[发明专利]语音唤醒方法、系统及智能终端

说明书

本发明公开了一种语音唤醒方法及系统，该方法包括：接收语音数据；获取所述语音数据的第一声学特征；利用所述第一声学特征、第一声学模型及第一解码网络进行唤醒词识别，得到初次唤醒词识别结果；如果所述初次唤醒词识别结果为唤醒词，则判断所述初次唤醒词识别结果是否达到设定目标；如果是，则获取所述语音数据的第二声学特征；利用所述第二声学特征、第二声学模型及第二解码网络进行二次唤醒词识别，得到二次唤醒词识别结果；根据所述二次唤醒词识别结果，确定是否唤醒成功。本发明还提供一种智能终端。利用本发明，可以有效降低语音唤醒系统功耗。

技术领域

本发明涉及语音处理领域，具体涉及一种语音唤醒方法、系统及智能终端。

背景技术

语音唤醒通过理解用户语音数据的语义信息，达到唤醒智能终端的目的，该过程无需与设备进行物理接触即可实现，从而解放了人类的双手，打开了人类通往人工智能的第一扇大门，广泛应用于各种智能终端上，如智能穿戴设备、手机、平板电脑、智能家电等。现有方法在进行语音唤醒时，接收到语音数据后，提取语音数据的声学特征，利用提取的声学特征及预先构建的声学模型进行唤醒词识别。

现有的语音唤醒方法存在以下缺点：

(1)由于无法预知用户何时进行人机交互操作，因此需要持续不断地监听，一旦接收到语音数据，立即进行唤醒词识别，这个过程会消耗智能终端大量资源，功耗较大。

(2)为了提高唤醒成功率，现有方法一般使用较大的声学模型及解码网络进行唤醒词识别，进一步增加了语音唤醒功耗，这对于内存较小的智能终端是无法接受的，当功耗过大时，常会出现死机或无应答的情况，大大降低了用户体验度。

发明内容

本发明提供一种语音唤醒方法、系统及智能终端，在保证唤醒成功率的同时，有效降低系统功耗。

为此，本发明提供如下技术方案：

一种语音唤醒方法，包括：

接收语音数据；

获取所述语音数据的第一声学特征；

利用所述第一声学特征、第一声学模型及第一解码网络进行唤醒词识别，得到初次唤醒词识别结果；

如果所述初次唤醒词识别结果为唤醒词，则判断所述初次唤醒词识别结果是否达到设定目标；

如果是，则获取所述语音数据的第二声学特征；

利用所述第二声学特征、第二声学模型及第二解码网络进行二次唤醒词识别，得到二次唤醒词识别结果；所述第二声学模型大于所述第一声学模型，和/或所述第二解码网络大于所述第一解码网络；

根据所述二次唤醒词识别结果，确定是否唤醒成功。

可选地，所述第二声学特征与第一声学特征相同或不同。

可选地，所述第一声学特征为以下任意一种特征：MFCC特征、Bottleneck特征、Filterbank特征。

优选地，所述第一声学模型包括唤醒词声学模型和吸收模型，其中的唤醒词声学模型和吸收模型分别训练，唤醒词声学模型使用基于第一声学特征的GMM-HMM表征，吸收模型采用GMM-HMM来表征；

所述第二声学模型包括唤醒词声学模型和吸收模型，其中的唤醒词声学模型和吸收模型同时训练，二者均使用基于第二声学特征的神经网络模型来表征。

优选地，所述判断所述初次唤醒词识别结果是否达到设定目标包括：

确定当前环境状态；

根据所述环境状态判断所述初次唤醒词识别结果是否达到设定目标。

优选地，所述确定当前环境状态包括：