CN113012682B - 误唤醒率确定方法、装置、设备、存储介质和程序产品 - Google Patents

Abstract

本公开公开了误唤醒率确定方法、装置、设备、存储介质和程序产品，涉及计算机技术领域，尤其涉及语音技术领域。具体实现方案为：确定初始唤醒模型在候选场景的误唤醒频次；根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景；对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型；基于所述目标唤醒模型，确定在所述候选场景的误唤醒率。本公开实施例的技术方案，丰富了进行误唤醒率测试的样本，提高测试误唤醒率的准确度。

Description

误唤醒率确定方法、装置、设备、存储介质和程序产品

技术领域

本公开涉及计算机技术领域，尤其涉及语音技术，具体涉及一种唤醒率确定方法、装置、设备、存储介质和程序产品。

背景技术

随着智能语音技术的迅速发展，越来越多的人开始使用智能语音应用，例如，在行车过程中使用的语音助手，智能语音技术给人们的生活带来很大的便利。

在使用智能语音应用过程中，误唤醒率是影响用户使用感的重要指标之一，误唤醒率较高会在一定程度上造成用户的困扰，因此在智能语音应用的测试过程中，误唤醒率测试显得尤为重要。

发明内容

本公开提供了一种误唤醒率确定的方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种误唤醒率确定方法，所述方法包括：

确定初始唤醒模型在候选场景的误唤醒频次；

根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景；

对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型；

基于所述目标唤醒模型，确定在所述候选场景的误唤醒率。

根据本公开的另一方面，提供了一种误唤醒率确定装置，所述装置包括：

误唤醒频次确定模块，用于确定初始唤醒模型在候选场景的误唤醒频次；

目标场景选择模块，用于根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景；

目标唤醒模型获取模块，用于对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型；

误唤醒率确定模块，用于基于所述目标唤醒模型，确定在所述候选场景的误唤醒率。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例中任一项所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开实施例中任一项所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开实施例中任一项所述的方法。

根据本公开的技术，丰富了进行误唤醒率测试的样本，提高测试误唤醒率的准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的一种误唤醒率确定方法的示意图；

图2a是根据本公开实施例的一种误唤醒率确定方法的示意图；

图2b是根据本公开实施例的一种误唤醒率确定方法的流程图；

图3a是根据本公开实施例的一种误唤醒率确定方法的示意图；

图3b是根据本公开实施例的一种候选场景划分的示意图；

图4是根据本公开实施例的一种误唤醒率确定装置的示意图；

图5是用来实现本公开实施例的误唤醒率确定方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是本公开实施例中的一种误唤醒率确定方法的示意图，本公开实施例的技术方案适用于通过场景划分进行唤醒模型优化和误唤醒率确定的情况，该方法可以由误唤醒率确定装置执行，该装置可以通过软件，和/或硬件的方式实现，并一般可以集成在电子设备中，例如终端设备中，本公开实施例的方法具体包括以下：

S110、确定初始唤醒模型在候选场景的误唤醒频次。

其中，初始唤醒模型是指优化更新之前的当前版本唤醒模型，本实施例中可以是指处于内部测试阶段的唤醒模型。其中，唤醒模型可以在线下测试、内部测试阶段、模型优化更新以及线上测试多个阶段测试和优化。

误唤醒是指用户在使用唤醒模型过程中，输入了并非以唤醒为目的的语音时，唤醒模型被唤醒的情况。例如，用户在驾驶过程中使用电子地图应用时，与周围人员对话提到“我们去A地点吧”，这段音频被处于启动状态的电子地图应用采集到后，电子地图应用被唤醒并开启到A地点的导航功能，上述情况即为误唤醒。

本公开实施例中，为了有针对性的对初始唤醒模型进行优化，可以将初始唤醒模型的多个使用场景作为候选场景，获取各候选场景下的误唤醒频次。示例性的，首先获取在初始唤醒模型内部测试过程中产生的误唤醒音频，在用户日志中查找与上述误唤醒音频对应的候选场景，进而确定各候选场景下的误唤醒频次。具体的，针对电子地图应用中所使用的初始唤醒模型，候选场景可以包括处于导航状态的场景，以及非导航状态的场景；还可以进行更细粒度的候选场景划分，包括以页面进行场景的划分，例如，在导航状态的场景可以进行一步划分为驾车导航页面的场景、步行导航页面的场景以及骑行导航页面的场景等。

