CN112712801A - 一种语音唤醒方法、装置、电子设备及存储介质 - Google Patents
一种语音唤醒方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112712801A CN112712801A CN202011474857.9A CN202011474857A CN112712801A CN 112712801 A CN112712801 A CN 112712801A CN 202011474857 A CN202011474857 A CN 202011474857A CN 112712801 A CN112712801 A CN 112712801A
- Authority
- CN
- China
- Prior art keywords
- model
- awakening
- training
- adaptive
- wake
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012549 training Methods 0.000 claims abstract description 189
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000003044 adaptive effect Effects 0.000 claims description 81
- 230000006870 function Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 230000001537 neural effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
Abstract
本申请公开了一种语音唤醒方法、装置、电子设备及存储介质。方法包括:基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型;根据种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据;采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。通过获得种子唤醒模型,并以种子唤醒模型为基础获得自适应唤醒模型,采用包含语音识别数据和唤醒词数据的训练样本对自适应唤醒模型进行训练,从而避免在模型训练的过程中出现过拟合的情况,并且采用训练后的自适应模型进行语音唤醒时提高了唤醒的准确性。
Description
技术领域
本公开实施例涉及数据处理技术领域,尤其涉及一种语音唤醒方法、装置、电子设备及存储介质。
背景技术
语音唤醒是关键词检测的主要应用领域之一,用户需要通过唤醒词来开启整个语音交互的流程,目前主要应用循环神经网络转换机(Recurrent Neural Networktransducer,RNN-T)模型实现实时检测,并且RNN-T模型主要由编码器网络Encoder、预测网络prediction network和联合网络joint network三个部分组成。
对于应用于语音唤醒的RNN-T模型,通常是直接混合唤醒词训练数据和语音识别训练数据来训练该模型,并采用训练后的数据进行语音唤醒。但是由于RNN-T中预测网络的角色类似于语音识别中语言模型的角色,通过输入上一个字(词)来预测下一个字(词),由于训练数据中存在非常多唤醒词的数据,这些数据对应的文本都是一样的,会导致预测模型出现过拟合,从而利用模型进行语音唤醒时会出现非常多的误唤醒现象,影响语音唤醒的准确性。
发明内容
本公开实施例提供了一种语音唤醒方法、装置、电子设备及存储介质,以实现通过关键词的检测实现语音唤醒。
第一方面,本公开实施例提供了一种语音唤醒方法,包括:
基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,第一训练样本数据中包含语音识别数据;
对种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据;
采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
第二方面,本公开实施例还提供了一种语音唤醒装置,该装置包括:
种子唤醒模型获取模块,用于基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,第一训练样本数据中包含语音识别数据;
自适应唤醒模型训练模块,用于对种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据。
语音唤醒模块,用于采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如本公开任意实施例的方法。
第四方面,本公开实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开任意实施例的方法。
本公开实施例中,通过获得种子唤醒模型,并以种子唤醒模型为基础获得自适应唤醒模型,采用包含语音识别数据和唤醒词数据的训练样本对自适应唤醒模型进行训练,从而避免在模型训练的过程中出现过拟合的情况,并且采用训练后的自适应模型进行语音唤醒时提高了唤醒的准确性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1A是本公开实施例一提供的一种语音唤醒方法的流程图;
