[发明专利]一种语音识别的方法、唤醒词检测的方法及装置

说明书

本发明公开了一种唤醒词检测的方法，包括：获取待识别语音信息，待识别语音信息中包含目标字集合，目标字集合由重复的至少两组目标词组成，每组目标词包括至少一个目标字；根据待识别语音信息获取目标语音特征向量；通过语音识别模型确定目标语音特征向量所对应的目标概率分值集合，语音识别模型用于输出语音信息中每个字所对应的概率分值，目标概率分值集合包括每个目标字所对应的目标概率分值；若目标概率分值集合满足语音唤醒条件，则确定待识别语音信息包含目标唤醒词，目标唤醒词属于唤醒词集合中的一个唤醒词。本发明公开了一种唤醒词检测装置及终端设备。本发明提升叠词式唤醒词的检测性能，具有较高的唤醒率，以及较低的误唤醒率。

技术领域

本发明涉及人工智能计算机领域，尤其涉及一种语音识别的方法、唤醒词检测的方法及装置。

背景技术

随着智能语音设备开始推广，通过语音命令与智能设备进行人机交互已成为重要功能。在语音交互应用中，用户可以通过语音唤醒词来唤醒智能设备，因此智能设备的唤醒词检测性能对人机交互体验具有重大影响。

目前，针对唤醒词检测可以采用基于动态时间弯折(dynamic time warping，DTW)的方法，该方法将语音与预先录制的若干条同一唤醒词的录音进行声学特征的动态匹配，将匹配距离与预先设定的阈值比较，当距离小于阈值时，判断该语音为要检测的唤醒词。

在中文语言应用的场景下，选择叠词作为唤醒词广受用户欢迎，同时选择叠词式唤醒词(例如“腾讯腾讯”)具有良好的唤醒性能，然而，基于目前提供的唤醒词检测方法，尚未针对叠词式唤醒词设计合理的方案，因此，在语音交互设备中，对于叠词式唤醒词的检测而言，其检测性能较差。

发明内容

本发明实施例提供了一种语音识别的方法、唤醒词检测的方法及装置，充分考虑到叠词的发音特征，利用语音识别模型对叠词中的的每个字进行分值计算，只有在分值满足条件的情况下才识别为唤醒词，从而提升叠词式唤醒词的检测性能，具有较高的唤醒率，以及较低的误唤醒率。

有鉴于此，一种语音识别的方法，包括：

获取待识别语音信息，其中，所述待识别语音信息中包含目标字集合，所述目标字集合由重复的至少两组目标词组成，每组目标词包括至少一个目标字；

根据所述待识别语音信息获取目标语音特征向量；

通过语音识别模型确定所述目标语音特征向量所对应的目标概率分值集合，其中，所述语音识别模型用于输出语音信息中每个字所对应的概率分值，所述目标概率分值集合包括每个目标字所对应的目标概率分值；

若所述目标概率分值集合满足语音唤醒条件，则确定所述待识别语音信息包含目标唤醒词，其中，所述目标唤醒词属于唤醒词集合中的一个唤醒词；

获取所述目标唤醒词所对应的目标语音识别结果；

执行所述目标语音识别结果。

本发明的第二方面提供了一种唤醒词检测的方法，包括：

获取待识别语音信息，其中，所述待识别语音信息中包含目标字集合，所述目标字集合由重复的至少两组目标词组成，每组目标词包括至少一个目标字；

根据所述待识别语音信息获取目标语音特征向量；

通过语音识别模型确定所述目标语音特征向量所对应的目标概率分值集合，其中，所述语音识别模型用于输出语音信息中每个字所对应的概率分值，所述目标概率分值集合包括每个目标字所对应的目标概率分值；

若所述目标概率分值集合满足语音唤醒条件，则确定所述待识别语音信息包含目标唤醒词，其中，所述目标唤醒词属于唤醒词集合中的一个唤醒词。

本发明的第三方面提供了一种唤醒词检测装置，包括：