[发明专利]语音唤醒方法、装置、存储介质及电子设备

说明书

本公开涉及一种语音唤醒方法、装置、存储介质及电子设备，以提升语音唤醒效果。所述方法包括：确定待处理音频中目标音频帧的目标声音特征；根据所述目标声音特征，确定所述目标音频帧对应于目标音素的目标后验概率，其中，目标音素为对应于目标唤醒词的目标音素序列内的音素之一，若所述目标音素为非常用音素、且所述目标音频帧对应于所述目标音素的初始概率小于预设概率值，则所述目标后验概率大于所述目标音频帧对应于所述目标音素的初始概率；根据所述目标后验概率，确定所述目标音频帧对所述目标音素的激活结果，所述激活结果用于指示目标音素是否被激活；根据所述目标音频帧对所述目标音素的激活结果，确定目标唤醒词是否被唤醒。

技术领域

本公开涉及语音处理领域，具体地，涉及一种语音唤醒方法、装置、存储介质及电子设备。

背景技术

在语音唤醒场景下，通常设置有唤醒词，对任意唤醒词，都可以基于一定数量的音素进行表示(例如，任何一个中文词可以通过102个中文音素进行表示)，表示唤醒词的音素的有序排列可以构成该唤醒词对应的音素序列。在实际应用场景中，基于与唤醒词对应的音素序列判断检测到的音频是否能够实现对唤醒词的唤醒。实现语音唤醒的场景一般需要确定音频是否能够依次激活唤醒词对应的音素序列中的音素，若唤醒词对应的音素序列的所有音素都依次完成激活，该唤醒词就能被成功唤醒，并可进行唤醒后的相应后续动作。

现有技术中，若需确定音频能否激活某一音素，一般通过预训练的声学模型确定出音频对应于该音素的概率，若该概率可以达到该音素的激活阈值，就可以确定该音素被激活。但是，在训练上述声学模型时，由于存在常用音素(可获得的训练数据多，例如，可达到679MB)与非常用音素(可获得的训练数据少，例如，仅能得到1.2KB)，所能获得的训练数据不平均，导致声学模型输出的概率不够准确，例如，声学模型针对非常用音素输出的概率普遍较低，间接导致非常用音素相比于常用音素更不易被激活，激活识别效果不佳。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种语音唤醒方法，所述方法包括：

确定待处理音频中目标音频帧的目标声音特征；

根据所述目标声音特征，确定所述目标音频帧对应于目标音素的目标后验概率，其中，目标音素为对应于目标唤醒词的目标音素序列内的音素之一，以及，若所述目标音素为非常用音素、且所述目标音频帧对应于所述目标音素的初始概率小于预设概率值，则所述目标后验概率大于所述目标音频帧对应于所述目标音素的初始概率；

根据所述目标后验概率，确定所述目标音频帧对所述目标音素的激活结果，所述激活结果用于指示所述目标音素是否被激活；

根据所述目标音频帧对所述目标音素的激活结果，确定所述目标唤醒词是否被唤醒。

第二方面，本公开提供一种语音唤醒装置，所述装置包括：

第一确定模块，用于确定待处理音频中目标音频帧的目标声音特征；

第二确定模块，用于根据所述目标声音特征，确定所述目标音频帧对应于目标音素的目标后验概率，其中，目标音素为对应于目标唤醒词的目标音素序列内的音素之一，以及，若所述目标音素为非常用音素、且所述目标音频帧对应于所述目标音素的初始概率小于预设概率值，则所述目标后验概率大于所述目标音频帧对应于所述目标音素的初始概率；

第三确定模块，用于根据所述目标后验概率，确定所述目标音频帧对所述目标音素的激活结果，所述激活结果用于指示所述目标音素是否被激活；

第四确定模块，用于根据所述目标音频帧对所述目标音素的激活结果，确定所述目标唤醒词是否被唤醒。