[发明专利]一种用于迎宾讲解机器人的语音命令识别方法、设备及介质

权利要求书

1.一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，所述方法包括：

采集语音数据，并基于语音数据对预设模型进行训练，得到语音命令识别模型；

将所述语音命令识别模型部署到迎宾讲解机器人上；

对输入所述迎宾讲解机器人的音频数据进行VAD检测，得到语音命令；

将所述语音命令输入至所述语音命令识别模型中，得到所述音频数据对应的识别结果。

2.根据权利要求1所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，在基于语音数据对预设模型进行训练之前，所述方法还包括：

提取DistilBert模型前3层中的Transfomer层，构建Transfomer模型；

通过Hubert模型对所述Transfomer模型进行模型蒸馏训练；

训练完成后，保存所述Transfomer模型。

3.根据权利要求1所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，基于语音数据对预设模型进行训练，具体包括：

对所述语音数据进行预处理，得到预设采样率的单通道小端音频数据；

对所述小端音频数据进行VAD检测，得到以句为单位的训练数据；

将所述训练数据输入至所述预设模型中进行训练；

训练完成后，得到所述语音命令识别模型。

4.根据权利要求3所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，对所述语音数据进行预处理，具体包括：

对所述语音数据进行降噪处理与回声消除处理。

5.根据权利要求3所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，将所述训练数据输入至所述预设模型中进行训练，具体包括：

通过FBank算法对所述训练数据进行特征提取，得到所述训练数据对应的特征向量；其中，所述特征向量的为512帧，39维；

将所述特征向量输入至预先保存的Transfomer模型中进行处理；

通过5个不同维度的Conv1d卷积层对所述Transfomer模型输出的特征进行特征提取，得到全局特征；

对所述全局特征进行max-pooling操作，得到5维特征图；

将所述5维特征图依次输入至64维的FC层、64维的Dropout层以及10分类的Softmax层中，完成所述预设模型的训练。

6.根据权利要求5所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，在完成所述预设模型的训练之后，所述方法还包括：

将训练好的所述预设模型转化为ONNX模型；

使用ONNXruntime对所述ONNX模型进行量化处理，得到所述语音命令识别模型。

7.根据权利要求1所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，所述语音命令至少包括以下任一项或者多项：上一个、下一个、升高音量、降低音量、别说话了、全局讲解、暂停讲解、开始讲解、继续讲解以及体温检测。

8.根据权利要求1所述的一种用于迎宾讲解机器人的语音命令识别方法，其特征在于，所述采集语音数据，具体包括：

通过唤醒六麦对预设年龄段的人分别进行语音采集。

9.一种用于迎宾讲解机器人的语音命令识别设备，其特征在于，所述设备包括：

处理器；

以及，存储器，其上存储有可执行指令，当所述可执行指令被执行时，使得所述处理器执行如权利要求1-8任一项所述的一种用于迎宾讲解机器人的语音命令识别方法。

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为执行如权利要求1-8任一项所述的一种用于迎宾讲解机器人的语音命令识别方法。