[发明专利]一种引擎响应时间的分析方法及电子设备、存储介质

说明书

本发明公开了一种引擎响应时间的分析方法、电子设备以及存储介质，分析方法包括：向引擎输入预设语音段，其中，引擎装载有神经网络；获取预设语音段的真实尾端时间点、神经网络判定的预设语音段的预测尾端时间点以及引擎抛出的反馈尾端时间点；计算神经网络判定的预设语音段的预测尾端时间点分别与预设语音段的真实尾端时间点及引擎抛出的反馈尾端时间点的时间差；基于时间差，得出引擎响应时间的影响因素。通过此方法能够分析出引擎响应时间的影响因素，以便于后续能够根据不同的影响因素选择不同的优化方案进行优化，加快产品化的节奏。

技术领域

本发明涉及语音唤醒技术，尤其涉及一种引擎响应时间的分析方法及电子设备、存储介质。

背景技术

语音唤醒任务中，衡量语音唤醒效果的指标有四个方面，即唤醒率、误唤醒、响应时间和功耗水平。现有的响应时间评估方法是指从用户说完唤醒词，到设备给出反馈的时间差，也即现有技术中只关注整体的响应时间。随着用户对效果的追求越来越高，引擎内的模型结构不断迭代升级，单一的整体响应时间的评估方法已经无法满足工程化的需求。

发明内容

本发明提供一种引擎响应时间的分析方法及电子设备、存储介质，能够分析引擎响应时间的影响因素，以便于后续能够根据影响因素对产品进行优化，加快产品化的节奏。

为解决上述技术问题，本发明提供的第一个技术方案为：提供一种引擎响应时间的分析方法，包括：向引擎输入预设语音段，其中，引擎装载有神经网络；获取预设语音段的真实尾端时间点、神经网络判定的预设语音段的预测尾端时间点以及引擎抛出的反馈尾端时间点；计算神经网络判定的预设语音段的预测尾端时间点分别与预设语音段的真实尾端时间点及引擎抛出的反馈尾端时间点的时间差；基于时间差，得出引擎响应时间的影响因素。

其中，计算神经网络判定的预设语音段的预测尾端时间点分别与预设语音段的真实尾端时间点及引擎抛出的反馈尾端时间点的时间差包括：计算预设语音段的真实尾端时间点及神经网络判定的预设语音段的预测尾端时间点之间的第一时间差；计算神经网络判定的预设语音段的预测尾端时间点以及引擎抛出的反馈尾端时间点之间的第二时间差。

其中，基于时间差，得出引擎响应时间的影响因素包括：基于第一时间差，确定神经网络是否为引擎响应时间的影响因素；基于第二时间差，确定引擎对神经网络的计算时间是否为引擎响应时间的影响因素。

其中，方法还包括：根据引擎响应时间的影响因素对神经网络进行优化。

其中，根据引擎响应时间的影响因素对神经网络进行优化包括：对神经网络重新训练，并在训练过程中在损失函数上加大预设语音段尾部静音帧的惩罚系数；或者获取多条训练语音段，并标注训练语音段的真实尾端时间点，以及通过初始神经网络预测训练语音段的预测尾端时间点；利用训练语音段的真实尾端时间点、训练语音段的预测尾端时间点以及训练语音段的数量得到新的损失函数；利用新的损失函数对神经网络进行训练。

其中，根据引擎响应时间的影响因素对神经网络进行优化包括：在引擎中运行第一神经网络及第二神经网络，获取第一神经网络对应的第一计算量以及第二神经网络对应的第二计算量；计算引擎对第一神经网络的计算时间；及计算引擎对第二神经网络的计算时间；根据第一计算量、第二计算量以及引擎对第一神经网络的计算时间、引擎对第二神经网络的计算时间对第一神经网络或者第二神经网络进行优化。