[发明专利]唤醒模型的优化方法、装置、设备及存储介质

说明书

本发明实施例提供一种唤醒模型的优化方法、装置、设备及存储介质，通过获取训练集和验证集；根据所述训练集和所述验证集对唤醒模型进行迭代训练；在迭代训练过程中，周期性的根据所述唤醒模型和预设语料库更新所述训练集和所述验证集，并根据更新后的训练集和验证集继续对所述唤醒模型进行迭代训练；当达到预设中止条件时，输出所述唤醒模型。本发明实施例通过在迭代过程中周期性的根据唤醒模型和预设语料库更新训练集和验证集，可提高对唤醒模型的优化效率和效果，能够提高唤醒模型的稳定性和适应性，避免过拟合。

技术领域

本发明涉及通信技术领域，尤其涉及一种唤醒模型的优化方法、装置、设备及存储介质。

背景技术

随着移动智能设备的快速普及，语音这种对于人类来说自然便捷的方式在人机交互中变得日益火热。当下像手机语音助手、智能音箱、语音对话机器人、支持语音控制的电视等具有语音交互功能的智能设备层出不穷各大互联网公司和创新型公司纷纷涌入此火热战场。而根据用户反馈和用户调研，语音交互确实对于用户提升了很大的便利性。

唤醒词检测(Hotword Detection)技术作为语音相关技术的重要组成部分，在整个语音交互中处于第一个环节，对整体交互满意度来说起到举足轻重的作用。唤醒系统有两个关键指标：唤醒率与误唤醒，唤醒率要尽可能高，同时误唤醒要尽可能低。但对一个唤醒系统来说，这两个指标是一个跷跷板—追求高的唤醒率很容易触发更多的误唤醒，比如市场上一些智能后视镜在车内用户聊天时经常触发误唤醒，既影响了车内其他用户还分散了驾驶员的注意力，用户体验大打折扣。如何在保障高唤醒率的同时，大幅度降低误唤醒是提升用户体验的重要一环。

现有技术中，唤醒词检测技术已从原始的基于模板匹配的检测技术发展到现在的基于神经网络进行声学模型建模的方案，唤醒词检测技术逐渐成熟，同时对唤醒性能的要求也越来越高。其中，基于神经网络进行唤醒词建模的方案大致如下：获取训练集和验证集，根据训练集和验证集进行多轮迭代训练，得到唤醒模型，然后再进行模型优化，通过预先收集的调优集对唤醒词模型进行优化。而由于调优集中的误唤醒数据数量有限，使得整体优化阶段收效慢；而且随着唤醒模型得到优化，预先收集的调优集带来的收益极速下降，导致对唤醒模型的优化效率和效果较差，影响模型的稳定性。

发明内容

本发明实施例提供一种唤醒模型的优化方法、装置、设备及存储介质，以提高对唤醒模型的优化效率和效果，能够提高唤醒模型的稳定性和适应性，避免过拟合。

本发明实施例的第一方面是提供一种唤醒模型的优化方法，包括：

获取训练集和验证集；

根据所述训练集和所述验证集对唤醒模型进行迭代训练；

在迭代训练过程中，周期性的根据所述唤醒模型和预设语料库更新所述训练集和所述验证集，并根据更新后的训练集和验证集继续对所述唤醒模型进行迭代训练；

当达到预设中止条件时，输出所述唤醒模型。

本发明实施例的第二方面是提供一种唤醒模型的优化装置，包括：

获取模块，用于获取训练集和验证集；

训练模块，用于根据所述训练集和所述验证集对唤醒模型进行迭代训练；

调优模块，用于在迭代训练过程中，周期性的根据所述唤醒模型和预设语料库更新所述训练集和所述验证集；

所述训练模块还用于，根据更新后的训练集和验证集继续对所述唤醒模型进行迭代训练；

输出模块，用于当达到预设中止条件时，输出所述唤醒模型。

本发明实施例的第三方面是提供一种唤醒模型的优化设备，包括：

存储器；

处理器；以及

计算机程序；