图1B是本公开实施例一提供的自适应唤醒模型的结构示意图;
图2是本公开实施例二提供的一种语音唤醒方法的流程图;
图3是本公开实施例三提供的一种语音唤醒装置的结构示意图;
图4是本公开实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1A是本公开实施例提供的语音唤醒方法的流程图,本实施例可适用于端到端的语音唤醒的情况,该方法可以由本公开实施例提供的语音唤醒装置来执行,该装置可采用软件和/或硬件的方式实现,并一般可集成在计算机设备中。本公开实施例的方法具体包括:
如图1A所示,本公开实施例中的方法可以包括如下步骤:
步骤S101,基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,第一训练样本数据中包含语音识别数据。
可选的,唤醒模型包括循环神经网络转换机RNN-T模型,RNN-T模型包括编码器网络,可以用符号Encoder表示、预测网络可以用符号Prediction Network表示以及联合网络,可以用符号Joint Network,并且联合网络分别与编码器网络和预测网络连接。其中,编码器网络的输入是声学特征,预测网络的输入是上一个预测出的符号(文本信息),而整个RNN-T模型的输出是当前符号的概率分布。
可选的,基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,可以包括:获取第一初始样本数据;对第一初始样本数据进行扩充获得第一训练样本数据;基于第一训练样本数据对初始RNN-T模型进行训练获得种子RNN-T模型。
具体的说,本实施方式中首先获取第一初始样本数据,其中,第一初始样本数据中包括的是少量的语音识别数据,语音识别数据指的是任意内容的语音和语音所对应的文本,针对第一初始样本数据可以采用室内冲击响应、变速和加噪声等手段,来扩充数据的多样性,从而获得数据更加丰富的第一训练样本数据,虽然经过扩充处理,但扩充后的第一训练样本数据中包含的数据形式依然是语音识别数据,只是数据的类型更加多样化。
需要说明的是,基于扩充后所获得的第一训练样本数据对初始RNN-T模型进行训练获得种子RNN-T模型,其中,种子RNN-T模型相对于初始RNN-T模型的网络参数要更加优化。
步骤S102,对种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据。
可选的,对种子唤醒模型进行初始化获得自适应唤醒模型,可以包括:在种子RNN-T模型的基础上添加前向神经FFNN网络,其中,FFNN网络与编码器网络连接;将种子RNN-T模型作为第一分支,将FFNN网络和编码器网络作为第二分支;根据第一分支和第二分支获得自适应唤醒模型。
具体的说,如图1B所示为本实施方式中的自适应唤醒模型的结构示意图,主要是在种子RNN-T模型的基础上添加前向神经网络(Feed Forward Neural Networks,FFNN),并且将图中左边的种子RNN-T模型作为第一分支,将图中右边的FFNN和编码器作为第二分支,从而可以看出第一分支和第二分支具有共同的结构部分,即编码器网络。
可选的,基于第二训练样本数据对自适应唤醒模型进行训练,包括:获取第二初始样本数据;对第二初始样本数据进行扩充获得第二训练样本数据;基于第二训练样本数据对自适应唤醒模型进行训练。
具体的说,本实施方式在对自适应唤醒模型进行训练时,会首先获取第二初始样本数据,在第二初始样本数据中包括的是少量的语音识别数据和唤醒词数据,虽然第一初始样本数据中也包括语音识别数据,但仅是数据形式相同而语音识别数据中所包含的内容并不相同;而唤醒词数据指的是关键词所对应的语音和文本。对第二初始样本数据进行扩充的方式与第一初始样本数据进行扩充的方式大致相同,主要是针对第二初始样本数据可以采用室内冲击响应、变速和加噪声等手段,来扩充数据的多样性,从而获得数据更加丰富的第二训练样本数据,虽然经过扩充处理,但扩充后的第二训练样本数据中包含的数据形式依然是语音识别数据和唤醒词数据,只是数据的类型更加多样化。
可选的,基于第二训练样本数据对自适应唤醒模型进行训练,包括:基于第二训练样本中的语音识别数据对第一分支进行训练获得第一损失函数结果;基于第二训练样本中的语音识别数据和唤醒词数据对第二分支进行训练获得第二损失函数结果;确定第一损失函数结果和第二损失函数结果的损失函数加权和,当损失函数加权和小于预设损失阈值时,则确定自适应模型训练完成。
其中,本实施方式中自适应唤醒模型的第一分支和第二分支分别对应不同的损失函数,并且在基于第二训练样本数据对自适应唤醒模型进行训练时,第一分支和第二分支采用不同的数据,其中,第一分支主要采用的是语音识别数据,而第二分支则采用的是语音识别数据和唤醒词数据,由于在对自适应唤醒模型进行训练时,唤醒词数据不会经过预测网络,从而可以解决由于唤醒词所对应的文本都是一样的,而导致预测网络出现过拟合的情况。并且在进行自适应模型训练的过程中,具体可以采用如下公式(1)作为整个模型的损失函数
LMT=αLRNN-T+βLCTC (1)
其中,LMT表示自适应模型整体的损失函数,LRNN-T表示第一个分支所对应的损失函数,LCTC表示第二个分支所对应的损失函数,α表示第一个分支所对应的权重系数,β表示第二个分支所对应的权重系数。