S120、根据候选场景的误唤醒频次，从候选场景中选择目标场景。

本公开实施例中，在确定初始唤醒模型在多个候选场景中的误唤醒频次后，可以根据各候选场景对应的误唤醒频次，在候选场景中选择目标唤醒场景，其中，目标唤醒场景用于有针对性的对唤醒模型进行阶段性优化，具体的，可以选择候选场景中误唤醒频次最高的一个候选场景作为目标场景，也可以选择候选场景中误唤醒频次高于设定阈值的至少一个候选场景作为目标场景，这里不做具体限定。

示例性的，在电子地图应用中，包含了产生过误唤醒情况的驾车导航页面、步行导航页面、骑行导航页面等多个导航页面场景，以及首页、路线页面和周边地点页面等多个非导航页面场景，这些场景均作为候选场景，可根据上述候选场景对应的误唤醒PV(PageView，页面浏览量)量级，来选择目标唤醒场景，具体的，可以按照PV量级确定各候选场景的优化优先级，最终按照设定筛选规则，选择优化优先级较高的一个或者多个候选场景作为目标场景，以实现基于目标场景进行有针对性的模型优化，减少模型优化中采集训练样本的工作量，提高阶段性模型优化的效率。

S130、对初始唤醒模型进行目标场景的优化，得到目标唤醒模型。

本公开实施例中，在确定了误唤醒频次较高的至少一个目标场景后，为了降低唤醒模型在目标场景下的误唤醒率，可以针对目标场景对初始唤醒模型进行优化，得到优化后的目标唤醒模型，具体的，可以在唤醒模型训练过程中，提高目标场景对应的训练样本占全部训练样本的比例，从而实现针对目标场景的模型优化，使模型优化更加有针对性，并且在每次进行模型优化时，选择部分候选场景作为目标场景进行模型优化，可以降低阶段性模型优化的工作量，提高各阶段模型优化的效率，加快产品上线速度。

示例性的，在电子地图应用中，获取到目标场景为驾车导航页面场景时，表明用户在使用驾车导航页面时，发生误唤醒的次数较多，容易影响用户使用体验，可以在通过提高该场景下的模型训练样本在全部训练样本中所占的比例，来实现针对目标场景的模型优化，得到优化后的目标唤醒模型。

S140、基于目标唤醒模型，确定在候选场景的误唤醒率。

本公开实施例中，得到优化后的目标唤醒模型后，可以再次对目标唤醒模型进行误唤醒率测试，从而确定目标唤醒模型在候选场景的误唤醒率，具体的，可以将内测过程中的误唤醒音频输入至封装了优化后的目标唤醒模型的SDK中进行误唤醒率测试，一方面，可以将内测过程中产生的误唤醒音频作为测试误唤醒率的样本，提高了样本的全面性，另一方面，直接将误唤醒音频输入到SDK中，避免了外界环境造成的干扰，提高了获取到的误唤醒率的准确性。

本公开实施例的技术方案，确定初始唤醒模型在候选场景的误唤醒频次，并根据候选场景的误唤醒频次，从候选场景中选择目标场景，进而对初始唤醒模型进行目标场景的优化，得到目标唤醒模型，最终基于目标唤醒模型，确定在候选场景的误唤醒率，丰富了进行误唤醒率测试的样本，提高测试误唤醒率的准确度。

图2a是本公开实施例中的一种误唤醒率确定方法的示意图，在上述实施例的基础上进一步细化，提供了确定初始唤醒模型在候选场景的误唤醒频次的具体步骤，对初始唤醒模型进行目标场景的优化，得到目标唤醒模型的具体步骤，以及基于目标唤醒模型，确定在候选场景的误唤醒率的具体步骤。下面结合图2a对本公开实施例提供的一种误唤醒率确定方法进行说明，包括以下：

