[发明专利]语音控制方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种语音控制方法，其特征在于，包括：

获取用户音频信号；

对所述用户音频信号进行语音意图识别，得到意图类别信息和关键词信息；

对所述意图类别信息和所述关键词信息进行参数化映射处理，得到处理后的意图类别信息和处理后的关键词信息，所述处理后的意图类别信息和所述处理后的关键词信息用于对目标系统进行控制。

2.如权利要求1所述的方法，其特征在于，所述对所述意图类别信息和所述关键词信息进行参数化映射处理，得到处理后的意图类别信息和处理后的关键词信息的步骤，包括：

对所述意图类别信息进行参数化映射处理，得到预存的至少一个候选控制函数中的目标控制函数；

对所述关键词信息进行参数化映射处理，得到预存的至少一个候选词标识中的目标词标识；

将所述目标控制函数作为所述处理后的意图类别信息，以及，将所述目标词标识作为所述处理后的关键词信息。

3.如权利要求1所述的方法，其特征在于，所述获取用户音频信号的步骤，包括：

获取音频信号；

对所述音频信号进行降噪处理，得到降噪后的音频信号；

基于预设的自适应滤波算法，对所述降噪后的音频信号中的回声信号进行滤波处理，得到所述用户音频信号。

4.如权利要求1所述的方法，其特征在于，所述对所述用户音频信号进行语音意图识别，得到意图类别信息和关键词信息的步骤，包括：

将所述用户音频信号输入至语音识别模型，得到音频文字信息；

基于预设的文字映射对照表，获取所述音频文字信息对应的有效文字信息；

将所述有效文字信息输入至意图识别模型，得到所述意图类别信息和所述关键词信息。

5.如权利要求4所述的方法，其特征在于，所述语音识别模型包括第一识别模型和第二识别模型，所述将所述用户音频信号输入至语音识别模型，得到音频文字信息的步骤，包括：

将所述用户音频信号输入至所述第一识别模型，得到拼音文字信息；

其中，所述第一识别模型利用预先采集到的多个音频作为训练输入、所述多个音频分别进行拼音转换后得到的音频拼音作为目标输出，进行反向传播训练得到；

将所述拼音文字信息输入至所述第二识别模型，得到所述音频文字信息。

6.如权利要求5所述的方法，其特征在于，所述第一识别模型包括卷积模块、循环神经网络模块和全连接模块，所述将所述用户音频信号输入至第一识别模型，得到拼音文字信息的步骤，包括：

将所述用户音频信号输入至所述第一识别模型，通过所述卷积模块提取所述用户音频信号中的音频特征，并获取所述音频特征对应的编码特征；

通过所述循环神经网络模块对所述编码特征进行循环卷积序列处理，得到时序特征；

通过所述全连接模块整合所述时序特征，得到所述拼音文字信息。

7.一种语音控制方法，其特征在于，包括：

接收音频信号采集触发指令；

响应于所述音频信号采集触发指令，获取音频信号；

根据所述音频信号，获取处理后的意图类别信息和处理后的关键词信息；

基于所述处理后的意图类别信息和所述处理后的关键词信息，对目标系统进行控制。

8.如权利要求7所述的方法，其特征在于，所述响应于所述音频信号采集触发指令，获取音频信号的步骤，包括：

响应于所述音频信号采集操作指令；

若所述音频信号采集操作指令为语音唤醒指令，则获取唤醒词，并在检测到所述唤醒词与预设的有效唤醒词相匹配之后，获取对应的所述音频信号；

若所述音频信号采集操作指令为按键输入指令，则在检测到预置的语音输入按键被触发之后，获取对应的所述音频信号；

若所述音频信号采集操作指令为语音识别指令，则获取待识别的音频帧，并筛选出不包含静默帧的音频帧，作为对应的所述音频信号。