(fā)明實施例還提供一種用于醫(yī)療場景的語音喚醒系統(tǒng)。本發(fā)明實施例針對喚醒準(zhǔn)確率有較高要求的醫(yī)療場景，確保了識別的速度，具有高可靠、高可用的優(yōu)點，更適合應(yīng)用于醫(yī)療場景。

技術(shù)領(lǐng)域

本發(fā)明涉及智能領(lǐng)域，尤其涉及一種用于醫(yī)療場景的語音喚醒方法及系統(tǒng)。

背景技術(shù)

為了達(dá)到良好的語音喚醒準(zhǔn)確率，會采用大規(guī)模詞表連續(xù)語音識別策略,實現(xiàn)語音喚醒功能分為兩步，一是用常規(guī)連續(xù)語音識別方法識別出文本，二是從文本中檢測關(guān)鍵詞，若找到該關(guān)鍵詞，則認(rèn)為被喚醒，反之則不喚醒。

也可以使用基于深度學(xué)習(xí)的喚醒方法，例如，基于HMM(Hidden Markov Model，隱馬爾科夫模型)的KWS(keyword spotting，關(guān)鍵詞識別)聲學(xué)模型建模從高斯混合模型(Gaussian Mixed Model，GMM)轉(zhuǎn)為神經(jīng)網(wǎng)絡(luò)模型；第二類是在第一類的基礎(chǔ)上融入神經(jīng)網(wǎng)絡(luò)的模板匹配，采用神經(jīng)網(wǎng)絡(luò)作為特征提取器；第三類是采用端到端的方法，首先輸入語音，建立聲學(xué)模型，然后進(jìn)行特征提取，計算出各關(guān)鍵詞與非關(guān)鍵詞的后驗概率，最后以特定的窗長進(jìn)行后驗概率平滑，若平滑后的后驗概率超過一定的閾值則認(rèn)為被喚醒，反之沒有喚醒。

在實現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)相關(guān)技術(shù)中至少存在如下問題：

隨著AI技術(shù)的普及，醫(yī)療AI逐漸受到各大醫(yī)院的重視，但各醫(yī)院的條件通常不同，少有醫(yī)院能夠有足夠大的面積為醫(yī)療AI機器搭設(shè)完善的配套，例如相對安靜的區(qū)域環(huán)境、通暢的網(wǎng)絡(luò)等。然而現(xiàn)實中，各大醫(yī)院難以達(dá)到這種理想場景，通常都是布設(shè)一定量的醫(yī)療AI機器分散在醫(yī)院中。若突發(fā)疫情臨時的醫(yī)療環(huán)境會相對更差一些。在這種場景下，難以保證為醫(yī)療AI機器配設(shè)通暢的網(wǎng)絡(luò)。這種場景下，就需要醫(yī)療AI機器人能夠離線識別。然而，考慮到普及化醫(yī)療AI機器的配置也不會很高，無法使用上述深度模型進(jìn)行精準(zhǔn)的喚醒，如果單純使用喚醒詞判斷，醫(yī)院場景中用戶很可能是病人，身體不舒服，說話連音會使發(fā)音不清晰，進(jìn)一步提升了醫(yī)療場景下語音喚醒的難度。

發(fā)明內(nèi)容

為了至少解決現(xiàn)有技術(shù)中醫(yī)療場景下受制于環(huán)境的語音喚醒受限的問題。第一方面，本發(fā)明實施例提供一種用于醫(yī)療場景的語音喚醒方法，包括：

將在所述醫(yī)療場景采集的音頻分別輸入至語音識別引擎和語音喚醒引擎進(jìn)行多線程處理；

利用所述語音喚醒引擎確定的喚醒引擎狀態(tài)，對所述語音識別引擎確定語音識別結(jié)果進(jìn)行標(biāo)記，用于識別所述音頻中同聲母和/或同韻母連讀發(fā)音不清晰的喚醒詞；

若檢測到所述語音識別結(jié)果包含喚醒詞且所述喚醒引擎狀態(tài)為喚醒時，對所述音頻進(jìn)行喚醒反饋。

第二方面，本發(fā)明實施例提供一種用于醫(yī)療場景的語音喚醒系統(tǒng)，包括：

音頻采集程序模塊，用于將在所述醫(yī)療場景采集的音頻分別輸入至語音識別引擎和語音喚醒引擎進(jìn)行多線程處理；

引擎管理程序模塊，用于利用所述語音喚醒引擎確定的喚醒引擎狀態(tài)，對所述語音識別引擎確定語音識別結(jié)果進(jìn)行標(biāo)記，用于識別所述音頻中同聲母和/或同韻母連讀發(fā)音不清晰的喚醒詞；

喚醒程序模塊，用于若檢測到所述語音識別結(jié)果包含喚醒詞且所述喚醒引擎狀態(tài)為喚醒時，對所述音頻進(jìn)行喚醒反饋。

第三方面，提供一種電子設(shè)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)行本發(fā)明任一實施例的用于醫(yī)療場景的語音喚醒方法的步驟。