CN113488050B - 语音唤醒方法、装置、存储介质及电子设备 - Google Patents
语音唤醒方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113488050B CN113488050B CN202110778555.9A CN202110778555A CN113488050B CN 113488050 B CN113488050 B CN 113488050B CN 202110778555 A CN202110778555 A CN 202110778555A CN 113488050 B CN113488050 B CN 113488050B
- Authority
- CN
- China
- Prior art keywords
- wake
- word
- threshold
- voice
- sample
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000875 corresponding effect Effects 0.000 claims description 134
- 230000011218 segmentation Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000002618 waking effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000037007 arousal Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本公开涉及一种语音唤醒方法、装置、存储介质及电子设备，以为常见唤醒词设计较高的阈值，从而降低误唤醒，并为少见的唤醒词设置较低的阈值，从而提高唤醒率。该方法包括：获取待设置阈值的语音唤醒词；通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
Description
技术领域
本公开涉及语音技术领域，具体地，涉及一种语音唤醒方法、装置、存储介质及电子设备。
背景技术
语音唤醒技术通过在电子设备或软件中预置唤醒词，当用户发出唤醒词对应的语音指令时，电子设备可以从休眠状态中被唤醒并作出指定响应。具体地，每一预置的唤醒词会有对应的唤醒阈值，当用户发出语音指令后，会确定该语音指令对应的词语得分，若该词语得分大于或等于唤醒阈值，则电子设备可以从休眠状态中被唤醒并作出指定响应。若该词语得分小于唤醒阈值，则电子设备不会被唤醒。
相关技术中，通常是对各唤醒词设置统一的唤醒阈值，从而可能导致有的唤醒词对应的唤醒率较低，或者有的唤醒词对应的误唤醒较多，影响语音唤醒的准确性。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种语音唤醒方法，所述方法包括：
获取待设置阈值的语音唤醒词；
通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
第二方面，本公开提供一种语音唤醒装置，所述装置包括：
获取模块，用于获取待设置阈值的语音唤醒词；
第一确定模块，用于通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
第二确定模块，用于根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
第三方面，本公开提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面中所述方法的步骤。
通过上述技术方案，可以根据语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定语音唤醒词对应的目标唤醒阈值。并且，在预设对应关系中唤醒阈值与词语得分正相关，因此词语得分越高，即语音唤醒词越常见，则对应的唤醒阈值越高，从而可以减少唤醒词对应的误唤醒。反之，词语得分越低，即语音唤醒词越少见，则对应的唤醒阈值越低，从而可以提升唤醒词对应的唤醒率。由此，可以解决相关技术中唤醒率低或误唤醒多的问题，提升语音唤醒的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
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。在附图中：
图1是根据本公开一示例性实施例示出的一种语音唤醒方法的流程图；
图2是根据本公开一示例性实施例示出的一种语音唤醒装置的框图；
图3是根据本公开一示例性实施例示出的一种电子设备的框图。
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。另外需要注意，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。
正如背景技术所言，相关技术通常是对各唤醒词设置统一的唤醒阈值。但是，发明人研究发现，有的唤醒词比较常见，从而容易误唤醒，因此需要设置较高的阈值，而有的唤醒词比较少见，从而比较难唤醒，因此需要设置较低的阈值。按照相关技术的方式，对不同唤醒词设置统一的阈值，则可能导致有的唤醒词对应的唤醒率较低，或者有的唤醒词对应的误唤醒较多，影响语音唤醒的准确性。
发明人通过大量数据分析发现，不同唤醒词合适的阈值和该唤醒词输入语言模型后得到的词语得分呈现比较强的相关性。因此，本公开提出一种新的阈值设置方式，以为容易唤醒的唤醒词设计较高的阈值，从而降低误唤醒，并为难唤醒的唤醒词设置较低的阈值，从而提高唤醒率。
