[发明专利]语音唤醒模型的生成方法、装置和电子设备

说明书

本公开实施例公开了一种语音唤醒模型的生成方法、装置、电子设备和计算机可读存储介质。其中该语音唤醒模型的生成方法包括：生成通用语音唤醒模型；生成弱势语言的语音数据；通过所述弱势语言的语音数据调整所述通用语音唤醒模型以得到所述语音唤醒模型。上述方法通过生成弱势语言的语音数据，并通过弱势语言的语音数据调整通用语音唤醒模型，解决了现有技术中语言唤醒模型语言识别单一的技术问题。

技术领域

本公开涉及语音识别领域，尤其涉及一种语音唤醒模型的生成方法、装置、电子设备及计算机可读存储介质。

背景技术

作为一种人机交互的手段，语音识别的获取技术在解放人类双手方面意义重大。随着各种智能音箱的出现，语音交互成为了互联网入口的新价值所在，越来越多的智能设备加入了语音唤醒的潮流，成为人与设备沟通的桥梁，因此语音唤醒(keyword spotting，KWS)技术愈发显得重要。

目前越来越多的手机、平板电脑上装有手机助手，比如苹果手机，直接喊“hey！siri”就可以直接将手机助手唤醒，然后进行查询等，非常方便。目前，大部分人工智能唤醒的主流语言或通用语言更加强势，如英语以及汉语的普通话，同时也使得弱势语言的交际功能不断衰弱。目前世界上的语言大约有6000—10000多种，因此，弱势语言比如方言的唤醒优化还有比较大的需求。

目前的语音识别模型只能针对一种通用语言或者一种弱势语言进行唤醒识别；并且目前对于弱势语言唤醒的情况，采用的都是人工采集录音数据去训练声学模型，这种获取训练数据的方式效率低、成本高。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供一种语音唤醒模型的生成方法，包括：

生成通用语音唤醒模型；

生成弱势语言的语音数据；

通过所述弱势语言的语音数据调整所述通用语音唤醒模型以得到所述语音唤醒模型。

进一步的，所述生成通用语音唤醒模型，包括：

获取通用语言的语音数据集；

初始化所述通用语音唤醒模型的参数；

使用所述通用语言的语音数据集训练所述通用语音唤醒模型直至所述通用唤醒模型的唤醒率达到预定的第一唤醒阈值。

进一步的，所述生成弱势语言的语音数据，包括：

获取通用语言的文本数据；

将所述通用语言的文本数据转换为弱势语言的声学特征；

根据所述声学特征生成所述弱势语言的语音数据。

进一步的，所述根据所述声学特征生成所述弱势语言的语音数据，包括：

根据所述声学特征生成弱势语言的语音的音频；

对所述音频进行变调和/或变速处理得到所述弱势语言的语音数据。

进一步的，所述对所述音频进行变调和/或变速处理得到所述弱势语言的语音数据，包括：

将所述音频分为音素或字的区段；

对所述区段进行变调和/或变速处理得到所述弱势语言的语音数据。

进一步的，所述根据所述声学特征生成所述弱势语言的语音数据，包括：

根据所述声学特征生成弱势语言的音频；