在进行训练的时候可以基于语音识别数据对第一分支进行训练获得第一损失函数结果,基于语音识别数据和唤醒词数据对第二分支进行训练获得第二损失函数结果,由于第一个分支所对应的权重系数为α,第二个分支所对应的权重系数为β,从而可以得出整个模型的损失函所对应的损失函数加权和,然后将损失函数加权和与提前所设置的预设损失函数进行比较,如果小于预设损失函数,则确定自适应模型训练完成。
步骤S103,采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
可选的,采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒,可以包括:将待测数据输入训练后的自适应唤醒模型,分别获得第一分支的第一预测概率值,以及第二分支的第二预测概率;确定第一预设概率值和第二预设概率值的概率加权和;当概率加权和大于预设概率阈值时,将概率加权和所对应的符号作为进行语音唤醒的关键词。
具体的说,由于在训练过程中,唤醒词数据不会经过预测网络,从而可以解决由于唤醒词所对应的文本都是一样的,而导致预测网络出现过拟合的情况。因此经过训练所获得的自适应唤醒模型要更加完善。在采用训练后的自适应唤醒模型对待测数据进行关键词检测,实现语音唤醒的过程中,由于自适应唤醒模型包含两个分支,因此在进行预测的时候,第一分支会输出第一预测概率值,第二分支会输出第二预测概率值,将两个预测概率值按照每个分支所对应的权重系数进行加权,获得概率加权和,当概率加权和大于预设阈值时,将概率加权和所对应的符号作为进行语音唤醒的关键词。
需要说明的是,本实施方式中在采用训练完成的自适应唤醒模型进行关键词检测时,主要是通过自适应唤醒词两个分支所得出的预测概率值进行综合计算所获得的概率加权和进行关键词的检测,从而使得检测结果更加准确,同时提高了唤醒的准确性。
本公开实施例中,通过获得种子唤醒模型,并以种子唤醒模型为基础获得自适应唤醒模型,采用包含语音识别数据和唤醒词数据的训练样本对自适应唤醒模型进行训练,从而避免在模型训练的过程中出现过拟合的情况,并且采用训练后的自适应模型进行语音唤醒时提高了唤醒的准确性。
实施例二
图2是本公开实施例二提供的语音唤醒方法的流程图,本公开实施例可以与上述实施例中各可选方案结合,本公开实施例中,在采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒之后,还包括:对语音唤醒结果进行检测。
如图2所示,本公开实施例的方法具体包括:
步骤S201,基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,第一训练样本数据中包含语音识别数据。
可选的,唤醒模型包括循环神经网络转换机RNN-T模型,RNN-T模型包括编码器网络,可以用符号Encoder表示、预测网络可以用符号Prediction Network表示以及联合网络,可以用符号Joint Network,并且联合网络分别与编码器网络和预测网络连接。其中,编码器网络的输入是声学特征,预测网络的输入是上一个预测出的符号(文本信息),而整个RNN-T模型的输出是当前符号的概率分布。
可选的,基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,可以包括:获取第一初始样本数据;对第一初始样本数据进行扩充获得第一训练样本数据;基于第一训练样本数据对初始RNN-T模型进行训练获得种子RNN-T模型。
步骤S202,对种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据。
可选的,对种子唤醒模型进行初始化获得自适应唤醒模型,可以包括:在种子RNN-T模型的基础上添加前向神经FFNN网络,其中,FFNN网络与编码器网络连接;将种子RNN-T模型作为第一分支,将FFNN网络和编码器网络作为第二分支;根据第一分支和第二分支获得自适应唤醒模型。
可选的,基于第二训练样本数据对自适应唤醒模型进行训练,包括:获取第二初始样本数据;对第二初始样本数据进行扩充获得第二训练样本数据;基于第二训练样本数据对自适应唤醒模型进行训练。
可选的,基于第二训练样本数据对自适应唤醒模型进行训练,包括:基于第二训练样本中的语音识别数据对第一分支进行训练获得第一损失函数结果;基于第二训练样本中的语音识别数据和唤醒词数据对第二分支进行训练获得第二损失函数结果;确定第一损失函数结果和第二损失函数结果的损失函数加权和,当损失函数加权和小于预设损失阈值时,则确定自适应模型训练完成。
步骤S203,采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
可选的,采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒,可以包括:将待测数据输入训练后的自适应唤醒模型,分别获得第一分支的第一预测概率值,以及第二分支的第二预测概率;确定第一预设概率值和第二预设概率值的概率加权和;当概率加权和大于预设概率阈值时,将概率加权和所对应的符号作为进行语音唤醒的关键词。
步骤S204,对语音唤醒结果进行检测。
具体的说,本实施方式中在采用已经训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒之后,还需要对语音唤醒结果进行检测,即检测设备是否能够根据关键词开启语音交互的流程,例如,确定关键词为“ABAB”,在确定用户发出关键词所对应的语音信息时,设备是否能够根据语音信息中所包含的关键词进行交互,例如,判断设备是否能给出语音回应“请问有什么指示”,如果设备能够开启语音交互的流程,则确定语音唤醒结果准确,否则确定语音唤醒结果失败。
