[发明专利]语音唤醒方法及装置、语音唤醒模块的训练方法及装置

说明书

本发明提供了一种语音唤醒方法及装置、语音唤醒模块的训练方法及装置。该语音唤醒方法包括：获取待识别语音信号，其中，待识别语音信号包括唤醒词；利用声学模型对待识别语音信号进行唤醒词识别，获得唤醒词识别结果，其中，声学模型包括整词节点，整词节点以唤醒词的词向量为权重；根据唤醒词识别结果进行语音唤醒，能够提高唤醒效果。

技术领域

本发明涉及语音唤醒技术领域，具体涉及一种语音唤醒方法及装置、语音唤醒模块的训练方法及装置。

背景技术

语音唤醒技术是指智能设备在休眠状态下检测到用户的特定语音(通常为设定的唤醒词)时，使设备进入等待状态，进而进入语音智能交互流程语音唤醒技术的应用领域很广，比如机器人、手机、可穿戴设备、智能家居、车载等。

然而，现有语音唤醒模型的建模单元常常为音节或音素，但唤醒词通常是3～6个音节的整词，训练目标和测试目标存在较大的失配，唤醒效果较差。

发明内容

有鉴于此，本发明实施例提供了一种语音唤醒方法及装置、语音唤醒模块的训练方法及装置，能够提高唤醒效果。

根据本发明实施例的方面，提供一种语音唤醒方法，应用于语音唤醒模型，包括：获取待识别语音信号，其中，待识别语音信号包括唤醒词；利用声学模型对待识别语音信号进行唤醒词识别，获得唤醒词识别结果，其中，声学模型包括整词节点，整词节点以唤醒词的词向量为权重；根据唤醒词识别结果进行语音唤醒。

在本发明的一个实施例中，在获取待识别语音信号之前，上述语音唤醒方法还包括：接收用户输入的自定义唤醒词指令，其中，自定义唤醒词指令包括唤醒词；获取唤醒词的词向量；在声学模型中增加整词节点，并将唤醒词的词向量作为整词节点的权重。

在本发明的一个实施例中，语音唤醒模型是由如下训练方法得到的：获取唤醒词的词向量，并将唤醒词的词向量作为声学模型中的整词节点的权重；获取训练样本，其中，训练样本包括语音信号样本和标注数据，语音信号样本包括唤醒词，标注数据包括语音信号样本对应的文本信息；基于训练样本对声学模型进行训练，得到语音唤醒模型。

在本发明的一个实施例中，语音唤醒模型还包括词模型，其中，上述获取唤醒词的词向量，包括：利用词模型获取唤醒词的词向量；其中，上述基于训练样本对声学模型进行训练，得到语音唤醒模型，包括：基于训练样本对词模型和声学模型进行训练，获得语音唤醒模型。

在本发明的一个实施例中，声学模型还包括多个音节节点，其中，上述训练方法还包括：利用词模型获取多个音节的音节向量；将多个音节的音节向量分别作为声学模型中的多个音节节点的权重。

在本发明的一个实施例中，声学模型包括基于神经网络的时序类分类CTC模型。

根据本发明实施例的第二方面，提供一种语音唤醒模型的训练方法，包括：获取唤醒词的词向量，并将唤醒词的词向量作为声学模型中的整词节点的权重；获取训练样本，其中，训练样本包括语音信号样本和标注数据，语音信号样本包括唤醒词，标注数据包括语音信号样本对应的文本信息；基于训练样本对声学模型进行训练，得到语音唤醒模型。

根据本发明实施例的第三方面，提供一种语音唤醒装置，包括：获取模块，用于获取待识别语音信号，其中，待识别语音信号包括唤醒词；识别模块，用于利用声学模型对待识别语音信号进行唤醒词识别，获得唤醒词识别结果，其中，声学模型包括整词节点，整词节点以唤醒词的词向量为权重；唤醒模块，用于根据唤醒词识别结果进行语音唤醒。

根据本发明实施例的第四方面，提供一种语音唤醒模型的训练装置，包括：词向量模块，用于获取唤醒词的词向量，将唤醒词的词向量作为声学模型中的整词节点的权重；获取模块，用于获取训练样本，其中，训练样本包括语音信号样本和标注数据，语音信号样本包括唤醒词；训练模块，用于基于训练样本对声学模型进行训练，得到语音唤醒模型。