S210、获取初始唤醒模型在第一使用阶段的第一历史唤醒音频和第一历史唤醒结果。

其中，第一使用阶段可以理解为初始唤醒模型在内部测试过程中的使用阶段，示例性的，第一阶段为测试用户以测试为目的对初始唤醒模型进行的使用过程。

本公开实施例中，获取用户在初始唤醒模型的第一使用阶段产生的第一历史唤醒音频，进而根据第一历史唤醒音频的音频标识，在用户日志中获取针对第一历史唤醒音频的第一历史唤醒结果，用户日志是用户在使用初始唤醒模型时生成的包含使用情况的日志。第一历史唤醒音频是指测试用户在使用初始唤醒模型过程中输入的用于唤醒初始唤醒模型的音频，第一历史唤醒结果是指将第一历史唤醒音频输入至初始唤醒模型后，初始唤醒模型输出的响应结果，包含唤醒和未唤醒两种，在唤醒情况下，还包括正常唤醒和误唤醒两种情况。

S220、确定第一历史唤醒音频所属的候选场景。

本公开实施例中，在获取到初始唤醒模型在第一使用阶段的第一历史唤醒音频后，确定第一历史唤醒音频所属的候选场景，具体的，可以根据至少一个第一历史唤醒音频对应的音频标识，在用户日志中查找与音频标识对应的候选场景，其中，候选场景可以是在应用的功能维度划分的场景，也可以是在应用的页面维度划分的场景。

示例性的，在电子地图应用中，功能维度上可以划分为导航状态的场景和非导航状态的场景，页面维度上可以进一步将非导航状态的场景划分为首页的场景、路线页面的场景以及非导航页面等其他页面场景。可以根据第一历史唤醒音频的音频标识，在用户日志中查找与音频标识对应的候选场景，例如，根据音频标识，获取到与第一历史唤醒音频对应的场景为导航状态的场景。

S230、根据第一历史唤醒音频、第一历史唤醒结果和第一历史唤醒音频所属的候选场景，确定初始唤醒模型在候选场景的误唤醒频次。

本公开实施例中，在获取到第一历史唤醒音频、第一历史唤醒结果和第一历史唤醒音频所属的候选场景后，根据第一历史唤醒结果，提取第一历史唤醒音频中属于误唤醒音频的部分第一历史唤醒音频，并根据这一部分第一历史唤醒音频对应的候选场景，确定初始唤醒模型在各候选场景下的误唤醒频次，通过确定各候选场景的误唤醒频次，可以确定初始唤醒模型的薄弱环节，即确定初始唤醒模型在哪些候选场景中误唤醒频次较高，从而为初始唤醒模型的优化提供方向。

示例性的，在电子地图应用中，首先在第一历史唤醒音频中识别出属于误唤醒的部分第一历史唤醒音频，进而根据筛选出的第一历史音频所属的导航页面，确定在各导航页面下的误唤醒频次。

S240、根据候选场景的误唤醒频次，从候选场景中选择目标场景。

S250、从初始唤醒模型在第二使用阶段的第二历史唤醒音频和第二历史唤醒结果中选择目标场景的训练样本；其中，第二使用阶段与第一使用阶段不同。

本公开实施例中，在确定产生误唤醒频次较高的至少一个目标场景后，为了对初始唤醒模型进行有针对性的优化，从初始唤醒模型在第二使用阶段的第二历史唤醒音频和第二历史唤醒结果中选择目标场景的训练样本，具体可以是，根据第二历史唤醒结果，确定产生误唤醒的第二历史唤醒音频，进而获取产生误唤醒的第二历史唤醒音频对应的场景，最终获得对应的场景为目标场景的误唤醒音频作为初始唤醒模型的训练样本，其中，第二使用阶段可以是与第一使用阶段不同的用户使用阶段，示例性的，第二使用阶段可以是第一使用阶段之前或之后的用户使用阶段。

依然以电子地图应用为例，如图2b所示，在确定目标场景为驾车导航页面和首页时，可以选择在第二使用阶段中，用户在驾车导航页面和首页输入的第二历史唤醒音频，并将产生误唤醒的第二历史唤醒音频作为初始唤醒模型的训练样本。