需要说明的是,在确定语音唤醒结果失败时,造成失败的原因可能是设备本身硬件故障造成的,也可能是自适应唤醒模型在训练过程中由于样本数据不准确所造成的,本实施方式中并不限定语音唤醒结果失败的具体原因。并且在语音唤醒结果失败的情况下会进行报警提示,报警提示可以采用语音的形式或文字的形式,本实施方式中并不限定报警提示的具体形式,通过报警提示可以提示用户尽快对设备进行维修或语音唤醒过程进行调整,从而保证语音唤醒的准确性。
本公开实施例中,通过获得种子唤醒模型,并以种子唤醒模型为基础获得自适应唤醒模型,采用包含语音识别数据和唤醒词数据的训练样本对自适应唤醒模型进行训练,从而避免在模型训练的过程中出现过拟合的情况,并且采用训练后的自适应模型进行语音唤醒时提高了唤醒的准确性。并且通过对语音唤醒结果进行检测,并在确定语音唤醒失败的情况下进行报警提示,可以提示用户及时对设备进行维修或语音唤醒过程进行调整,从而保证语音唤醒的准确性。
实施例三
图3是本公开实施例三提供的语音唤醒装置的结构示意图。该装置可采用软件和/或硬件的方式实现,并一般可集成在执行方法的电子设备中。如图3所示,该装置可以包括:
种子唤醒模型获取模块310,用于基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,第一训练样本数据中包含语音识别数据;
自适应唤醒模型训练模块320,用于对种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据。
语音唤醒模块330,用于采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
本公开实施例中,通过获得种子唤醒模型,并以种子唤醒模型为基础获得自适应唤醒模型,采用包含语音识别数据和唤醒词数据的训练样本对自适应唤醒模型进行训练,从而避免在模型训练的过程中出现过拟合的情况,并且采用训练后的自适应模型进行语音唤醒时提高了唤醒的准确性。
可选的,在上述技术方案的基础上,唤醒模型包括循环神经网络转换机RNN-T模型,RNN-T模型包括编码器网络、预测网络和联合网络,并且联合网络分别与编码器网络和预测网络连接。
可选的,在上述技术方案的基础上,种子唤醒模型获取模块,用于获取第一初始样本数据;
对第一初始样本数据进行扩充获得第一训练样本数据;
基于第一训练样本数据对初始RNN-T模型进行训练获得种子RNN-T模型。
可选的,在上述技术方案的基础上,自适应唤醒模型训练模块包括自适应唤醒获取子模块,用于在种子RNN-T模型的基础上添加前向神经FFNN网络,其中,FFNN网络与编码器网络连接;
将种子RNN-T模型作为第一分支,将FFNN网络和编码器网络作为第二分支;
根据第一分支和第二分支获得自适应唤醒模型。
可选的,在上述技术方案的基础上,自适应唤醒模型训练模块包括自适应唤醒模型训练子模块,用于获取第二初始样本数据;
对第二初始样本数据进行扩充获得第二训练样本数据;
基于第二训练样本数据对自适应唤醒模型进行训练。
可选的,在上述技术方案的基础上,自适应唤醒模型训练子模块还用于,基于第二训练样本中的语音识别数据对第一分支进行训练获得第一损失函数结果;
基于第二训练样本中的语音识别数据和唤醒词数据对第二分支进行训练获得第二损失函数结果;
确定第一损失函数结果和第二损失函数结果的损失函数加权和,当损失函数加权和小于预设损失阈值时,则确定自适应模型训练完成。
可选的,在上述技术方案的基础上,语音唤醒模块用于,将待测数据输入训练后的自适应唤醒模型,分别获得第一分支的第一预测概率值,以及第二分支的第二预测概率;
确定第一预设概率值和第二预设概率值的概率加权和;
当概率加权和大于预设概率阈值时,将概率加权和所对应的符号作为进行语音唤醒的关键词。
本公开实施例提供的语音唤醒装置,与上述各实施例提供的语音唤醒方法属于同一构思,未在本公开实施例中详尽描述的技术细节可参见上述各实施例,并且本公开实施例与上述各实施例具有相同的有益效果。
实施例四
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的电子设备可以是应用程序的后端服务平台对应的设备,还可以是安装有应用程序客户端的移动终端设备。具体的,该电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备内部进程执行:基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,第一训练样本数据中包含语音识别数据;对种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对自适应唤醒模型进行训练,其中,第二训练样本数据中包含语音识别数据和唤醒词数据;采用训练后的自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例1】提供了一种语音唤醒方法,包括:
基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,所述第一训练样本数据中包含语音识别数据;
对所述种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对所述自适应唤醒模型进行训练,其中,所述第二训练样本数据中包含语音识别数据和唤醒词数据;
