[发明专利]语音唤醒的优化方法及系统

权利要求书

1.一种语音唤醒的优化方法，包括：

构建二级唤醒声学模型，所述二级唤醒声学模型包括音素声学模型和词级别的声学模型；

对接收到的语音音频进行特征提取，将提到的声学特征输入至所述二级唤醒声学模型中的音素声学模型，提取所述音素声学模型的输出特征；

基于所述音素声学模型的输出特征，作为所述二级唤醒声学模型中的词级别声学模型的输入，确定唤醒词的置信度；

当所述置信度超过预设唤醒阈值时，将所述语音音频确定为唤醒词，进行语音唤醒。

2.根据权利要求1所述的方法，其中，在所述提取所述音素声学模型的输出特征之后，所述方法还包括：

将每一帧的输出特征发送至特征累计器；

当所述特征累计器中语音音频的帧数累计达到预设阈值时，将所述特征累计器中的输出特征拼接成一维特征；

将所述一维特征输入至所述词级别声学模型，以完成两个模型的耦合。

3.根据权利要求1所述的方法，其中，在所述对接收到的语音音频进行特征提取之前，所述方法还包括：

根据声学传感器实时接收音频信号，通过语音端点检测模型确定所述音频信号是否为语音音频；

当所述音频信号为语音音频时，对接收到的对话语音进行声学特征提取。

4.一种语音唤醒的优化系统，包括：

模型构建程序模块，用于构建二级唤醒声学模型，所述二级唤醒声学模型包括音素声学模型和词级别的声学模型；

特征提取程序模块，用于对接收到的语音音频进行特征提取，将提到的声学特征输入至所述二级唤醒声学模型中的音素声学模型，提取所述音素声学模型的输出特征；

置信度确定程序模块，用于基于所述音素声学模型的输出特征，作为所述二级唤醒声学模型中的词级别声学模型的输入，确定唤醒词的置信度；

唤醒程序模块，用于当所述置信度超过预设唤醒阈值时，将所述语音音频确定为唤醒词，进行语音唤醒。

5.根据权利要求4所述的系统，其中，在特征提取程序模块之后，所述系统还包括：特征累计程序模块，用于：

将每一帧的输出特征发送至特征累计器；

当所述特征累计器中语音音频的帧数累计达到预设阈值时，将所述特征累计器中的输出特征拼接成一维特征；

将所述一维特征输入至所述另一个声学模型，以完成两个模型的耦合。

6.根据权利要求4所述的系统，其中，所述特征提取程序模块还用于：

根据声学传感器实时接收音频信号，通过语音端点检测模型确定所述音频信号是否为语音音频；

当所述音频信号为语音音频时，对接收到的对话语音进行声学特征提取。

7.一种电子设备，其包括：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1-3中任一项所述方法的步骤。

8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3中任一项所述方法的步骤。