S260、采用训练样本，对初始唤醒模型进行训练，得到目标唤醒模型。

本公开实施例中，在第二使用阶段的第二历史唤醒音频中获取到针对目标场景的训练样本后，将这些训练样本输入至初始唤醒模型进行模型训练，从而得到优化后目标唤醒模型。具体的，可以提高与目标场景对应的训练样本在全部训练样本中的比例，实现有针对性的模型训练，降低初始唤醒模型在目标场景下的误唤醒率。

值得注意的是，在采用针对目标场景的训练样本对初始唤醒模型进行优化训练后，还可以将第二使用阶段中的除目标场景外其他场景下的训练样本输入至优化后的目标唤醒模型，验证优化后的目标唤醒模型在其他场景下的误唤醒率是否变高，从而保证目标唤醒模型在不提高其他场景误唤醒率的前提下，降低目标场景下的误唤醒率。

S270、将第一历史唤醒音频作为目标唤醒模型的输入，得到目标唤醒模型输出的目标唤醒结果。

本公开实施例中，在训练得到目标唤醒模型后，将第一使用阶段中属于误唤醒音频的第一历史唤醒音频存储至误唤醒样本库，将误唤醒样本库中属于误唤醒音频的第一历史唤醒音频输入至目标唤醒模型，得到目标唤醒模型输出的目标唤醒结果。示例性的，将电子地图应用在第一使用阶段中各场景下的误唤醒音频输入至目标唤醒模型，并获取目标唤醒模型针对各误唤醒音频输出的唤醒结果。将第一使用阶段中属于误唤醒音频的第一历史唤醒音频存储至误唤醒样本库，并通过误唤醒样本库中的误唤醒样本测试目标唤醒模型的误唤醒率，提高了测试样本的全面性。

示例性的，如图2b所示，将第一使用阶段中的第一历史唤醒音频输入至封装了目标唤醒模型的语音识别SDK中，由语音识别SDK生成包含至少一条第一历史唤醒音频的音频流，再由语音识别SDK对音频流进行语音端点检测，识别音频流中包含的至少一段音频，最终将至少一段音频输入至唤醒模型，得到目标唤醒模型输出的唤醒结果。其中，输入至目标唤醒模型的至少一个段音频均对应标注信息，标注信息具体为该段音频是否属于误唤醒音频。通过将第一历史唤醒音频输入至封装了目标唤醒模型的语音识别SDK，避免了误唤醒测试过程中外界环境的干扰，提高误唤醒率测试准确度。

S280、根据目标唤醒结果，计算目标唤醒模型在候选场景的误唤醒率。

本公开实施例中，在获取到目标唤醒模型针对各唤醒音频的目标唤醒结果后，根据唤醒结果以及唤醒音频对应的标注信息，计算目标唤醒模型在候选场景的误唤醒率。

本公开实施例的技术方案，获取初始唤醒模型在第一使用阶段的第一历史唤醒音频和第一历史唤醒结果，并确定第一历史唤醒音频所属的候选场景，然后根据第一历史唤醒音频、第一历史唤醒结果和第一历史唤醒音频所属的候选场景，确定初始唤醒模型在候选场景的误唤醒频次，进而根据候选场景的误唤醒频次，从候选场景中选择目标场景，并从初始唤醒模型在第二使用阶段的第二历史唤醒音频和第二历史唤醒结果中选择目标场景的训练样本，采用训练样本，对初始唤醒模型进行训练，得到目标唤醒模型，最终将第一历史唤醒音频作为目标唤醒模型的输入，得到目标唤醒模型输出的目标唤醒结果，根据目标唤醒结果，计算目标唤醒模型在候选场景的误唤醒率，实现有针对性的进行唤醒模型的优化，并将第一使用阶段的唤醒音频作为优化后的目标唤醒模型的测试样本，提高样本丰富性和误唤醒率测试准确度。