采用训练后的所述自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
根据本公开的一个或多个实施例,【示例2】提供了示例1的方法,所述唤醒模型包括循环神经网络转换机RNN-T模型,所述RNN-T模型包括编码器网络、预测网络和联合网络,并且所述联合网络分别与所述编码器网络和所述预测网络连接。
根据本公开的一个或多个实施例,【示例3】提供了示例2的方法,所述基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,包括:
获取第一初始样本数据;
对所述第一初始样本数据进行扩充获得所述第一训练样本数据;
基于所述第一训练样本数据对所述初始RNN-T模型进行训练获得种子RNN-T模型。
根据本公开的一个或多个实施例,【示例4】提供了示例2的方法,所述对所述种子唤醒模型进行初始化获得自适应唤醒模型,包括:
在所述种子RNN-T模型的基础上添加前向神经FFNN网络,其中,所述FFNN网络与所述编码器网络连接;
将所述种子RNN-T模型作为第一分支,将所述FFNN网络和所述编码器网络作为第二分支;
根据所述第一分支和所述第二分支获得所述自适应唤醒模型。
根据本公开的一个或多个实施例,【示例5】提供了示例4的方法,所述基于第二训练样本数据对所述自适应唤醒模型进行训练,包括:
获取第二初始样本数据;
对所述第二初始样本数据进行扩充获得所述第二训练样本数据;
基于所述第二训练样本数据对所述自适应唤醒模型进行训练。
根据本公开的一个或多个实施例,【示例6】提供了示例5的方法,所述基于所述第二训练样本数据对所述自适应唤醒模型进行训练,包括:
基于第二训练样本中的语音识别数据对所述第一分支进行训练获得第一损失函数结果;
基于第二训练样本中的语音识别数据和唤醒词数据对所述第二分支进行训练获得第二损失函数结果;
确定所述第一损失函数结果和所述第二损失函数结果的损失函数加权和,当所述损失函数加权和小于预设损失阈值时,则确定所述自适应模型训练完成。
根据本公开的一个或多个实施例,【示例7】提供了示例1的方法,所述采用训练后的所述自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒,包括:
将所述待测数据输入训练后的所述自适应唤醒模型,分别获得所述第一分支的第一预测概率值,以及所述第二分支的第二预测概率;
确定所述第一预设概率值和所述第二预设概率值的概率加权和;
当所述概率加权和大于预设概率阈值时,将所述概率加权和所对应的符号作为进行语音唤醒的关键词。
根据本公开的一个或多个实施例,【示例8】提供了一种语音唤醒装置,包括:
种子唤醒模型获取模块,用于基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,所述第一训练样本数据中包含语音识别数据;
自适应唤醒模型训练模块,用于对所述种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对所述自适应唤醒模型进行训练,其中,所述第二训练样本数据中包含语音识别数据和唤醒词数据。
语音唤醒模块,用于采用训练后的所述自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
根据本公开的一个或多个实施例,【示例9】提供了示例8的装置,所述唤醒模型包括循环神经网络转换机RNN-T模型,所述RNN-T模型包括编码器网络、预测网络和联合网络,并且所述联合网络分别与所述编码器网络和所述预测网络连接。
根据本公开的一个或多个实施例,【示例10】提供了示例9的装置,种子唤醒模型获取模块,用于获取第一初始样本数据;
对所述第一初始样本数据进行扩充获得所述第一训练样本数据;
基于所述第一训练样本数据对所述初始RNN-T模型进行训练获得种子RNN-T模型。
根据本公开的一个或多个实施例,【示例11】提供了示例9的装置,自适应唤醒模型训练模块包括自适应唤醒获取子模块,用于在所述种子RNN-T模型的基础上添加前向神经FFNN网络,其中,所述FFNN网络与所述编码器网络连接;
将所述种子RNN-T模型作为第一分支,将所述FFNN网络和所述编码器网络作为第二分支;
根据所述第一分支和所述第二分支获得所述自适应唤醒模型。
根据本公开的一个或多个实施例,【示例12】提供了示例11的装置,自适应唤醒模型训练模块包括自适应唤醒模型训练子模块,用于获取第二初始样本数据;
对所述第二初始样本数据进行扩充获得所述第二训练样本数据;
基于所述第二训练样本数据对所述自适应唤醒模型进行训练。
根据本公开的一个或多个实施例,【示例13】提供了示例12的装置,自适应唤醒模型训练子模块还用于,基于第二训练样本中的语音识别数据对所述第一分支进行训练获得第一损失函数结果;
基于第二训练样本中的语音识别数据和唤醒词数据对所述第二分支进行训练获得第二损失函数结果;
确定所述第一损失函数结果和所述第二损失函数结果的损失函数加权和,当所述损失函数加权和小于预设损失阈值时,则确定所述自适应模型训练完成。
根据本公开的一个或多个实施例,【示例14】提供了示例8的装置,语音唤醒模块用于,将所述待测数据输入训练后的所述自适应唤醒模型,分别获得所述第一分支的第一预测概率值,以及所述第二分支的第二预测概率;
确定所述第一预设概率值和所述第二预设概率值的概率加权和;
当所述概率加权和大于预设概率阈值时,将所述概率加权和所对应的符号作为进行语音唤醒的关键词。
