[發明專利]一種基于語義保留的語音喚醒方法及系統

在審

• 申請號: 202210780418.3
• 申請日: 2022-07-05
• 公開（公告）號: CN114863915A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 李郡;付冠宇;王嘯;尚德龍;周玉梅
• 申請（專利權）人: 中科南京智能技術研究院
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/16;G10L15/22;G10L25/24;G10L25/30;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 趙興華

本發明涉及一種基于語義保留的語音喚醒方法及系統。該方法包括：獲取語音樣本數據，并對所述語音樣本數據進行特征提取，確定連續聲學特征幀相關信息；所述連續聲學特征幀相關信息包括：梅爾頻率倒譜系數、幀移和單幀幀長；利用關鍵詞對所述連續聲學特征幀進行標記，確定流式幀級別標簽；所述流式幀級別標簽包括：關鍵詞語義幀標簽和非關鍵詞語義幀標簽；根據連續聲學特征幀以及對應的流式幀級別標簽訓練神經網絡，確定流式語音喚醒系統神經網絡；利用流式語音喚醒系統神經網絡進行語音數據的識別，并根據識別結果相應的進行語音喚醒。本發明能夠提高語音喚醒的準確率和穩定性。

技術領域

本發明涉及語音喚醒領域，特別是涉及一種基于語義保留的語音喚醒方法及系統。

背景技術

隨著智能設備的發展，語音交互被廣泛應用，而語音喚醒系統是啟用語音交互的關鍵。語音喚醒系統的目標，是在無手動操作的情況下，在連續語音輸入中找到設定關鍵詞。為達到一定的用戶體驗，語音喚醒系統應滿足高準確率和高穩定性的要求。

因此，為了提高語音喚醒的準確率和穩定性，亟需提供一種新的語音喚醒方法或系統。

發明內容

本發明的目的是提供一種基于語義保留的語音喚醒方法及系統，能夠提高語音喚醒的準確率和穩定性。

為實現上述目的，本發明提供了如下方案：

一種基于語義保留的語音喚醒方法，包括：

獲取語音樣本數據，并對所述語音樣本數據進行特征提取，確定連續聲學特征幀相關信息；所述連續聲學特征幀相關信息包括：梅爾頻率倒譜系數、幀移和單幀幀長；

利用關鍵詞對所述連續聲學特征幀進行標記，確定流式幀級別標簽；所述流式幀級別標簽包括：關鍵詞語義幀標簽和非關鍵詞語義幀標簽；

根據連續聲學特征幀以及對應的流式幀級別標簽訓練神經網絡，確定流式語音喚醒系統神經網絡；

利用流式語音喚醒系統神經網絡進行語音數據的識別，并根據識別結果相應的進行語音喚醒。

可選地，所述利用關鍵詞對所述連續聲學特征幀進行標記，確定流式幀級別標簽，具體包括：

對每一語音樣本數據的連續聲學特征幀標記保留語義的音素級別標簽；保留語義的音素級別標簽包括：關鍵詞語義段和非關鍵詞語義段；

將保留語義的音素級別標簽轉換為流式幀級別標簽。

可選地，所述根據連續聲學特征幀以及對應的流式幀級別標簽訓練神經網絡，確定流式語音喚醒系統神經網絡，之前還包括：

判斷連續聲學特征幀是否滿足設定幀數；所述設定幀數應涵蓋語音樣本數據中所有關鍵詞長度；

若不滿足，則在連續聲學特征幀的前方進行補零，進而達到設定幀數；并且將補零相應的位置標記為非關鍵詞語義幀標簽。

可選地，所述根據連續聲學特征幀以及對應的流式幀級別標簽訓練神經網絡，確定流式語音喚醒系統神經網絡，之前還包括：

對連續聲學特征幀以及對應的流式幀級別標簽進行數據增強處理。

可選地，所述根據連續聲學特征幀以及對應的流式幀級別標簽訓練神經網絡，確定流式語音喚醒系統神經網絡，具體包括：

根據神經網絡的識別結果進行反向傳播，進而更新神經網絡的參數，完成語音喚醒神經網絡模型的訓練。

一種基于語義保留的語音喚醒系統，包括：

語音樣本數據獲取模塊，用于獲取語音樣本數據，并對所述語音樣本數據進行特征提取，確定連續聲學特征幀相關信息；所述連續聲學特征幀相關信息包括：梅爾頻率倒譜系數、幀移和單幀幀長；

流式幀級別標簽確定模塊，用于利用關鍵詞對所述連續聲學特征幀進行標記，確定流式幀級別標簽；所述流式幀級別標簽包括：關鍵詞語義幀標簽和非關鍵詞語義幀標簽；