[发明专利]语音唤醒方法和装置

权利要求书

1.一种语音唤醒方法，用于主设备，包括：

响应于获取的第一音频信息中包含唤醒词，进入预唤醒状态，其中，在所述预唤醒状态下所述主设备没有与用户进行语音交互的能力；

基于获取的所述第一音频信息和与所述第一音频信息对应的第一视频信息计算并融合得到第一音视频指标；

接收从设备反馈的至少一个第二音视频指标；

比较所述第一音视频指标和所述第二音视频指标并基于比较结果确定响应设备，使所述响应设备进入唤醒状态以与所述用户进行语音交互；

其中，所述音视频指标为以所述音频信息进行音频距离计算获得的音频指标和以与所述音频信息对应的所述视频信息进行图像距离计算获得的视频指标融合得到。

2.根据权利要求1所述的方法，其中，所述响应于获取的第一音频信息中包含唤醒词，进入预唤醒状态包括：

响应于获取的第一音频信息，判断所述第一音频信息是否包含唤醒词；

若包含唤醒词，所述主设备开启预唤醒状态。

3.根据权利要求1所述的方法，其中，所述基于获取的所述第一音频信息和与所述第一音频信息对应的第一视频信息计算并融合得到第一音视频指标，包括：

将所述第一音频信息进行音频距离计算处理获取第一音频指标，并将与所述第一音频信息对应的第一视频信息进行图像距离计算获取第一视频指标；

基于所述第一音频指标和所述第一视频指标融合处理得到第一音视频指标。

4.根据权利要求3所述的方法，其中，所述基于所述第一音频指标和所述第一视频指标融合处理得到第一音视频指标包括：

利用数据加权和/或人工神经网络方法将第一语音指标和所述第一视频指标进行融合处理得到第一音视频指标。

5.一种语音唤醒方法，用于从设备，包括：

响应于获取的第二音频信息中包含唤醒词，进入预唤醒状态；

基于获取的所述第二音频信息和与所述第二音频信息对应的第二视频信息计算并融合得到第二音视频指标，其中，所述第二音视频指标为以所述第二音频信息进行音频距离计算获得的音频指标和以与所述第二音频信息对应的所述第二视频信息进行图像距离计算获得的视频指标融合得到；

将所述第二音视频指标经由局域网发送给主设备接收。

6.根据权利要求5所述的方法，其中，所述方法还包括：

将在预设时间内第一个被唤醒的设备设定为主设备，之后被唤醒的设备为从设备。

7.一种语音唤醒装置，用于主设备，包括：

第一预唤醒程序模块，配置为响应于获取的第一音频信息中包含唤醒词，进入预唤醒状态，其中，在所述预唤醒状态下所述主设备没有与用户进行语音交互的能力；

第一计算融合程序模块，配置为基于获取的所述第一音频信息和与所述第一音频信息对应的第一视频信息计算并融合得到第一音视频指标；

接受程序模块，配置为接收从设备反馈的至少一个第二音视频指标；

比较唤醒程序模块，配置为比较所述第一音视频指标和所述第二音视频指标并基于比较结果确定响应设备，使所述响应设备进入唤醒状态以与所述用户进行语音交互；

其中，所述音视频指标为以所述音频信息进行音频距离计算获得的音频指标和以与所述音频信息对应的所述视频信息进行图像距离计算获得的视频指标融合得到。

8.一种语音唤醒装置，用于从设备，包括：

第二预唤醒程序模块，配置为响应于获取的第二音频信息中包含唤醒词，进入预唤醒状态；

第二计算融合程序模块，配置为基于获取的所述第二音频信息和与所述第二音频信息对应的第二视频信息计算并融合得到第二音视频指标，其中，所述第二音视频指标为以所述第二音频信息进行音频距离计算获得的音频指标和以与所述第二音频信息对应的所述第二视频信息进行图像距离计算获得的视频指标融合得到；

发送程序模块，配置为将所述第二音视频指标经由局域网发送给主设备接收。