[发明专利]热词识别

说明书

本发明涉及热词识别。方法、系统以及装置，包括编码在计算机存储介质上的计算机程序，用于接收对应于话语的音频数据，确定所述音频数据对应于热词，生成被确定为对应于所述热词的所述音频数据的热词音频指纹，将所述热词音频指纹与先前被确定为对应于所述热词的音频数据的一个或多个所存储的音频指纹相比较，基于所述比较是否指示所述热词音频指纹与先前被确定为对应于所述热词的音频数据的一个或多个所存储的音频指纹中的一个之间的相似度满足预先确定的阈值，检测所述热词音频指纹是否匹配所存储的音频指纹，以及响应于检测到所述热词音频指纹匹配所存储的音频指纹，禁止对向其说出了所述话语的计算设备的访问。

相关申请的交叉引用

本申请要求于2015年10月16日提交的美国临时专利申请号62/242,650的权益，其内容通过引用并入于此。

技术领域

本说明书一般地涉及语音识别。

背景技术

自动语音识别是计算设备中使用的重要技术。电子设备的语音识别服务通常接收包括来自用户的说出词的发音话语，并且将该说出词转录为文本。发音话语可以包括热词，即预先确定的保留词，其使得系统或设备执行对应的动作。

发明内容

本公开的实施方式涉及热词识别，例如使用热词来经由话音解锁或启用对移动设备的访问，并且抑制重放攻击。重放攻击是一种过程，未经授权的用户通过该过程捕捉由设备的所有者或授权的用户说出的热词的音频并且将其重放以便获得对该设备的某种等级的未经授权的访问。根据本公开的实施方式，可以通过验证每个话语的独特性来抑制热词或任何基于语音的重放攻击。特别地，可以记录并存储针对特定设备或者针对特定用户而识别的最近、最后N个或所有热词话语。可以生成音频指纹并且将其针对每个热词话语存储，并且可以在从新的话语生成的音频指纹之间执行与每个先前记录的音频指纹的比较以检查先前是否已经使用指示重放的相同的话语音频。此外，在某些实施方式中，其它信号，例如超声波音频注入和跨话语验证，可被用于进一步限制重放攻击的有效性。

在本说明书中所述的主题的一个创造性方面体现在包括以下动作的方法中：接收对应于话语的音频数据；确定所述音频数据对应于热词；生成被确定为对应于所述热词的所述音频数据的热词音频指纹；确定所述热词音频指纹与先前被确定为对应于所述热词的音频数据的一个或多个所存储的音频指纹之间的相似度；基于所述热词音频指纹与所述一个或多个所存储的音频指纹中的一个之间的所述相似度是否满足预先确定的阈值，检测所述热词音频指纹是否与先前被确定为对应于所述热词的音频数据的所存储的音频指纹相匹配；以及响应于检测到所述热词音频指纹与所存储的音频指纹相匹配，禁止对向其说出了所述话语的计算设备的访问。

通常，在本说明书中所述的主题的另一方面体现在包括以下动作的方法中：接收对应于附加话语的附加音频数据；使用所述附加音频数据辨识说话者辨识d-向量；确定来自所述附加音频数据的所述说话者辨识d-向量与来自对应于所述话语的所述音频数据的热词d-向量之间的相似度；基于来自对应于所述话语的所述音频数据的所述热词d-向量与来自所述附加音频数据的所述说话者辨识d-向量之间的所述相似度是否满足特定阈值，检测对应于所述热词的所述音频数据是否匹配所述附加音频数据；以及响应于检测到对应于所述热词的所述音频数据不匹配所述附加音频数据，禁止对所述计算设备的访问。

根据在本说明书中所述的主题的另一方面，所述热词可以是特定词项，所述特定词项触发对跟在所述特定词项之后的一个或多个词项中的附加词项的语义解释。跟在所述特定词项之后的一个或多个词项中的附加词项可以与查询或命令相关联。

在本说明书中所述的主题的另一方面可以体现在包括以下动作的方法中：接收对应于话音命令或查询的附加音频数据，以及确定所述话音命令或查询的类型。此外，所述预先确定的阈值可以基于所述话音命令或查询的所确定的类型来调整。