图1是根据本公开一示例性实施例示出的一种语音唤醒方法的流程图。参照图1，该语音唤醒方法包括：
步骤101，获取待设置阈值的语音唤醒词；
步骤102，通过语言模型确定语音唤醒词的词语得分，该词语得分用于表征语音唤醒词的出现概率；
步骤103，根据语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定语音唤醒词对应的目标唤醒阈值，其中预设对应关系中所述唤醒阈值与词语得分正相关。该目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定目标语音唤醒词对应的语音唤醒结果。
示例地，待设置阈值的语音唤醒词可以是用户自定义的词语或词组，用于唤醒电子设备执行操作。比如可以是“导航”或“打开导航”等，本公开实施例对此不作限定。词语得分可以表征语音唤醒词的出现概率，即语音唤醒词的常见程度。语音唤醒词的词语得分与出现概率(即常见程度)正相关，即词语得分越高，语音唤醒词越常见，反之词语得分越低，语音唤醒词越少见。在实际应用中，可以通过N-gram(N为正整数)语言模型确定语音唤醒词的得分，本公开实施例对此不作限定。
在确定语音唤醒词的词语得分后，可以根据该词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定语音唤醒词对应的目标唤醒阈值。并且，在预设对应关系中唤醒阈值与词语得分正相关，因此词语得分越高，即语音唤醒词越常见，则对应的唤醒阈值越高，从而可以减少唤醒词对应的误唤醒。反之，词语得分越低，即语音唤醒词越少见，则对应的唤醒阈值越低，从而可以提升唤醒词对应的唤醒率。由此，可以解决相关技术中唤醒率低或误唤醒多的问题，提升语音唤醒的准确性。
为了使得本领域技术人员更加理解本公开提供的语音唤醒方法，下面对上述各步骤进行详细举例说明。
示例地，语言模型可以是N-gram语言模型，比如1gram语言模型、2gram语言模型等，本公开实施例对此不作限定。其中，1gram语言模型是将输入文本或词语划分为多个单字后，每一单字的词语得分与其他单字无关。2gram语言模型是将输入文本或词语划分为多个单字后，每一单字的词语得分与其前一个单字有关。
在可能的方式中，若语音唤醒模型为端到端语音识别RNN-T模型，相应地语音模型可以为2gram语言模型，该2gram语言模型用于根据分词之前的一个单字确定该分词对应的词语得分。应当理解的是，RNN-T模型在数据处理过程中相邻的两个数据之间存在关联性，因此对应的采用2gram语言模型，以根据每一分词之前的一个单字确定该分词对应的词语得分。由此，语言模型可以与语音唤醒模型相匹配，从而可以提升唤醒阈值的结果准确性，进而提升语音唤醒的准确性。
示例地，可以通过样本文本训练语言模型，则语音唤醒词的词语得分可以表征该语音唤醒词在该样本文本中的出现概率。在可能的方式中，可以获取用于训练语音唤醒模型的第一样本文本，并根据该第一样本文本训练语言模型。也即是说，可以通过训练语音唤醒模型的文本数据训练语言模型，提升语音唤醒模型和语言模型间的匹配程度，从而提升语音唤醒的准确性。
应当理解的是，若语音唤醒词在训练语音唤醒模型的第一样本文本中出现频率较高，则通过该第一样本文本训练语言模型后，语言模型会对该语音唤醒词确定较高的词语得分，表示该语音唤醒词较常见，从而后续可以为该语音唤醒词确定较高的唤醒阈值，减少对应的误唤醒。反之，若语音唤醒词在训练语音唤醒模型的第一样本文本中出现频率较低，则通过该第一样本文本训练语言模型后，语言模型会对该语音唤醒词确定较低的词语得分，表示该语音唤醒词较少见，从而后续可以为该语音唤醒词确定较低的唤醒阈值，提升对应的唤醒率。
在可能的方式中，唤醒阈值与词语得分间的预设对应关系可以是通过如下方式得到的：通过语言模型确定第二样本文本中各分词对应的样本词语得分，并确定第二样本文本中各分词对应的样本唤醒阈值，然后根据第二样本文本中各分词对应的样本词语得分和样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系。
示例地，第二样本文本可以与第一样本文本相同，也可以不同，本公开实施例对此不作限定。可以从第二样本文本中选取多个分词，然后通过语言模型确定该多个分词对应的样本词语得分。并且，可以确定该多个分词对应的样本唤醒阈值。其中，该样本唤醒阈值可以是通过分析大量数据而确定的。
在可能的方式中，确定第二样本文本中各分词对应的样本唤醒阈值，可以是：针对第二样本文本中的目标分词，在预设时长内对语音唤醒模型输入除目标分词外的测试语料，并根据语音唤醒模型对应的多个候选唤醒阈值，确定预设时长内每一候选唤醒阈值对应的误唤醒率，目标分词为样本文本中的任一分词，然后将误唤醒率达到预设误唤醒率时的候选唤醒阈值确定为目标分词对应的样本唤醒阈值。
示例地，预设时长可以根据实际情况设定，比如可以设定为100个小时、200个小时，等等，本公开实施例对此不作限定。候选唤醒阈值可以是预设阈值范围内的多个数值，比如设定阈值范围为0至1，并且设定步长为0.1，则候选唤醒阈值可以依次取值为0、0.1、0.2、……、1。其中，预设阈值范围和步长可以根据实际情况设定，本公开实施例对此不作限定。另外，误唤醒率是单位时间测试语料的误唤醒个数，预设误唤醒率为实际应用中期望的误唤醒率，可以根据实际情况设定，本公开实施例对此不作限定。
