[發明專利]一種關鍵詞的語音識別方法及裝置

在審

• 申請號: 202210191909.4
• 申請日: 2022-02-28
• 公開（公告）號: CN114566156A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 陳錦明;吳濤;李倩
• 申請（專利權）人: 恒玄科技（上海）股份有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/02;G10L15/06;G10L25/30
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 盧志娟

1.一種關鍵詞的語音識別方法，其特征在于，所述方法包括：

獲取一段時長的語音信號，并計算所述語音信號的語音識別特征；

將所述語音識別特征輸入神經網絡模型，通過所述神經網絡模型確定目標關鍵詞的N個分類標簽在所述語音信號中分別存在的概率，N為正整數；

根據所述目標關鍵詞的N個分類標簽在所述語音信號中分別存在的概率，確定所述目標關鍵詞的N個分類標簽在所述語音信號中共同存在的概率；

若所述目標關鍵詞的N個分類標簽在所述語音信號中共同存在的概率大于或等于設定閾值，則確定所述語音信號中存在所述目標關鍵詞。

2.根據權利要求1所述的方法，其特征在于，所述目標關鍵詞的N個分類標簽通過對所述目標關鍵詞按照音素、字或詞的粒度進行劃分得到。

3.根據權利要求1所述的方法，其特征在于，所述目標關鍵詞的N個分類標簽在所述語音信號中共同存在的概率與所述語音識別特征分別對應所述目標關鍵詞的N個分類標簽的概率相關聯。

4.根據權利要求1所述的方法，其特征在于，所述計算所述語音信號的語音識別特征，包括：

按照設定的窗長和步長對所述語音信號進行分幀；

針對每幀語音信號，通過對該幀語音信號進行短時傅里葉變換，確定該幀語音信號的時頻特征；

根據所述時頻特征，確定基于過濾器組的特征和梅爾頻率倒譜系數。

5.根據權利要求4所述的方法，其特征在于，所述窗長大于或等于所述目標關鍵詞的分類標簽的最長發音長度，所述步長小于或等于所述窗長的一半。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：

采用多標簽的訓練方法對所述神經網絡模型進行訓練，直至所述神經網絡模型收斂。

7.一種關鍵詞的語音識別裝置，其特征在于，所述裝置包括：

通信模塊，用于獲取一段時長的語音信號；

處理模塊，用于計算所述語音信號的語音識別特征；將所述語音識別特征輸入神經網絡模型，通過所述神經網絡模型確定目標關鍵詞的N個分類標簽在所述語音信號中分別存在的概率，N為正整數；根據所述目標關鍵詞的N個分類標簽在所述語音信號中分別存在的概率，確定所述目標關鍵詞的N個分類標簽在所述語音信號中同時存在的概率；若所述目標關鍵詞的N個分類標簽在所述語音信號中共同存在的概率大于設定閾值，則確定所述語音信號中存在所述目標關鍵詞。

8.一種芯片，其特征在于，其被部署有經多標簽訓練的神經網絡模型以及權重，并且被配置為：

當所述芯片接收到一段時長的語音信號時，執行如權利要求1至5中任一項所述的關鍵詞的語音識別方法。

9.一種計算設備，其特征在于，包括：

存儲器，用于存儲程序指令；

處理器，用于調用所述存儲器中存儲的程序指令，按照獲得的程序指令執行如權利要求1至6中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，包括計算機可讀指令，當計算機讀取并執行所述計算機可讀指令時，使得如權利要求1至6中任一項所述的方法實現。