[发明专利]一种智能硬件的语音唤醒方法和装置

权利要求书

1.一种智能硬件的语音唤醒方法，包括：

在智能硬件中检测到音频数据时，从所述音频数据中提取一段或多段语音数据；

将所述一段或多段语音数据与基于唤醒词训练的语音模型进行匹配；所述语音模型为深度神经网络模型，基于表征唤醒词和填充词的目标语音数据的滤波器组特征训练生成；

当匹配成功时，唤醒所述智能硬件。

2.如权利要求1所述的方法，其特征在于，所述从所述音频数据中提取一段或多段语音数据的步骤包括：

对所述语音数据进行尾点检测，识别出一段或多段非静音区；

提取所述一段或多段非静音区，作为一段或多段语音数据。

3.如权利要求2所述的方法，其特征在于，所述对所述语音数据进行尾点检测，识别出一段或多段非静音区的步骤包括：

计算每一帧音频数据属于语音数据的概率；

当所述概率高于预设的概率阈值时，确定所述音频数据属于语音帧；

当连续的语音帧超过预设的数量阈值时，确定所述连续的语音帧为一段非静音区。

4.如权利要求1所述的方法，其特征在于，所述将所述一段或多段语音数据与基于唤醒词训练的语音模型进行匹配的步骤包括：

提取每一段语音数据的滤波器组特征；

将所述滤波器组特征输入所述深度神经网络模型，以确定所述语音数据表征唤醒词或填充词；

判断表征所述唤醒词的语音数据是否与所述唤醒词排序一致；若是，则确定所述一段或多段语音数据与基于唤醒词训练的语音模型匹配。

5.如权利要求4所述的方法，其特征在于，所述将所述滤波器组特征输入所述深度神经网络模型，以确定所述语音数据表征唤醒词或填充词的步骤包括：

计算所述滤波器组特征属于所述语音数据表征唤醒词或填充词的后验概率；

采用所述后验概率计算置信度；

当所述置信度高于预设的置信度阈值时，确定所述语音数据表征唤醒词或填充词。

6.如权利要求5所述的方法，其特征在于，所述将所述滤波器组特征输入所述深度神经网络模型，以确定所述语音数据表征唤醒词或填充词的步骤还包括：

结合位于当前语音数据之前的语音数据的后验概率及位于当前语音数据之后的语音数据的后验概率，当前语音数据的后验概率进行平滑处理。

7.一种智能硬件的语音唤醒装置，包括：

语音数据提取模块，适于在智能硬件中检测到音频数据时，从所述音频数据中提取一段或多段语音数据；

语音数据匹配模块，适于将所述一段或多段语音数据与基于唤醒词训练的语音模型进行匹配；所述语音模型为深度神经网络模型，基于表征唤醒词和填充词的目标语音数据的滤波器组特征训练生成；

智能硬件唤醒模块，适于在匹配成功时，唤醒所述智能硬件。

8.如权利要求7所述的装置，其特征在于，所述语音数据提取模块还适于：

对所述语音数据进行尾点检测，识别出一段或多段非静音区；

提取所述一段或多段非静音区，作为一段或多段语音数据。

9.如权利要求7所述的装置，其特征在于，所述语音数据提取模块还适于：

计算每一帧音频数据属于语音数据的概率；

当所述概率高于预设的概率阈值时，确定所述音频数据属于语音帧；

当连续的语音帧超过预设的数量阈值时，确定所述连续的语音帧为一段非静音区。

10.如权利要求7所述的装置，其特征在于，所述语音数据匹配模块还适于：

提取每一段语音数据的滤波器组特征；

将所述滤波器组特征输入所述深度神经网络模型，以确定所述语音数据表征唤醒词或填充词；

判断表征所述唤醒词的语音数据是否与所述唤醒词排序一致；若是，则确定所述一段或多段语音数据与基于唤醒词训练的语音模型匹配。