本公开实施例中，可以在预设时长内对语音唤醒模型输入除目标分词外的测试语料，然后确定预设时长内每一候选唤醒阈值对应的误唤醒率，若某一候选唤醒阈值对应的误唤醒率达到预设误唤醒率，则可以将该候选唤醒阈值作为样本唤醒阈值。由此，可以根据误唤醒率得到第二样本文本中各分词对应的样本唤醒阈值，并且由于该样本唤醒阈值符合预期误唤醒率，因此根据该样本唤醒阈值拟合唤醒阈值与词语得分间的对应关系，可以减少误唤醒，从而提升阈值设定的准确性。
在确定第二样本文本中各分词对应的样本词语得分和样本唤醒阈值后，可以根据第二样本文本中各分词对应的样本词语得分和样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系。在可能的方式中，可以将第二样本文本中各分词对应的样本词语得分作为自变量，将第二样本文本中各分词对应的样本唤醒阈值作为因变量进行线性拟合，得到用于表征唤醒阈值与词语得分间对应关系的函数关系式。
例如，可以将第二样本文本中各分词对应的样本词语得分作为自变量，将第二样本文本中各分词对应的样本唤醒阈值作为因变量，通过直线方程y＝ax+b进行线性拟合。其中，y表示第二样本文本中各分词对应的样本唤醒阈值，x表示第二样本文本中各分词对应的样本词语得分，a和b表示待拟合的系数。由此，可以得到用于表征唤醒阈值与词语得分间对应关系的函数关系式，从而通过该函数关系式和语音唤醒词的词语得分，可以确定语音唤醒词对应的目标唤醒阈值。并且，在该函数关系式中唤醒阈值与词语得分正相关，因此词语得分越高，即语音唤醒词越常见，则对应的唤醒阈值越高，从而可以减少唤醒词对应的误唤醒。反之，词语得分越低，即语音唤醒词越少见，则对应的唤醒阈值越低，从而可以提升唤醒词对应的唤醒率。由此，可以解决相关技术中唤醒率低或误唤醒多的问题，提升语音唤醒的准确性。
基于同一发明构思，本公开实施例还提供一种语音唤醒装置，该装置可以通过软件、硬件或两者结合的方式成为电子设备的部分或全部。参照图2，该语音唤醒装置200包括：
获取模块201，用于获取待设置阈值的语音唤醒词；
第一确定模块202，用于通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
第二确定模块203，用于根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
可选地，所述装置200还包括训练模块，用于获取用于训练语音唤醒模型的第一样本文本，并根据所述第一样本文本训练所述语言模型。
可选地，所述装置200还包括数据拟合模块，用于：
通过所述语言模型确定第二样本文本中各分词对应的样本词语得分，并确定所述第二样本文本中各分词对应的样本唤醒阈值；
根据所述第二样本文本中各分词对应的所述样本词语得分和所述样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系。
可选地，所述数据拟合模块用于：
将所述第二样本文本中各分词对应的所述样本词语得分作为自变量，将所述第二样本文本中各分词对应的样本唤醒阈值作为因变量进行线性拟合，得到用于表征唤醒阈值与词语得分间对应关系的函数关系式。
可选地，所述数据拟合模块用于：
针对所述第二样本文本中的目标分词，在预设时长内对语音唤醒模型输入除所述目标分词外的测试语料，并根据所述语音唤醒模型对应的多个候选唤醒阈值，确定所述预设时长内每一所述候选唤醒阈值对应的误唤醒率，所述目标分词为所述样本文本中的任一分词；
将所述误唤醒率达到预设误唤醒率时的候选唤醒阈值确定为所述目标分词对应的样本唤醒阈值。
可选地，所述语音唤醒模型包括端到端语音识别RNN-T模型，所述语言模型为2gram语言模型，所述2gram语言模型用于根据分词之前的一个单字确定该分词对应的词语得分。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于同一发明构思，本公开实施例还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现上述任一语音唤醒方法的步骤。
基于同一发明构思，本公开实施例还提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述任一语音唤醒方法的步骤。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的终端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3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3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：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306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301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，可以利用诸如HTTP(HyperText Transfer Protocol，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：获取待设置阈值的语音唤醒词；通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
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模块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，模块的名称在某种情况下并不构成对该模块本身的限定。
