[发明专利]用于医疗场景的语音唤醒方法及系统

说明书

本发明实施例提供一种用于医疗场景的语音唤醒方法。该方法包括：将在医疗场景采集的音频分别输入至语音识别引擎和语音唤醒引擎进行多线程处理；利用语音唤醒引擎确定的唤醒引擎状态，对语音识别引擎确定语音识别结果进行标记，用于识别音频中同声母和/或同韵母连读发音不清晰的唤醒词；若检测到语音识别结果包含唤醒词且唤醒引擎状态为唤醒时，对音频进行唤醒反馈。本发明实施例还提供一种用于医疗场景的语音唤醒系统。本发明实施例针对唤醒准确率有较高要求的医疗场景，确保了识别的速度，具有高可靠、高可用的优点，更适合应用于医疗场景。

技术领域

本发明涉及智能领域，尤其涉及一种用于医疗场景的语音唤醒方法及系统。

背景技术

为了达到良好的语音唤醒准确率，会采用大规模词表连续语音识别策略,实现语音唤醒功能分为两步，一是用常规连续语音识别方法识别出文本，二是从文本中检测关键词，若找到该关键词，则认为被唤醒，反之则不唤醒。

也可以使用基于深度学习的唤醒方法，例如，基于HMM(Hidden Markov Model，隐马尔科夫模型)的KWS(keyword spotting，关键词识别)声学模型建模从高斯混合模型(Gaussian Mixed Model，GMM)转为神经网络模型；第二类是在第一类的基础上融入神经网络的模板匹配，采用神经网络作为特征提取器；第三类是采用端到端的方法，首先输入语音，建立声学模型，然后进行特征提取，计算出各关键词与非关键词的后验概率，最后以特定的窗长进行后验概率平滑，若平滑后的后验概率超过一定的阈值则认为被唤醒，反之没有唤醒。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

随着AI技术的普及，医疗AI逐渐受到各大医院的重视，但各医院的条件通常不同，少有医院能够有足够大的面积为医疗AI机器搭设完善的配套，例如相对安静的区域环境、通畅的网络等。然而现实中，各大医院难以达到这种理想场景，通常都是布设一定量的医疗AI机器分散在医院中。若突发疫情临时的医疗环境会相对更差一些。在这种场景下，难以保证为医疗AI机器配设通畅的网络。这种场景下，就需要医疗AI机器人能够离线识别。然而，考虑到普及化医疗AI机器的配置也不会很高，无法使用上述深度模型进行精准的唤醒，如果单纯使用唤醒词判断，医院场景中用户很可能是病人，身体不舒服，说话连音会使发音不清晰，进一步提升了医疗场景下语音唤醒的难度。

发明内容

为了至少解决现有技术中医疗场景下受制于环境的语音唤醒受限的问题。第一方面，本发明实施例提供一种用于医疗场景的语音唤醒方法，包括：

将在所述医疗场景采集的音频分别输入至语音识别引擎和语音唤醒引擎进行多线程处理；

利用所述语音唤醒引擎确定的唤醒引擎状态，对所述语音识别引擎确定语音识别结果进行标记，用于识别所述音频中同声母和/或同韵母连读发音不清晰的唤醒词；

若检测到所述语音识别结果包含唤醒词且所述唤醒引擎状态为唤醒时，对所述音频进行唤醒反馈。

第二方面，本发明实施例提供一种用于医疗场景的语音唤醒系统，包括：

音频采集程序模块，用于将在所述医疗场景采集的音频分别输入至语音识别引擎和语音唤醒引擎进行多线程处理；

引擎管理程序模块，用于利用所述语音唤醒引擎确定的唤醒引擎状态，对所述语音识别引擎确定语音识别结果进行标记，用于识别所述音频中同声母和/或同韵母连读发音不清晰的唤醒词；

唤醒程序模块，用于若检测到所述语音识别结果包含唤醒词且所述唤醒引擎状态为唤醒时，对所述音频进行唤醒反馈。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的用于医疗场景的语音唤醒方法的步骤。