[發(fā)明專利]連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210347366.0
• 申請(qǐng)日: 2022-04-01
• 公開（公告）號(hào): CN114664303A
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計(jì)）人: 陳芒
• 申請(qǐng)（專利權(quán)）人: 深圳市輕生活科技有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/16;G10L15/06;G10L21/0208;G10L25/78
• 代理公司: 北京冠和權(quán)律師事務(wù)所 11399
• 代理人: 趙銀萍

1.一種連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)，其特征在于，包括：輸入模塊、預(yù)處理模塊、在線語(yǔ)音識(shí)別處理模塊、離線語(yǔ)音識(shí)別處理模塊和輸出模塊；

所述輸入模塊與所述預(yù)處理模塊連接，用于通過MIC輸入用戶控制語(yǔ)音；

所述預(yù)處理模塊的另一端分別與所述在線語(yǔ)音識(shí)別處理模塊、離線語(yǔ)音識(shí)別處理模塊連接，用于對(duì)所述用戶控制語(yǔ)音進(jìn)行音頻預(yù)處理，得到預(yù)處理后的語(yǔ)音；

所述在線語(yǔ)音識(shí)別處理模塊，用于通過云端平臺(tái)對(duì)預(yù)處理后的語(yǔ)音進(jìn)行語(yǔ)音識(shí)別得到語(yǔ)音輸出信息；

所述離線語(yǔ)音識(shí)別處理模塊，用于通過神經(jīng)網(wǎng)絡(luò)RNN模型對(duì)預(yù)處理后的語(yǔ)音進(jìn)行語(yǔ)音識(shí)別得到語(yǔ)音輸出信息；

所述輸出模塊，用于將所述在線語(yǔ)音識(shí)別處理模塊或所述離線語(yǔ)音識(shí)別處理模塊得到的語(yǔ)音輸出信息輸出。

2.根據(jù)權(quán)利要求1所述的連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)，其特征在于，所述連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)還包括：?jiǎn)拘涯K；當(dāng)所述連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)在預(yù)設(shè)時(shí)間內(nèi)未收到用戶控制語(yǔ)音時(shí)，所述連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)進(jìn)入休眠狀態(tài)，當(dāng)再次使用所述連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)時(shí)，通過所述喚醒模塊，利用特定喚醒詞將處于休眠狀態(tài)的連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)喚醒進(jìn)入待命狀態(tài)。

3.根據(jù)權(quán)利要求1所述的連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)，其特征在于，所述MIC采用線性雙麥克風(fēng)陣列，所述預(yù)處理模塊在對(duì)所述用戶控制語(yǔ)音進(jìn)行音頻預(yù)處理時(shí)包括：

通過AD芯片對(duì)所述MIC輸入的用戶控制語(yǔ)音進(jìn)行采集，獲得所述用戶控制語(yǔ)音；

對(duì)所述用戶控制語(yǔ)音進(jìn)行分幀處理，將所述用戶控制語(yǔ)音按幀劃分，獲得多個(gè)用戶控制語(yǔ)音幀；

在所述用戶控制語(yǔ)音幀中查找靜音信號(hào)語(yǔ)音幀，并在所述用戶控制語(yǔ)音幀中將所述靜音信號(hào)語(yǔ)音幀去除，得到第一處理后的用戶控制語(yǔ)音；其中，在所述用戶控制語(yǔ)音幀中查找靜音信號(hào)語(yǔ)音幀是通過聲音識(shí)別模型進(jìn)行識(shí)別匹配得到的，所述聲音識(shí)別模型是根據(jù)靜音信號(hào)生成的聲學(xué)模型，在通過聲音識(shí)別模型進(jìn)行識(shí)別匹配時(shí)，提取所述用戶控制語(yǔ)音幀語(yǔ)音特征，并將所述語(yǔ)音特征在所述聲音識(shí)別模型中進(jìn)行匹配，獲得所述語(yǔ)音特征的匹配值，再針對(duì)所述語(yǔ)音特征的匹配值進(jìn)行判斷，將所述語(yǔ)音特征的匹配值大于預(yù)設(shè)閾值的用戶控制語(yǔ)音幀判斷為靜音信號(hào)語(yǔ)音幀；

針對(duì)所述第一處理后的用戶控制語(yǔ)音進(jìn)行自身聲音消除處理，包括：將所述第一處理后的用戶控制語(yǔ)音通過功放由喇叭進(jìn)行播放，同時(shí)所述MIC進(jìn)行聲音采集，并將采集到的聲音傳輸至所述AD芯片，再通過回聲消除算法得到預(yù)處理后的語(yǔ)音。

4.根據(jù)權(quán)利要求1所述的連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)，其特征在于，所述在線語(yǔ)音識(shí)別處理模塊在通過云端平臺(tái)對(duì)預(yù)處理后的語(yǔ)音進(jìn)行語(yǔ)音識(shí)別得到語(yǔ)音輸出信息時(shí)，通過TPC/IP協(xié)議獲取所述預(yù)處理后的語(yǔ)音；針對(duì)所述預(yù)處理后的語(yǔ)音進(jìn)行自然語(yǔ)言處理識(shí)別出用戶的意圖；針對(duì)所述用戶的意圖進(jìn)行意圖識(shí)別，確定所述用戶的意圖的合理性；當(dāng)所述用戶的意圖合理時(shí)，根據(jù)所述用戶的意圖進(jìn)行資源訪問，獲得目標(biāo)資源，并將所述目標(biāo)資源傳輸至所述中央處理單元，所述中央處理單元針對(duì)所述目標(biāo)資源進(jìn)行交互信息輸出，得到語(yǔ)音輸出信息。

5.根據(jù)權(quán)利要求1所述的連續(xù)語(yǔ)音指令快速識(shí)別控制系統(tǒng)，其特征在于，所述離線語(yǔ)音識(shí)別處理模塊在通過神經(jīng)網(wǎng)絡(luò)RNN模型對(duì)預(yù)處理后的語(yǔ)音進(jìn)行語(yǔ)音識(shí)別得到語(yǔ)音輸出信息時(shí)，針對(duì)所述預(yù)處理后的語(yǔ)音進(jìn)行特征提取，獲得預(yù)處理后的語(yǔ)音特征，然后根據(jù)所述預(yù)處理后的語(yǔ)音特征進(jìn)行模型訓(xùn)練和模型識(shí)別，所述模型訓(xùn)練包括：根據(jù)所述語(yǔ)音特征以及調(diào)整模型參數(shù)對(duì)音頻進(jìn)行模型建立，得到初始狀態(tài)下的神經(jīng)網(wǎng)絡(luò)RNN模型，對(duì)所述初始狀態(tài)下的神經(jīng)網(wǎng)絡(luò)RNN模型進(jìn)行模型訓(xùn)練，得到優(yōu)化神經(jīng)網(wǎng)絡(luò)RNN模型模板，并將所述優(yōu)化神經(jīng)網(wǎng)絡(luò)RNN模型模板保存到模型存儲(chǔ)單元中；所述模型識(shí)別包括：根據(jù)所述語(yǔ)音特征在所模型存儲(chǔ)單元中進(jìn)行模型匹配，得到優(yōu)化神經(jīng)網(wǎng)絡(luò)RNN模型，并根據(jù)失真判決準(zhǔn)則進(jìn)行識(shí)別判斷，得到語(yǔ)音輸出信息。