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：
获取待设置阈值的语音唤醒词；
通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
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，所述语言模型是通过如下方式训练得到的：
获取用于训练语音唤醒模型的第一样本文本，并根据所述第一样本文本训练所述语言模型。
根据本公开的一个或多个实施例，示例3提供了示例1或2的方法，所述唤醒阈值与词语得分间的预设对应关系是通过如下方式得到的：
通过所述语言模型确定第二样本文本中各分词对应的样本词语得分，并确定所述第二样本文本中各分词对应的样本唤醒阈值；
根据所述第二样本文本中各分词对应的所述样本词语得分和所述样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述第二样本文本中各分词对应的所述样本词语得分和所述样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系，包括：
将所述第二样本文本中各分词对应的所述样本词语得分作为自变量，将所述第二样本文本中各分词对应的样本唤醒阈值作为因变量进行线性拟合，得到用于表征唤醒阈值与词语得分间对应关系的函数关系式。
根据本公开的一个或多个实施例，示例5提供了示例3的方法，所述确定所述第二样本文本中各分词对应的样本唤醒阈值，包括：
针对所述第二样本文本中的目标分词，在预设时长内对语音唤醒模型输入除所述目标分词外的测试语料，并根据所述语音唤醒模型对应的多个候选唤醒阈值，确定所述预设时长内每一所述候选唤醒阈值对应的误唤醒率，所述目标分词为所述样本文本中的任一分词；
将所述误唤醒率达到预设误唤醒率时的候选唤醒阈值确定为所述目标分词对应的样本唤醒阈值。
根据本公开的一个或多个实施例，示例6提供了示例1或2的方法，所述语音唤醒模型包括端到端语音识别RNN-T模型，所述语言模型为2gram语言模型，所述2gram语言模型用于根据分词之前的一个单字确定该分词对应的词语得分。
根据本公开的一个或多个实施例，示例7提供了一种语音唤醒装置，所述装置包括：
获取模块，用于获取待设置阈值的语音唤醒词；
第一确定模块，用于通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
第二确定模块，用于根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中所述唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果。
根据本公开的一个或多个实施例，示例8提供了示例7的装置，所述装置还包括：
训练模块，用于获取用于训练语音唤醒模型的目标样本文本，并将所述目标样本文本作为用于训练所述语言模型的第一样本文本。
根据本公开的一个或多个实施例，示例9提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1-6中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-6中任一项所述方法的步骤。
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。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (9)
1.一种语音唤醒方法，其特征在于，所述方法包括：
获取待设置阈值的语音唤醒词；
通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果；
所述预设对应关系是根据第二样本文本中各分词对应的样本词语得分以及样本唤醒阈值得到的；所述第二样本文本中各分词对应的样本唤醒阈值是通过如下方式得到的：
针对所述第二样本文本中的目标分词，在预设时长内对语音唤醒模型输入除所述目标分词外的测试语料，并根据所述语音唤醒模型对应的多个候选唤醒阈值，确定所述预设时长内每一所述候选唤醒阈值对应的误唤醒率，所述目标分词为所述样本文本中的任一分词；
将所述误唤醒率达到预设误唤醒率时的候选唤醒阈值确定为所述目标分词对应的样本唤醒阈值。
2.根据权利要求1所述的方法，其特征在于，所述语言模型是通过如下方式训练得到的：
获取用于训练语音唤醒模型的第一样本文本，并根据所述第一样本文本训练所述语言模型。
3.根据权利要求1或2所述的方法，其特征在于，所述预设对应关系是通过如下方式得到的：
通过所述语言模型确定第二样本文本中各分词对应的样本词语得分，并确定所述第二样本文本中各分词对应的样本唤醒阈值；
根据所述第二样本文本中各分词对应的所述样本词语得分和所述样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二样本文本中各分词对应的所述样本词语得分和所述样本唤醒阈值进行数据拟合，得到唤醒阈值与词语得分间的预设对应关系，包括：
将所述第二样本文本中各分词对应的所述样本词语得分作为自变量，将所述第二样本文本中各分词对应的样本唤醒阈值作为因变量进行线性拟合，得到用于表征唤醒阈值与词语得分间对应关系的函数关系式。
5.根据权利要求1或2所述的方法，其特征在于，所述语音唤醒模型包括端到端语音识别RNN-T模型，所述语言模型为2gram语言模型，所述2gram语言模型用于根据分词之前的一个单字确定该分词对应的词语得分。
