[发明专利]一种语音识别系统和方法

说明书

本申请涉及用于提供语音识别的系统和方法。该方法包括接收包括多个语音数据帧的语音信号。该方法还包括确定每个帧的语音特征，该语音特征与一个或以上标签相关。该方法还包括基于语音特征确定关于一个或以上标签的一个或以上得分。该方法还包括以预设间隔对多个帧进行采集。该方法还包括获得与每个采集帧相关联的标签的分数。该方法还包括基于所获得的与采集帧相关联的标签的分数来生成唤醒设备的指令。

技术领域

本申请涉及语音识别系统，特别涉及一种基于跳帧搜索的语音识别系统和方法。

背景技术

语音识别技术广泛用于各种领域，例如移动终端，智能家居等领域。语音识别技术是基于用户输入的语音达成唤醒目标对象的效果，目标对象包括设备，系统或应用程序。具体是预先设置唤醒短语，当用户输入的语音经过识别，如果识别结果是包括预设的唤醒短语时，将目标对象从睡眠模式或待机模式唤醒。但语音识别可能存在不准确的情况，导致生成错误警报从而唤醒目标对象。因此，希望开发一种更准确的语音识别的系统和方法。

发明内容

根据本申请的一个方面，提供了一种用于语音识别的系统。该系统包括至少一个存储介质和至少一个处理器，至少一个存储介质储存一组指令，至少一个处理器被配置为与存储介质进行通信。当系统执行一组指令时，指示至少一个处理器执行以下操作中的一个或以上，例如，接收包括至少两个语音数据帧的语音信号；确定至少两个帧的语音信号中的每个帧的语音特征，确定该语音特征相关的一个或以上标签；基于语音特征确定关于一个或以上标签的一个或以上得分；在预设间隔中采集至少两个帧，采集的帧按照一个或以上标签的序列对应于一个或以上标签中的至少一部分；获得与每个采集帧相关联的标签的分数；并且基于所获得的与采集帧相关联的标签的分数来生成唤醒设备的指令。

在一些实施例中，至少一个处理器还可以用于至少两个语音数据帧中的每个帧，对其一个或以上标签的一个或以上得分执行平滑操作。

在一些实施例中，为了对至少两个语音数据帧中的每个帧的一个或以上标签的一个或以上得分执行平滑操作，可以指示至少一个处理器确定关于当前帧的平滑窗口；确定平滑窗口中与当前帧相关联的至少一个帧；确定所述至少一个帧的一个或以上标签的分数；基于所述至少一个帧的一个或以上标签的分数，确定当前帧的一个或以上标签中的每个标签的平均分数；并且将当前帧的一个或以上标签中的每个标签的平均分数指定为当前帧的一个或以上标签中的每个标签的分数。

在一些实施例中，一个或以上标签可能涉及用于唤醒设备的唤醒短语，其中唤醒短语可以包括至少一个单词。

在一些实施例中，为了确定基于一个或以上语音特征关于一个或以上标签的一个或以上得分，可以指示至少一个处理器确定神经网络模型；将与所述至少两个帧对应的一个或以上语音特征输入到神经网络模型中；并且针对一个或以上语音特征中的每一个语音特征，生成关于其一个或以上标签的一个或以上分数。

在一些实施例中，为了基于所获得的与采集帧相关的标签的得分来生成唤醒设备的指令，至少一个处理器可以根据与采集帧对应的一个或以上标签的得分来确定最终得分；确定所述最终得分是否大于阈值；在确定最终得分大于阈值之后做出响应，可以指示至少一个处理器生成唤醒设备的指令。

在一些实施例中，最终得分可以是与采集帧相关联的标签的得分的乘积的开方。

在一些实施例中，作为对于确定最终得分不大于阈值的响应，至少一个处理器可能被进一步指示为向前移动搜索窗口。

在一些实施例中，为了确定至少两个帧中的每个帧的一个或以上语音特征，可以指示至少一个处理器将所述语音信号从时域变换到频域；并且对变换的语音信号进行离散化以获得与所述至少两个帧相对应的一个或以上语音特征。