[发明专利]关键词检测方法及装置

说明书

提供一种关键词检测方法及装置。所述方法包括：接收用户输入的语音信号；提取所述语音信号的语音特征；将所述语音特征和预设关键词的抽象表征序列输入到端到端的关键词检测模型，并得到所述关键词检测模型输出的所述语音信号中是否存在所述预设关键词的结果，其中，所述关键词检测模型通过下述方式来预测所述语音信号中是否存在所述预设关键词：基于所述语音特征和所述预设关键词的抽象表征序列，获取所述语音信号的抽象表征序列；基于所述语音信号的抽象表征序列，预测所述语音信号中所述预设关键词的位置信息；基于所述语音信号的抽象表征序列和所述位置信息，预测所述语音信号中是否存在所述预设关键词。

技术领域

本公开涉及语音识别技术领域，更具体地讲，涉及一种关键词检测方法及装置。

背景技术

虚拟语音助理广泛应用于各种需要人机交互的设备中，例如车载导航、智能家居、智能手机、智能音箱等，其中一项重要的功能是语音唤醒功能，该功能可在设备处于休眠状态时，通过识别用户发出的特定的唤醒词唤醒设备，使设备从休眠状态切换到工作状态，开始为用户进行服务。此外，也有许多其他应用场景(例如，语音检索)，需要识别语音信号中是否包含特定的词语。

发明内容

本公开的示例性实施例在于提供一种关键词检测方法及装置，其能够准确检测语音信号中是否包含预设关键词。

根据本公开的示例性实施例，提供一种关键词检测方法，其中，所述方法包括：接收用户输入的语音信号；提取所述语音信号的语音特征；将所述语音特征和预设关键词的抽象表征序列输入到端到端的关键词检测模型，并得到所述关键词检测模型输出的所述语音信号中是否存在所述预设关键词的结果，其中，所述关键词检测模型通过下述方式来预测所述语音信号中是否存在所述预设关键词：基于所述语音特征和所述预设关键词的抽象表征序列，获取所述语音信号的抽象表征序列；基于所述语音信号的抽象表征序列，预测所述语音信号中所述预设关键词的位置信息；基于所述语音信号的抽象表征序列和所述位置信息，预测所述语音信号中是否存在所述预设关键词。基于语音信号中预设关键词的位置信息来预测语音信号中是否存在预设关键词，提高了预测准确度。

可选地，所述预设关键词包括用户自定义的关键词。即，本公开支持对用户自定义的关键词的检测。

可选地，基于所述语音特征和所述预设关键词的抽象表征序列，获取所述语音信号的抽象表征序列的步骤包括：通过注意力机制将所述语音特征和所述预设关键词的抽象表征序列进行结合，来获取所述语音信号的抽象表征序列。通过在从语音到文本的识别过程中使用了注意力机制，便于后续基于语音信号的抽象表征序列确定预设关键词的位置信息。

可选地，基于所述语音信号的抽象表征序列和所述位置信息，预测所述语音信号中是否存在所述预设关键词的步骤包括：基于所述语音信号的抽象表征序列和所述位置信息，确定所述语音信号之中所述预设关键词所在部分的抽象表征序列；通过注意力机制将所述语音信号之中所述预设关键词所在部分的抽象表征序列和所述预设关键词的抽象表征序列进行结合，来预测所述语音信号中是否存在所述预设关键词。从而能够提高预设关键词的检测准确度。

可选地，所述关键词检测模型包括：语音编码器，所述语音编码器用于预测语音信号的抽象表征序列，其中，所述语音编码器包括多个串联的子模块，每个子模块通过注意力机制将所述预设关键词的抽象表征序列注入所述语音信号的隐层抽象表征序列。通过在各个阶段强化隐层抽象表征对所述预设关键词的偏好，便于后续基于语音信号的抽象表征序列确定预设关键词的位置信息。

可选地，所述预设关键词的抽象表征序列是通过预先训练好的关键词编码器基于所述预设关键词的音素序列生成的。

可选地，所述关键词检测模型是通过多目标联合训练得到的。从而保证了端到端的关键词检测模型的全局优化，通过训练可实现全局最优，以提高检测的精度，避免了分阶段学习带来的中间特征质量差的风险和仅局部优化的问题。