[发明专利]一种命令词识别方法和装置

说明书

本发明公开一种命令词识别方法和装置，其中，方法包括：在输入的音频中检测到人声后，将所述音频发送至利用命令词生成的解码网络中进行解码，并在解码完成时抛出整合输出；获取所述整合输出，并计算所述整合输出的得分，判断所述得分是否大于预设阈值；若所述得分大于所述预设阈值，则将所述整合输出作为命令词输出；其中，所述解码网络包括解码路径及分散在所述解码路径上的各分支输出，并将各解码路径上的分支输出移至各解码路径的最后一个分支输出处合并成整合输出。本申请的方法和装置提供的方案不需要借由VAD来判断语音是否结束，从而可以减少VAD多观测一段时间的音频造成的延迟，从而能够快速输出结果，降低延时。

技术领域

本发明属于语音识别技术领域，尤其涉及改进的解码网络、命令词识别方法和装置。

背景技术

相关技术中，目前市面上的命令词识别都是基于VAD(Voice ActivityDetection，语音活动检测)+基于语法网络的语音识别方案。在该方案中，当音频输入进来，通过VAD判断是否有说话的声音，如果有的话，则开始用基于命令词构成的语法网络加上特定的声学模型进行识别，持续识别直到VAD判断说话已经结束，之后结束识别，得到识别结果。

发明人在实现本申请的过程中发现语音识别方案在用户说完命令词到设备做出反应有着明显的延时。

发明内容

本发明实施例提供一种改进的解码网络、命令词识别方法和装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种改进的解码网络，其中，所述解码网络包括解码路径及分散在所述解码路径上的各分支输出，包括：将各解码路径上的分支输出移至各解码路径的最后一个分支输出处合并成整合输出。

第二方面，本发明实施例提供一种命令词识别方法，包括：响应于在输入的音频中检测到人声，将所述音频发送至根据第一方面所述的改进的解码网络进行解码，其中，所述改进的解码网络为利用命令词生成的解码网络，所述改进的解码网络在解码完成时抛出所述整合输出；获取所述整合输出并计算所述整合输出的得分，判断所述得分是否大于预设阈值；以及若所述得分大于所述预设阈值，将所述整合输出作为命令词输出。

第三方面，本发明实施例提供一种命令词识别装置，包括：解码模块，配置为响应于在输入的音频中检测到人声，将所述音频发送至根据第一方面所述的改进的解码网络进行解码，其中，所述改进的解码网络为利用命令词生成的解码网络，所述改进的解码网络在解码完成时抛出所述整合输出；计算模块，配置为获取所述整合输出并计算所述整合输出的得分，判断所述得分是否大于预设阈值；以及命令词输出模块，配置为若所述得分大于所述预设阈值，将所述整合输出作为命令词输出。

第四方面，提供一种电子设备，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本发明任一实施例的命令词识别方法的步骤。

第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的命令词识别方法的步骤。

本申请的方法和装置提供的方案通过将检测到人声的音频发送至改进的解码网络，然后计算改进的解码网络的输出计算得分，如果得分大于预设阈值，可以将解码网络的输出作为命令词输出，不需要借由VAD来判断语音是否结束，从而可以减少VAD多观测一段时间的音频造成的延迟，从而能够快速输出结果，降低延时。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。