图3a是本公开实施例中的一种误唤醒率确定方法的示意图，在上述实施例的基础上进一步细化，提供了根据候选场景的误唤醒频次，从候选场景中选择目标场景的具体步骤。下面结合图3a对本公开实施例提供的一种误唤醒率确定方法进行说明，包括以下：

S310、确定初始唤醒模型在候选场景的误唤醒频次。

S320、将误唤醒频次大于误唤醒阈值的候选场景作为目标场景。

本公开实施例中，在确定初始唤醒模型在多个候选场景的误唤醒频次后，将误唤醒频次大于预先设定的误唤醒阈值的候选场景作为目标场景，以实现后续针对目标场景进行初始唤醒模型的优化更新。

示例性的，在电子地图应用中，在以测试为目的的使用阶段内，驾车导航页面下发生误唤醒次数为100次，步行导航页面下发生误唤醒次数为150次，路线页面下发生误唤醒次数为120次，且预先设置的误唤醒阈值为130次，此时，将步行导航页面作为目标场景，当然目标场景也可以为多个，这里不对目标场景的数量做具体限定。在目标数量为多个时，也可以根据误唤醒次数设置目标场景的优先级，根据误唤醒次数的优先级进行唤醒模型优化，使唤醒模型的优化训练更具有针对性，并且仅针对目标场景进行模型优化加快初始唤醒模型版本更迭，提高用户使用体验。

可选的，在确定初始唤醒模型在多个候选场景的误唤醒频次后，也可以直接将误唤醒频次最高的候选场景作为目标场景，进而实现针对目标场景对初始唤醒模型的优化。还可以是针对各候选场景对应的误唤醒频次，对所有候选场景进行优先级排序，例如，误唤醒频次越高的候选场景优先级越高，进而按照候选场景的优先级对初始唤醒模型进行针对性的多阶段优化更新。

可选的，候选场景包括电子地图的导航场景和除导航之外的其他场景；

其中，导航场景包括至少两个导航子场景，不同导航子场景的导航方式不同；其他场景包括至少两个页面子场景，不同页面子场景的页面类型不同。

本可选的实施例中，候选场景可以是在功能维度划分的，具体如图3b所示，在电子地图应用中，候选场景在功能维度下可以包括电子地图的导航场景和除导航场景外的其他场景；候选场景还可以是页面维度的，在电子地图应用中，可以进一步将导航场景划分为至少两个导航子场景，不同的导航子场景的导航方式不同，例如，包括驾车导航页面、摩托车导航页面、步行导航页面以及货车导航页面等多个导航子场景，同样，也可以将除导航场景外的其他场景划分为至少两个页面子场景，不同的页面子场景的页面类型不同，例如，包括首页、路线页面以及周边页面等多个页面子场景。

按照不同维度进行候选场景划分，可以在不同维度获取初始唤醒模型的误唤醒频次，进而有针对性的对初始唤醒模型进行优化，例如，在功能维度进行候选场景划分时，导航场景内的误唤醒频次相对于导航外其他场景较高，则可以针对导航场景对初始唤醒模型进行优化，在页面维度进行候选场景划分时，驾车导航页面内的误唤醒频次最高，则可以针对驾车导航页面对初始唤醒模型进行优化，使模型优化更有针对性，提高初始唤醒模型优化效率。

S330、对初始唤醒模型进行目标场景的优化，得到目标唤醒模型。

S340、基于目标唤醒模型，确定在候选场景的误唤醒率。

本公开实施例的技术方案，确定初始唤醒模型在候选场景的误唤醒频次，将误唤醒频次大于误唤醒阈值的候选场景作为目标场景，进而对初始唤醒模型进行目标场景的优化，得到目标唤醒模型，最终基于目标唤醒模型，确定在候选场景的误唤醒率，使模型优化更有针对性，提高初始唤醒模型优化效率。

图4是本公开实施例中的一种误唤醒率确定装置的结构示意图，该误唤醒率确定装置400，包括：误唤醒频次确定模块410、目标场景选择模块420、目标唤醒模型获取模块430和误唤醒率确定模块440。