6.一种语音唤醒装置，其特征在于，所述装置包括：
获取模块，用于获取待设置阈值的语音唤醒词；
第一确定模块，用于通过语言模型确定所述语音唤醒词的词语得分，所述词语得分用于表征所述语音唤醒词的出现概率；
第二确定模块，用于根据所述语音唤醒词的词语得分、以及唤醒阈值与词语得分间的预设对应关系，确定所述语音唤醒词对应的目标唤醒阈值，其中所述预设对应关系中唤醒阈值与所述词语得分正相关，所述目标唤醒阈值用于在语音唤醒过程中与采集到的目标语音唤醒词进行比对，以确定所述目标语音唤醒词对应的语音唤醒结果；
所述预设对应关系是根据第二样本文本中各分词对应的样本词语得分以及样本唤醒阈值得到的；
所述第二样本文本中各分词对应的样本唤醒阈值是通过如下方式得到的：
针对所述第二样本文本中的目标分词，在预设时长内对语音唤醒模型输入除所述目标分词外的测试语料，并根据所述语音唤醒模型对应的多个候选唤醒阈值，确定所述预设时长内每一所述候选唤醒阈值对应的误唤醒率，所述目标分词为所述样本文本中的任一分词；
将所述误唤醒率达到预设误唤醒率时的候选唤醒阈值确定为所述目标分词对应的样本唤醒阈值。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
训练模块，用于获取用于训练语音唤醒模型的目标样本文本，并将所述目标样本文本作为用于训练所述语言模型的第一样本文本。
8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-5中任一项所述方法的步骤。
9.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110778555.9A CN113488050B (zh) | 2021-07-09 | 2021-07-09 | 语音唤醒方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110778555.9A CN113488050B (zh) | 2021-07-09 | 2021-07-09 | 语音唤醒方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113488050A CN113488050A (zh) | 2021-10-08 |
| CN113488050B true CN113488050B (zh) | 2024-03-26 |
Family
ID=77938552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110778555.9A Active CN113488050B (zh) | 2021-07-09 | 2021-07-09 | 语音唤醒方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113488050B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117153166B (zh) * | 2022-07-18 | 2024-07-12 | 荣耀终端有限公司 | 语音唤醒方法、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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*** |
| CN107610695A (zh) * | 2017-08-08 | 2018-01-19 | 问众智能信息科技（北京）有限公司 | 驾驶人语音唤醒指令词权重的动态调整方法 |
| CN107767861A (zh) * | 2016-08-22 | 2018-03-06 | 科大讯飞股份有限公司 | 语音唤醒方法、***及智能终端 |
| CN108564951A (zh) * | 2018-03-02 | 2018-09-21 | 北京云知声信息技术有限公司 | 智能降低语音控制设备误唤醒概率的方法 |
| CN108847219A (zh) * | 2018-05-25 | 2018-11-20 | 四川斐讯全智信息技术有限公司 | 一种唤醒词预设置信度阈值调节方法及*** |
| CN109741755A (zh) * | 2018-12-25 | 2019-05-10 | 苏州思必驰信息科技有限公司 | 语音唤醒词阈值管理装置及管理语音唤醒词阈值的方法 |
| CN109753665A (zh) * | 2019-01-30 | 2019-05-14 | 北京声智科技有限公司 | 唤醒模型的更新方法及装置 |
| US10510340B1 (en) * | 2017-12-05 | 2019-12-17 | Amazon Technologies, Inc. | Dynamic wakeword detection |
| WO2020203275A1 (ja) * | 2019-03-29 | 2020-10-08 | 株式会社東芝 | 閾値調整装置、閾値調整方法および記録媒体 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102420450B1 (ko) * | 2015-09-23 | 2022-07-14 | 삼성전자주식회사 | 음성인식장치, 음성인식방법 및 컴퓨터 판독가능 기록매체 |