根据本公开的一个或多个实施例,【示例15】提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如示例1-示例7中任一所述的方法。
根据本公开的一个或多个实施例,【示例16】提供了一种包含计算机可执行指令的存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如示例1-示例7中任一所述的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种语音唤醒方法,其特征在于,包括:
基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,所述第一训练样本数据中包含语音识别数据;
对所述种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对所述自适应唤醒模型进行训练,其中,所述第二训练样本数据中包含语音识别数据和唤醒词数据;
采用训练后的所述自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
2.根据权利要求1所述的方法,其特征在于,所述唤醒模型包括循环神经网络转换机RNN-T模型,所述RNN-T模型包括编码器网络、预测网络和联合网络,并且所述联合网络分别与所述编码器网络和所述预测网络连接。
3.根据权利要求2所述的方法,其特征在于,所述基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,包括:
获取第一初始样本数据;
对所述第一初始样本数据进行扩充获得所述第一训练样本数据;
基于所述第一训练样本数据对初始RNN-T模型进行训练获得种子RNN-T模型。
4.根据权利要求3所述的方法,其特征在于,所述对所述种子唤醒模型进行初始化获得自适应唤醒模型,包括:
在所述种子RNN-T模型的基础上添加前向神经FFNN网络,其中,所述FFNN网络与所述编码器网络连接;
将所述种子RNN-T模型作为第一分支,将所述FFNN网络和所述编码器网络作为第二分支;
根据所述第一分支和所述第二分支获得所述自适应唤醒模型。
5.根据权利要求4所述的方法,其特征在于,所述基于第二训练样本数据对所述自适应唤醒模型进行训练,包括:
获取第二初始样本数据;
对所述第二初始样本数据进行扩充获得所述第二训练样本数据;
基于所述第二训练样本数据对所述自适应唤醒模型进行训练。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第二训练样本数据对所述自适应唤醒模型进行训练,包括:
基于第二训练样本中的语音识别数据对所述第一分支进行训练获得第一损失函数结果;
基于第二训练样本中的语音识别数据和唤醒词数据对所述第二分支进行训练获得第二损失函数结果;
确定所述第一损失函数结果和所述第二损失函数结果的损失函数加权和,当所述损失函数加权和小于预设损失阈值时,则确定所述自适应模型训练完成。
7.根据权利要求1所述的方法,其特征在于,所述采用训练后的所述自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒,包括:
将所述待测数据输入训练后的所述自适应唤醒模型,分别获得所述第一分支的第一预测概率值,以及所述第二分支的第二预测概率;
确定所述第一预设概率值和所述第二预设概率值的概率加权和;
当所述概率加权和大于预设概率阈值时,将所述概率加权和所对应的符号作为进行语音唤醒的关键词。
8.一种语音唤醒装置,其特征在于,包括:
种子唤醒模型获取模块,用于基于第一训练样本数据对初始唤醒模型进行训练获得种子唤醒模型,其中,所述第一训练样本数据中包含语音识别数据;
自适应唤醒模型训练模块,用于对所述种子唤醒模型进行初始化获得自适应唤醒模型,并基于第二训练样本数据对所述自适应唤醒模型进行训练,其中,所述第二训练样本数据中包含语音识别数据和唤醒词数据。
语音唤醒模块,用于采用训练后的所述自适应唤醒模型对待测数据进行关键词检测,以实现语音唤醒。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011474857.9A CN112712801B (zh) | 2020-12-14 | 2020-12-14 | 一种语音唤醒方法、装置、电子设备及存储介质 |
PCT/CN2021/135387 WO2022127620A1 (zh) | 2020-12-14 | 2021-12-03 | 语音唤醒方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011474857.9A CN112712801B (zh) | 2020-12-14 | 2020-12-14 | 一种语音唤醒方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112712801A true CN112712801A (zh) | 2021-04-27 |
CN112712801B CN112712801B (zh) | 2024-02-02 |
Family
ID=75542087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011474857.9A Active CN112712801B (zh) | 2020-12-14 | 2020-12-14 | 一种语音唤醒方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112712801B (zh) |