误唤醒频次确定模块410，用于确定初始唤醒模型在候选场景的误唤醒频次；

目标场景选择模块420，用于根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景；

目标唤醒模型获取模块430，用于对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型；

误唤醒率确定模块440，用于基于所述目标唤醒模型，确定在所述候选场景的误唤醒率。

本公开实施例的技术方案，确定初始唤醒模型在候选场景的误唤醒频次，并根据候选场景的误唤醒频次，从候选场景中选择目标场景，进而对初始唤醒模型进行目标场景的优化，得到目标唤醒模型，最终基于目标唤醒模型，确定在候选场景的误唤醒率，丰富了进行误唤醒率测试的样本，提高测试误唤醒率的准确度。

可选的，误唤醒频次确定模块410，包括：

第一历史唤醒音频获取单元，用于获取初始唤醒模型在第一使用阶段的第一历史唤醒音频和第一历史唤醒结果；

候选场景确定单元，用于确定第一历史唤醒音频所属的候选场景；

误唤醒频次确定单元，用于根据第一历史唤醒音频、第一历史唤醒结果和第一历史唤醒音频所属的候选场景，确定初始唤醒模型在候选场景的误唤醒频次。

可选的，候选场景包括电子地图的导航场景和除导航之外的其他场景；

其中，导航场景包括至少两个导航子场景，不同导航子场景的导航方式不同；其他场景包括至少两个页面子场景，不同页面子场景的页面类型不同。

可选的，目标唤醒模型获取模块430，包括：

训练样本获取单元，用于从初始唤醒模型在第二使用阶段的第二历史唤醒音频和第二历史唤醒结果中选择目标场景的训练样本；其中，第二使用阶段与第一使用阶段不同；

目标唤醒模型获取单元，用于采用训练样本，对初始唤醒模型进行训练，得到目标唤醒模型。

可选的，目标场景选择模块420，具体用于：

将误唤醒频次大于误唤醒阈值的候选场景作为目标场景。

可选的，误唤醒率确定模块440，包括：

目标唤醒结果获取单元，用于将第一历史唤醒音频作为目标唤醒模型的输入，得到目标唤醒模型输出的目标唤醒结果；

误唤醒率确定单元，用于根据目标唤醒结果，计算目标唤醒模型在候选场景的误唤醒率。

本公开实施例所提供的误唤醒率确定装置可执行本公开任意实施例所提供的误唤醒率确定方法，具备执行方法相应的功能模块和有益效果。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如误唤醒率确定方法。例如，在一些实施例中，误唤醒率确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的误唤醒率确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行误唤醒率确定方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

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。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (14)

1.一种误唤醒率确定方法，包括：

确定初始唤醒模型在候选场景的误唤醒频次；其中，所述候选场景是指初始唤醒模型的使用场景；

根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景；

对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型；

基于所述目标唤醒模型，确定在所述候选场景的误唤醒率；

其中，所述确定初始唤醒模型在候选场景的误唤醒频次，包括：

获取所述初始唤醒模型内部测试过程中产生的误唤醒音频，在用户日志中查找与所述误唤醒音频对应的候选场景，确定各候选场景下的误唤醒频次；

所述对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型，包括：在唤醒模型训练过程中，提高所述目标场景对应的训练样本占全部训练样本的比例；

