[发明专利]用于语音识别的语音模型和噪声模型

权利要求书

1.一种系统，包括：

一个或多个处理设备；以及

一个或多个存储设备，其存储有指令，当所述指令被所述一个或多个处理设备执行时，使得所述一个或多个处理设备：

接收由设备基于来自用户的音频输入生成的音频信号，所述音频信号至少包括对应于由所述设备记录的一个或多个用户话语的用户音频部分；

访问与所述用户相关联的用户语音模型；

确定所述音频信号中的背景音频在定义阈值以下；

响应于确定所述音频信号中的所述背景音频在所述定义阈值以下，基于所述音频信号适配访问的用户语音模型以生成对所述用户的语音特性建模的适配用户语音模型；以及

使用所述适配用户语音模型对接收的音频信号执行噪声补偿以生成与所述接收的音频信号相比具有减少的背景音频的滤波音频信号。

2.根据权利要求1所述的系统，其中所述音频信号包括仅对应于围绕所述用户的背景音频的环境音频部分，并且为了确定所述音频信号中的所述背景音频在定义阈值之下，所述指令包括如下指令，当其被执行时，使得所述一个或多个处理设备：

确定所述环境音频部分中的能量的量；以及

确定所述环境音频部分中的所述能量的量在阈值能量之下。

3.根据权利要求2所述的系统，为了确定所述音频信号中的所述背景音频在定义阈值之下，所述指令包括如下指令，当其被执行时，使得所述一个或多个处理设备：

确定所述音频信号的信噪比；以及

确定所述信噪比在阈值信噪比之下。

4.根据权利要求4所述的系统，其中所述音频信号包括仅对应于围绕所述用户的背景音频的环境音频部分，并且为了确定所述音频信号的所述信噪比，所述指令包括如下指令，当其被执行时，使得所述一个或多个处理设备：

确定所述音频信号的所述用户音频部分中的能量的量；

确定所述音频信号的所述环境音频部分中的能量的量；以及

通过确定所述用户音频部分与所述环境音频部分中的能量的量之间的比率来确定所述信噪比。

5.根据权利要求1所述的系统，其中访问的用户语音模型包括没有被适配为对所述用户的所述语音特性建模的替代用户语音模型。

6.根据权利要求5所述的系统，其中所述指令包括如下指令，当其被所述一个或多个处理设备执行时，使得所述一个或多个处理设备：

选择所述替代用户语音模型；以及

将所述替代语音模型与所述用户进行关联。

7.根据权利要求6所述的系统，其中为了选择所述替代用户语音模型，所述指令包括如下指令，当其被所述一个或多个处理设备执行时，使得所述一个或多个处理设备：

确定所述用户的性别；以及

基于所述用户的所述性别从多个替代用户语音模型之中选择所述替代用户语音模型。

8.根据权利要求6所述的系统，其中为了选择所述替代用户语音模型，所述指令包括如下指令，当其被所述一个或多个处理设备执行时，使得所述一个或多个处理设备：

确定在记录所述一个或多个话语时所述用户的位置；以及

基于在记录所述一个或多个话语时所述用户的所述位置从多个替代用户语音模型之中选择所述替代用户语音模型。

9.根据权利要求6所述的系统，为了选择所述替代用户语音模型，所述指令包括如下指令，当其被所述一个或多个处理设备执行时，使得所述一个或多个处理设备：

确定所述用户的语言或口音；以及

基于所述语言或口音从多个替代用户语音模型之中选择所述替代用户语音模型。

10.根据权利要求6所述的系统，其中为了选择所述替代用户语音模型，所述指令包括如下指令，当其被所述一个或多个处理设备执行时，使得所述一个或多个处理设备：

接收至少包括对应于由所述设备记录的一个或多个用户话语的最初用户音频部分的最初音频信号；

确定多个替代用户语音模型与基于所述最初音频信号确定的所述用户的期望用户语音模型之间的相似性度量；以及

基于所述相似性度量从所述多个替代用户语音模型之中选择所述替代用户语音模型。