WO (1) | WO2022127620A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593546A (zh) * | 2021-06-25 | 2021-11-02 | 青岛海尔科技有限公司 | 终端设备唤醒方法和装置、存储介质及电子装置 |
WO2022127620A1 (zh) * | 2020-12-14 | 2022-06-23 | 北京有竹居网络技术有限公司 | 语音唤醒方法、装置、电子设备及存储介质 |
CN116682432A (zh) * | 2022-09-23 | 2023-09-01 | 荣耀终端有限公司 | 语音识别方法、电子设备及可读介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115064160B (zh) * | 2022-08-16 | 2022-11-22 | 阿里巴巴(中国)有限公司 | 语音唤醒方法以及装置 |
CN117079653A (zh) * | 2023-10-11 | 2023-11-17 | 荣耀终端有限公司 | 语音识别方法、语音识别模型的训练方法、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189706A1 (en) * | 2014-12-30 | 2016-06-30 | Broadcom Corporation | Isolated word training and detection |
CN107123417A (zh) * | 2017-05-16 | 2017-09-01 | 上海交通大学 | 基于鉴别性训练的定制语音唤醒优化方法及*** |
US20190287526A1 (en) * | 2016-11-10 | 2019-09-19 | Nuance Communications, Inc. | Techniques for language independent wake-up word detection |
CN110491373A (zh) * | 2019-08-19 | 2019-11-22 | Oppo广东移动通信有限公司 | 模型训练方法、装置、存储介质及电子设备 |
US20200105256A1 (en) * | 2018-09-28 | 2020-04-02 | Sonos, Inc. | Systems and methods for selective wake word detection using neural network models |
CN111508481A (zh) * | 2020-04-24 | 2020-08-07 | 展讯通信(上海)有限公司 | 语音唤醒模型的训练方法、装置、电子设备及存储介质 |
CN111667818A (zh) * | 2020-05-27 | 2020-09-15 | 北京声智科技有限公司 | 一种训练唤醒模型的方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035215A1 (en) * | 2007-08-28 | 2011-02-10 | Haim Sompolinsky | Method, device and system for speech recognition |
CN111312222B (zh) * | 2020-02-13 | 2023-09-12 | 北京声智科技有限公司 | 一种唤醒、语音识别模型训练方法及装置 |
CN111640426A (zh) * | 2020-06-10 | 2020-09-08 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN112712801B (zh) * | 2020-12-14 | 2024-02-02 | 北京有竹居网络技术有限公司 | 一种语音唤醒方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-14 CN CN202011474857.9A patent/CN112712801B/zh active Active
-
2021
- 2021-12-03 WO PCT/CN2021/135387 patent/WO2022127620A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189706A1 (en) * | 2014-12-30 | 2016-06-30 | Broadcom Corporation | Isolated word training and detection |
US20190287526A1 (en) * | 2016-11-10 | 2019-09-19 | Nuance Communications, Inc. | Techniques for language independent wake-up word detection |
CN107123417A (zh) * | 2017-05-16 | 2017-09-01 | 上海交通大学 | 基于鉴别性训练的定制语音唤醒优化方法及*** |