所述基于所述目标唤醒模型，确定在所述候选场景的误唤醒率，包括：将所述内部测试过程中产生的误唤醒音频输入至封装了优化后的目标唤醒模型的SDK中进行误唤醒率测试。

2.根据权利要求1所述的方法，其中，所述确定初始唤醒模型在候选场景的误唤醒频次，包括：

获取所述初始唤醒模型在第一使用阶段的第一历史唤醒音频和第一历史唤醒结果；

确定所述第一历史唤醒音频所属的候选场景；

根据所述第一历史唤醒音频、第一历史唤醒结果和所述第一历史唤醒音频所属的候选场景，确定所述初始唤醒模型在所述候选场景的误唤醒频次。

3.根据权利要求1所述的方法，其中，所述候选场景包括电子地图的导航场景和除导航之外的其他场景；

其中，所述导航场景包括至少两个导航子场景，不同导航子场景的导航方式不同；所述其他场景包括至少两个页面子场景，不同页面子场景的页面类型不同。

4.根据权利要求2所述的方法，其中，所述对所述初始唤醒模型进行目标场景的优化，得到目标唤醒模型，包括：

从所述初始唤醒模型在第二使用阶段的第二历史唤醒音频和第二历史唤醒结果中选择所述目标场景的训练样本；其中，所述第二使用阶段与所述第一使用阶段不同；

采用所述训练样本，对所述初始唤醒模型进行训练，得到目标唤醒模型。

5.根据权利要求1所述的方法，其中，所述根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景，包括：

将所述误唤醒频次大于误唤醒阈值的候选场景作为所述目标场景。

6.根据权利要求2所述的方法，其中，所述基于所述目标唤醒模型，确定在所述候选场景的误唤醒率，包括：

将所述第一历史唤醒音频作为所述目标唤醒模型的输入，得到所述目标唤醒模型输出的目标唤醒结果；

根据所述目标唤醒结果，计算所述目标唤醒模型在所述候选场景的误唤醒率。

7.一种误唤醒率确定装置，包括：

误唤醒频次确定模块，用于确定初始唤醒模型在候选场景的误唤醒频次，其中，所述候选场景是指初始唤醒模型的使用场景；

目标场景选择模块，用于根据所述候选场景的误唤醒频次，从所述候选场景中选择目标场景；

目标唤醒模型获取模块，用于对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型；

误唤醒率确定模块，用于基于所述目标唤醒模型，确定在所述候选场景的误唤醒率；

其中，所述确定初始唤醒模型在候选场景的误唤醒频次，包括：

获取所述初始唤醒模型内部测试过程中产生的误唤醒音频，在用户日志中查找与所述误唤醒音频对应的候选场景，确定各候选场景下的误唤醒频次；

所述对所述初始唤醒模型进行所述目标场景的优化，得到目标唤醒模型，包括：在唤醒模型训练过程中，提高所述目标场景对应的训练样本占全部训练样本的比例；

所述基于所述目标唤醒模型，确定在所述候选场景的误唤醒率，包括：将所述内部测试过程中产生的误唤醒音频输入至封装了优化后的目标唤醒模型的SDK中进行误唤醒率测试。

8.根据权利要求7所述的装置，其中，所述误唤醒频次确定模块，包括：

第一历史唤醒音频获取单元，用于获取所述初始唤醒模型在第一使用阶段的第一历史唤醒音频和第一历史唤醒结果；

候选场景确定单元，用于确定所述第一历史唤醒音频所属的候选场景；

误唤醒频次确定单元，用于根据所述第一历史唤醒音频、第一历史唤醒结果和所述第一历史唤醒音频所属的候选场景，确定所述初始唤醒模型在所述候选场景的误唤醒频次。

9.根据权利要求7所述的装置，其中，所述候选场景包括电子地图的导航场景和除导航之外的其他场景；

其中，所述导航场景包括至少两个导航子场景，不同导航子场景的导航方式不同；所述其他场景包括至少两个页面子场景，不同页面子场景的页面类型不同。

10.根据权利要求8所述的装置，其中，所述目标唤醒模型获取模块，包括：

训练样本获取单元，用于从所述初始唤醒模型在第二使用阶段的第二历史唤醒音频和第二历史唤醒结果中选择所述目标场景的训练样本；其中，所述第二使用阶段与所述第一使用阶段不同；

目标唤醒模型获取单元，用于采用所述训练样本，对所述初始唤醒模型进行训练，得到目标唤醒模型。

11.根据权利要求7所述的装置，其中，所述目标场景选择模块，具体用于：

将所述误唤醒频次大于误唤醒阈值的候选场景作为所述目标场景。

12.根据权利要求8所述的装置，其中，所述误唤醒率确定模块，包括：

目标唤醒结果获取单元，用于将所述第一历史唤醒音频作为所述目标唤醒模型的输入，得到所述目标唤醒模型输出的目标唤醒结果；

误唤醒率确定单元，用于根据所述目标唤醒结果，计算所述目标唤醒模型在所述候选场景的误唤醒率。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

Images