| US10878811B2 (en) * | 2018-09-14 | 2020-12-29 | Sonos, Inc. | Networked devices, systems, and methods for intelligently deactivating wake-word engines |
-
2021
- 2021-07-09 CN CN202110778555.9A patent/CN113488050B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767861A (zh) * | 2016-08-22 | 2018-03-06 | 科大讯飞股份有限公司 | 语音唤醒方法、***及智能终端 |
| 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*** |
| CN107610695A (zh) * | 2017-08-08 | 2018-01-19 | 问众智能信息科技（北京）有限公司 | 驾驶人语音唤醒指令词权重的动态调整方法 |
| US10510340B1 (en) * | 2017-12-05 | 2019-12-17 | Amazon Technologies, Inc. | Dynamic wakeword detection |
| CN108564951A (zh) * | 2018-03-02 | 2018-09-21 | 北京云知声信息技术有限公司 | 智能降低语音控制设备误唤醒概率的方法 |
| CN108847219A (zh) * | 2018-05-25 | 2018-11-20 | 四川斐讯全智信息技术有限公司 | 一种唤醒词预设置信度阈值调节方法及*** |
| CN109741755A (zh) * | 2018-12-25 | 2019-05-10 | 苏州思必驰信息科技有限公司 | 语音唤醒词阈值管理装置及管理语音唤醒词阈值的方法 |
| CN109753665A (zh) * | 2019-01-30 | 2019-05-14 | 北京声智科技有限公司 | 唤醒模型的更新方法及装置 |
| WO2020203275A1 (ja) * | 2019-03-29 | 2020-10-08 | 株式会社東芝 | 閾値調整装置、閾値調整方法および記録媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113488050A (zh) | 2021-10-08 |
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 | |
| CN111883117B (zh) | 语音唤醒方法及装置 | |
| CN110516159B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
| JP2021196599A (ja) | 情報を出力するための方法および装置 | |
| CN107948437B (zh) | 熄屏显示方法和装置 | |
| CN112309384B (zh) | 一种语音识别方法、装置、电子设备及介质 | |
| CN111326146A (zh) | 语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 | |
| CN113488050B (zh) | 语音唤醒方法、装置、存储介质及电子设备 | |
| CN111597107A (zh) | 信息输出方法、装置和电子设备 | |
| CN113470646B (zh) | 一种语音唤醒方法、装置及设备 | |
| CN112380883B (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
| CN112257459B (zh) | 语言翻译模型的训练方法、翻译方法、装置和电子设备 | |
| CN113220281A (zh) | 一种信息生成方法、装置、终端设备及存储介质 | |
| CN115631514B (zh) | 基于掌静脉指纹的用户识别方法、装置、设备与介质 | |
| CN111797263A (zh) | 图像标签生成方法、装置、设备和计算机可读介质 | |
| CN111276127A (zh) | 语音唤醒方法、装置、存储介质及电子设备 | |
| CN110750994A (zh) | 一种实体关系抽取方法、装置、电子设备及存储介质 | |
| CN110659208A (zh) | 测试数据集的更新方法和装置 | |
| CN116072108A (zh) | 模型生成方法、语音识别方法、装置、介质及设备 | |
| CN111444384B (zh) | 一种音频关键点确定方法、装置、设备及存储介质 | |
| CN112509581B (zh) | 语音识别后文本的纠错方法、装置、可读介质和电子设备 | |
| CN111221424B (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
| CN112017685B (zh) | 语音生成方法、装置、设备和计算机可读介质 | |
| CN111339790B (zh) | 文本翻译方法、装置、设备及计算机可读存储介质 | |
| CN110502630B (zh) | 信息处理方法及设备 |
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 |