US20200105256A1 (en) * | 2018-09-28 | 2020-04-02 | Sonos, Inc. | Systems and methods for selective wake word detection using neural network models |
CN110491373A (zh) * | 2019-08-19 | 2019-11-22 | Oppo广东移动通信有限公司 | 模型训练方法、装置、存储介质及电子设备 |
CN111508481A (zh) * | 2020-04-24 | 2020-08-07 | 展讯通信(上海)有限公司 | 语音唤醒模型的训练方法、装置、电子设备及存储介质 |
CN111667818A (zh) * | 2020-05-27 | 2020-09-15 | 北京声智科技有限公司 | 一种训练唤醒模型的方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022127620A1 (zh) * | 2020-12-14 | 2022-06-23 | 北京有竹居网络技术有限公司 | 语音唤醒方法、装置、电子设备及存储介质 |
CN113593546A (zh) * | 2021-06-25 | 2021-11-02 | 青岛海尔科技有限公司 | 终端设备唤醒方法和装置、存储介质及电子装置 |
CN113593546B (zh) * | 2021-06-25 | 2023-09-15 | 青岛海尔科技有限公司 | 终端设备唤醒方法和装置、存储介质及电子装置 |
CN116682432A (zh) * | 2022-09-23 | 2023-09-01 | 荣耀终端有限公司 | 语音识别方法、电子设备及可读介质 |
CN116682432B (zh) * | 2022-09-23 | 2024-05-31 | 荣耀终端有限公司 | 语音识别方法、电子设备及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112712801B (zh) | 2024-02-02 |
WO2022127620A1 (zh) | 2022-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112712801B (zh) | 一种语音唤醒方法、装置、电子设备及存储介质 | |
CN112966712B (zh) | 语言模型训练方法、装置、电子设备和计算机可读介质 | |
CN112634876B (zh) | 语音识别方法、装置、存储介质及电子设备 | |
CN110516159B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN113327598B (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN111597825B (zh) | 语音翻译方法、装置、可读介质及电子设备 | |
CN111968647B (zh) | 语音识别方法、装置、介质及电子设备 | |
CN112380876B (zh) | 基于多语言机器翻译模型的翻译方法、装置、设备和介质 | |
CN111968648B (zh) | 语音识别方法、装置、可读介质及电子设备 | |
CN112309384B (zh) | 一种语音识别方法、装置、电子设备及介质 | |
CN115908640A (zh) | 生成图像的方法、装置、可读介质及电子设备 | |
CN112562633A (zh) | 一种歌唱合成方法、装置、电子设备及存储介质 | |
CN114765025A (zh) | 语音识别模型的生成方法、识别方法、装置、介质及设备 | |
CN112380883B (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
CN113051933A (zh) | 模型训练方法、文本语义相似度确定方法、装置和设备 | |
CN110009101B (zh) | 用于生成量化神经网络的方法和装置 | |
CN113488050B (zh) | 语音唤醒方法、装置、存储介质及电子设备 | |
CN116072108A (zh) | 模型生成方法、语音识别方法、装置、介质及设备 | |
CN116416018A (zh) | 内容输出方法、装置、计算机可读介质及电子设备 | |
CN111680754A (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN112669816A (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN110852043A (zh) | 一种文本转写方法、装置、设备及存储介质 | |
CN115374320B (zh) | 文本匹配方法、装置、电子设备、计算机介质 | |
CN115565607B (zh) | 确定蛋白质信息的方法、装置、可读介质及电子设备 | |
US20240221525A1 (en) | Content output method and apparatus, computer-readable medium, and electronic device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |