CN107886944A - 一种语音识别方法、装置、设备及存储介质 - Google Patents

一种语音识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN107886944A
CN107886944A CN201711140241.6A CN201711140241A CN107886944A CN 107886944 A CN107886944 A CN 107886944A CN 201711140241 A CN201711140241 A CN 201711140241A CN 107886944 A CN107886944 A CN 107886944A
Authority
CN
China
Prior art keywords
voice signal
speech recognition
continuously inputted
word
voice
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711140241.6A
Other languages
English (en)
Other versions
CN107886944B (zh
Inventor
付聪
雷欣
胡亚光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volkswagen China Investment Co Ltd
Mobvoi Innovation Technology Co Ltd
Original Assignee
Chumen Wenwen Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chumen Wenwen Information Technology Co Ltd filed Critical Chumen Wenwen Information Technology Co Ltd
Priority to CN201711140241.6A priority Critical patent/CN107886944B/zh
Publication of CN107886944A publication Critical patent/CN107886944A/zh
Application granted granted Critical
Publication of CN107886944B publication Critical patent/CN107886944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction

Abstract

本发明实施例公开了一种语音识别方法、装置、设备及存储介质。该方法包括：如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号；如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别，通过本发明的技术方案，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。

Description

一种语音识别方法、装置、设备及存储介质
技术领域
本发明实施例涉及一种智能终端技术，尤其涉及一种语音识别方法、装置、设备及存储介质。
背景技术
现有技术实现方案中，每次在和对话系统的交互时分为两步：第一步是用固定唤醒词唤起系统，否则系统不会有任何反应；第二步是进行语音交互，系统会根据用户的语音进行识别，理解或查询。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：用户在使用对话系统之前需要首先唤醒系统，等到系统进入唤醒状态后，才能进行语音交互。这样的交互方式首先不够自然，交互方式比较繁琐；而且消耗时间较长，如果遇到一些需要马上返回结果的应用场景，比如用户要求马上拍摄照片，现有技术无法满足需求。
发明内容
本发明实施例提供一种语音识别方法、装置、设备及存储介质，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。
第一方面，本发明实施例提供了一种语音识别方法，包括：
如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；
如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
进一步的，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号包括：
如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定所述语音信号对应的声纹特征；
判断所述声纹特征是否与预设声纹特征相匹配；
如果所述声纹特征与预设声纹特征相匹配，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
进一步的，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号包括：
如果在语音识别应用的未激活状态下检测到语音信号，则判断所述语音信号对应的语音类型是否为预设类型；
如果所述语音信号对应的语音类型为预设类型，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
进一步的，判断所述语音信号对应的语音类型是否为预设类型包括：
根据所述语音信号对应的语音的特征信息判断所述语音信号对应的语音类型是否为指令语音类型。
第二方面，本发明实施例还提供了一种语音识别装置，该装置包括：
录制模块，用于如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；
识别模块，用于如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
进一步的，所述录制模块具体用于：
如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定所述语音信号对应的声纹特征；
判断所述声纹特征是否与预设声纹特征相匹配；
如果所述声纹特征与预设声纹特征相匹配，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
进一步的，所述录制模块包括：
判断单元，用于如果在语音识别应用的未激活状态下检测到语音信号，则判断所述语音信号对应的语音类型是否为预设类型；
录制单元，用于如果所述语音信号对应的语音类型为预设类型，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
进一步的，所述判断单元具体用于：
根据所述语音信号对应的语音的特征信息判断所述语音信号对应的语音类型是否为指令语音类型。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的语音识别方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的语音识别方法。
本发明实施例通过如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号；如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。
附图说明
图1是本发明实施例一中的一种语音识别方法的流程图；
图2是本发明实施例二中的一种语音识别方法的流程图；
图3是本发明实施例三中的一种语音识别方法的流程图；
图4是本发明实施例四中的一种语音识别装置的结构示意图；
图5是本发明实施例五中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一中的一种语音识别方法的流程图，本实施例可适用于语音识别的情况，该方法可以由本发明实施例中的语音识别装置来执行，该装置可采用软件和/或硬件的方式实现。如图1所示，该方法具体包括如下步骤：
S110，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号。
其中，所述语音识别应用处于未激活状态时，语音识别应用能够录音并且可以判断输入的语音信号中是否存在唤醒词，但是不能对输入的语音信号进行语音识别。
其中，所述唤醒词为用户预先设定或者为系统设定的一个单词或多个单词，例如可以是：你好，问问。具体的，所述唤醒词是不可拆分的，是连续的。例如，若用户输入的语音为：你好，小明同学，问问，则用户输入的语音中并不存在唤醒词。
其中，持续在连续输入的语音信号中识别唤醒词的方式可以为一边输入语音信号一边检测输入的语音信号中是否存在唤醒词对应的语音信号，还可以为在获取到用户输入的语音信号后，以一定的周期持续检测语音信号中是否存在唤醒词对应的语音信号。
其中，持续录制连续输入的语音信号为以开始检测到语音信号的时间点为起点以没有检测到用户输入的语音信号为结束点，并确定用户结束说话后停止录音。
具体的，在设备上电后就立即开启检测是用户是否正在说话，检测到用户开始说话则开始录音，并实时对用户输入的语音进行识别，判断用户输入的语音中是否存在唤醒词，持续录制用户输入的语音，直至用户结束说话，确定用户结束说话的方式可以为若经过预设时间没有获取到用户输入的语音信号。
S120，如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别。
其中，激活语音识别应用则语音识别应用能够对用户输入的语音信号进行语音识别。
其中，语音识别应用对已录制的连续输入的语音信号进行语音识别为语音识别应用对以开始检测到所述语音信号的时间点为起点，用户结束说话为终点录制的连续输入的语音信号进行语音识别。
具体的，在设备上电后就立即开启检测是用户是否正在说话，检测到用户开始说话则开始录音，并实时对用户输入的语音进行识别，判断用户输入的语音中是否存在唤醒词，持续录制用户输入的语音，用户结束说话则停止录音，如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别。
在一个具体的例子中，首先将录制的语音信号送给唤醒词模块，唤醒词模块判断输入的语音信号是否包含唤醒词，一旦发现输入的语音信号包含唤醒词，不需要停止录音，直接开启语音识别模块进行语音识别。需要保证语音唤醒模块、静音模块和语音识别模块使用持续的录音通道，中间不停止录音。在静音检测模块中，可以根据传入录音数据判断三个时刻：用户开始说话，用户一直没有说话，用户话已说完。然后根据这些信息来决定下一步的动作：当检测到用户开始说话时，开启语音识别模块；当检测到用户一直没有说话时，播放提示音提示用户说话(此时需要利用AEC进行回声消除，或者对录音数据进行丢弃以防止静音检测模块误判)；当检测到用户已经说完话时，停掉语音识别模块，并等待交互结果返回。
本实施例的技术方案，通过如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号；如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。
实施例二
图2为本发明实施例二中的一种语音识别方法的流程图，本实施例以上述实施例为基础进行优化，在本实施例中，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号包括：如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定所述语音信号对应的声纹特征；判断所述声纹特征是否与预设声纹特征相匹配；如果所述声纹特征与预设声纹特征相匹配，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
如图2所示，本实施例的方法具体包括如下步骤：
S210，判断在语音识别应用的未激活状态下是否能够检测到语音信号，若是，则执行步骤S220。
S220，根据检测到的语音信号确定语音信号对应的声纹特征。
其中，确定语音信号对应的声纹特征的方式可以为对检测到的语音信号进行处理，进而提取检测到的语音信号对应的声纹特征。
具体的，如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定测到的语音信号对应的声纹特征。
S230，判断声纹特征是否与预设声纹特征相匹配，若是，则执行S240。
其中，所述预设声纹特征为预先设定的使用设备的用户的声纹特征。所述声纹特征的获取方式可以为用户直接设定，也可以为根据用户输入的语音信号进行分析，进而获取用户的声纹特征。
具体的，将检测到的语音信号对应的声纹特征与预设声纹特征相匹配。
S240，以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中判断是否存在识别唤醒词，并持续录制连续输入的语音信号，若是，则执行S250。
具体的，若检测到的语音信号对应的声纹特征与预设声纹特征相匹配，则说明检测到的语音信号为使用设备的用户输入的语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号。
S250，激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别。
本实施例的技术方案，通过如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号；如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。
实施例三
图3为本发明实施例三中的一种语音识别方法的流程图，本实施例以上述实施例为基础进行优化，在本实施例中，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号包括：如果在语音识别应用的未激活状态下检测到语音信号，则判断所述语音信号对应的语音类型是否为预设类型；如果所述语音信号对应的语音类型为预设类型，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
如图3所示，本实施例的方法具体包括如下步骤：
S310，如果在语音识别应用的未激活状态下检测到语音信号，则判断语音信号对应的语音类型是否为预设类型。
其中，所述预设类型为用户输入的语音信号。所述预设类型不包括音乐，例如可以是若检测到的语音信号为音乐对应的语音信号，则语音信号对应的语音类型并不是预设类型。
其中，判断语音信号对应的语音类型是否为预设类型可以为根据语音活动性检测进行判断。
语音活动性检测又称端点检测，在语音信号数字处理当中具有十分重要的作用。传统的语音活动性检测方法主要采用语音信号的基本短时参数：短时能量、过零率等。具体的，如果在语音识别应用的未激活状态下检测到语音信号，则判断检测到的语音信号是否为用户输入的语音信号。
S320，如果语音信号对应的语音类型为预设类型，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号。
具体的，若检测到的语音为用户输入的语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号。
S330，如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别。
可选的，判断所述语音信号对应的语音类型是否为预设类型包括：
根据所述语音信号对应的语音的特征信息判断所述语音信号对应的语音类型是否为指令语音类型。
本实施例的技术方案，通过如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号；如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。
实施例四
图4为本发明实施例四提供的一种语音识别装置的结构示意图。本实施例可适用于语音识别的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供语音识别功能的设备中，如图4所示，所述语音识别装置具体包括：录制模块410和识别模块420。
其中，录制模块410，用于如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；
识别模块420，用于如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
可选的，所述录制模块410具体用于：
如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定所述语音信号对应的声纹特征；
判断所述声纹特征是否与预设声纹特征相匹配；
如果所述声纹特征与预设声纹特征相匹配，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
可选的，所述录制模块410包括：
判断单元，用于如果在语音识别应用的未激活状态下检测到语音信号，则判断所述语音信号对应的语音类型是否为预设类型；
录制单元，用于如果所述语音信号对应的语音类型为预设类型，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
可选的，所述判断单元具体用于：
根据所述语音信号对应的语音的特征信息判断所述语音信号对应的语音类型是否为指令语音类型。
本实施例的技术方案，通过如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制连续输入的语音信号；如果确定在连续输入的语音信号中识别出唤醒词，则激活语音识别应用，并触发语音识别应用对已录制的连续输入的语音信号进行语音识别，能够减少交互步骤，使整个流程更简洁和自然，并可以满足用户一些紧急查询或指令的需求。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的语音识别方法：如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
实施例六
本发明实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的语音识别方法：如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种语音识别方法，其特征在于，包括：
如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；
如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
2.根据权利要求1所述的方法，其特征在于，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号包括：
如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定所述语音信号对应的声纹特征；
判断所述声纹特征是否与预设声纹特征相匹配；
如果所述声纹特征与预设声纹特征相匹配，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
3.根据权利要求1所述的方法，其特征在于，如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号包括：
如果在语音识别应用的未激活状态下检测到语音信号，则判断所述语音信号对应的语音类型是否为预设类型；
如果所述语音信号对应的语音类型为预设类型，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
4.根据权利要求3所述的方法，其特征在于，判断所述语音信号对应的语音类型是否为预设类型包括：
根据所述语音信号对应的语音的特征信息判断所述语音信号对应的语音类型是否为指令语音类型。
5.一种语音识别装置，其特征在于，包括：
录制模块，用于如果在语音识别应用的未激活状态下检测到语音信号，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号；
识别模块，用于如果确定在所述连续输入的语音信号中识别出所述唤醒词，则激活所述语音识别应用，并触发所述语音识别应用对已录制的所述连续输入的语音信号进行语音识别。
6.根据权利要求5所述的装置，其特征在于，所述录制模块具体用于：
如果在语音识别应用的未激活状态下检测到语音信号，则根据检测到的语音信号确定所述语音信号对应的声纹特征；
判断所述声纹特征是否与预设声纹特征相匹配；
如果所述声纹特征与预设声纹特征相匹配，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
7.根据权利要求5所述的装置，其特征在于，所述录制模块包括：
判断单元，用于如果在语音识别应用的未激活状态下检测到语音信号，则判断所述语音信号对应的语音类型是否为预设类型；
录制单元，用于如果所述语音信号对应的语音类型为预设类型，则以开始检测到所述语音信号的时间点为起点，持续在连续输入的语音信号中识别唤醒词，并持续录制所述连续输入的语音信号。
8.根据权利要求7所述的装置，其特征在于，所述判断单元具体用于：
根据所述语音信号对应的语音的特征信息判断所述语音信号对应的语音类型是否为指令语音类型。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201711140241.6A 2017-11-16 2017-11-16 一种语音识别方法、装置、设备及存储介质 Active CN107886944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711140241.6A CN107886944B (zh) 2017-11-16 2017-11-16 一种语音识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711140241.6A CN107886944B (zh) 2017-11-16 2017-11-16 一种语音识别方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN107886944A true CN107886944A (zh) 2018-04-06
CN107886944B CN107886944B (zh) 2021-12-31

Family

ID=61777582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711140241.6A Active CN107886944B (zh) 2017-11-16 2017-11-16 一种语音识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN107886944B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108735210A (zh) * 2018-05-08 2018-11-02 宇龙计算机通信科技(深圳)有限公司 一种语音控制方法及终端
CN108899028A (zh) * 2018-06-08 2018-11-27 广州视源电子科技股份有限公司 语音唤醒方法、搜索方法、装置和终端
CN109686368A (zh) * 2018-12-10 2019-04-26 北京梧桐车联科技有限责任公司 语音唤醒应答处理方法及装置、电子设备及存储介质
CN109754788A (zh) * 2019-01-31 2019-05-14 百度在线网络技术（北京）有限公司 一种语音控制方法、装置、设备及存储介质
CN110445931A (zh) * 2019-08-01 2019-11-12 花豹科技有限公司 语音识别开启方法及电子设备
CN110797023A (zh) * 2019-11-05 2020-02-14 出门问问信息科技有限公司 一种语音速记方法及设备
CN111048096A (zh) * 2019-12-24 2020-04-21 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN111354337A (zh) * 2018-12-24 2020-06-30 上海新微技术研发中心有限公司 语音识别方法以及用户终端
CN111510662A (zh) * 2020-04-27 2020-08-07 深圳米唐科技有限公司 基于音视频分析的网络通话麦克风状态提示方法及系统
CN112673422A (zh) * 2018-09-11 2021-04-16 日本电信电话株式会社 连续发言估计装置、连续发言估计方法以及程序

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1168302A2 (de) * 2000-06-21 2002-01-02 Volkswagen Aktiengesellschaft Spracherkennungssytem mit einem aktiven Bereitschaftszustand
US20060241948A1 (en) * 2004-09-01 2006-10-26 Victor Abrash Method and apparatus for obtaining complete speech signals for speech recognition applications
CN201622839U (zh) * 2009-12-16 2010-11-03 比亚迪股份有限公司 一种无线语音汽车远程控制系统
CN102316162A (zh) * 2011-09-01 2012-01-11 深圳市子栋科技有限公司 基于语音命令的车辆远程控制方法、装置及系统
CN103943105A (zh) * 2014-04-18 2014-07-23 安徽科大讯飞信息科技股份有限公司 一种语音交互方法及系统
CN104219628A (zh) * 2014-08-29 2014-12-17 南京信息职业技术学院 一种基于增强现实与智能手机的盲人信息服务方法及系统
CN104464723A (zh) * 2014-12-16 2015-03-25 科大讯飞股份有限公司 一种语音交互方法及系统
CN105206271A (zh) * 2015-08-25 2015-12-30 北京宇音天下科技有限公司 智能设备的语音唤醒方法及实现所述方法的系统
CN105681579A (zh) * 2016-03-11 2016-06-15 广东欧珀移动通信有限公司 终端及其处于导航状态时的屏幕控制方法以及装置
US20170162205A1 (en) * 2015-12-07 2017-06-08 Semiconductor Components Industries, Llc Method and apparatus for a low power voice trigger device
CN107146602A (zh) * 2017-04-10 2017-09-08 北京猎户星空科技有限公司 一种语音识别方法、装置及电子设备
CN107256707A (zh) * 2017-05-24 2017-10-17 深圳市冠旭电子股份有限公司 一种语音识别方法、系统及终端设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1168302A2 (de) * 2000-06-21 2002-01-02 Volkswagen Aktiengesellschaft Spracherkennungssytem mit einem aktiven Bereitschaftszustand
US20060241948A1 (en) * 2004-09-01 2006-10-26 Victor Abrash Method and apparatus for obtaining complete speech signals for speech recognition applications
CN201622839U (zh) * 2009-12-16 2010-11-03 比亚迪股份有限公司 一种无线语音汽车远程控制系统
CN102316162A (zh) * 2011-09-01 2012-01-11 深圳市子栋科技有限公司 基于语音命令的车辆远程控制方法、装置及系统
CN103943105A (zh) * 2014-04-18 2014-07-23 安徽科大讯飞信息科技股份有限公司 一种语音交互方法及系统
CN104219628A (zh) * 2014-08-29 2014-12-17 南京信息职业技术学院 一种基于增强现实与智能手机的盲人信息服务方法及系统
CN104464723A (zh) * 2014-12-16 2015-03-25 科大讯飞股份有限公司 一种语音交互方法及系统
CN105206271A (zh) * 2015-08-25 2015-12-30 北京宇音天下科技有限公司 智能设备的语音唤醒方法及实现所述方法的系统
US20170162205A1 (en) * 2015-12-07 2017-06-08 Semiconductor Components Industries, Llc Method and apparatus for a low power voice trigger device
CN105681579A (zh) * 2016-03-11 2016-06-15 广东欧珀移动通信有限公司 终端及其处于导航状态时的屏幕控制方法以及装置
CN107146602A (zh) * 2017-04-10 2017-09-08 北京猎户星空科技有限公司 一种语音识别方法、装置及电子设备
CN107256707A (zh) * 2017-05-24 2017-10-17 深圳市冠旭电子股份有限公司 一种语音识别方法、系统及终端设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NICHOLAS CARLINI，等: "Hidden Voice Commands", 《25TH USENIX SECURITY SYMPOSIUM》 *
兆竞，等: "嵌入式英语命令词语音识别算法研究", 《微计算机信息》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108735210A (zh) * 2018-05-08 2018-11-02 宇龙计算机通信科技(深圳)有限公司 一种语音控制方法及终端
CN108899028A (zh) * 2018-06-08 2018-11-27 广州视源电子科技股份有限公司 语音唤醒方法、搜索方法、装置和终端
US11961517B2 (en) 2018-09-11 2024-04-16 Nippon Telegraph And Telephone Corporation Continuous utterance estimation apparatus, continuous utterance estimation method, and program
CN112673422A (zh) * 2018-09-11 2021-04-16 日本电信电话株式会社 连续发言估计装置、连续发言估计方法以及程序
CN109686368A (zh) * 2018-12-10 2019-04-26 北京梧桐车联科技有限责任公司 语音唤醒应答处理方法及装置、电子设备及存储介质
CN111354337A (zh) * 2018-12-24 2020-06-30 上海新微技术研发中心有限公司 语音识别方法以及用户终端
CN109754788A (zh) * 2019-01-31 2019-05-14 百度在线网络技术（北京）有限公司 一种语音控制方法、装置、设备及存储介质
CN110445931A (zh) * 2019-08-01 2019-11-12 花豹科技有限公司 语音识别开启方法及电子设备
CN110797023A (zh) * 2019-11-05 2020-02-14 出门问问信息科技有限公司 一种语音速记方法及设备
CN111048096A (zh) * 2019-12-24 2020-04-21 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN111048096B (zh) * 2019-12-24 2022-07-26 大众问问(北京)信息科技有限公司 一种语音信号处理方法、装置及终端
CN111510662A (zh) * 2020-04-27 2020-08-07 深圳米唐科技有限公司 基于音视频分析的网络通话麦克风状态提示方法及系统
CN111510662B (zh) * 2020-04-27 2021-06-22 深圳米唐科技有限公司 基于音视频分析的网络通话麦克风状态提示方法及系统

Also Published As

Publication number Publication date
CN107886944B (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
CN107886944A (zh) 一种语音识别方法、装置、设备及存储介质
US10643614B2 (en) Promoting voice actions to hotwords
US10699702B2 (en) System and method for personalization of acoustic models for automatic speech recognition
US10269346B2 (en) Multiple speech locale-specific hotword classifiers for selection of a speech locale
EP3121809B1 (en) Individualized hotword detection models
US11545139B2 (en) System and method for determining the compliance of agent scripts
EP2842125B1 (en) Embedded system for construction of small footprint speech recognition with user-definable constraints
CN107331400A (zh) 一种声纹识别性能提升方法、装置、终端及存储介质
CN108962227A (zh) 语音起点和终点检测方法、装置、计算机设备及存储介质
US20160055847A1 (en) System and method for speech validation
US20190066669A1 (en) Graphical data selection and presentation of digital content
CN107680592A (zh) 一种移动终端语音识别方法、及移动终端及存储介质
JP2020109475A (ja) 音声対話方法、装置、設備、及び記憶媒体
CN112863496B (zh) 一种语音端点检测方法以及装置
US20200321022A1 (en) Method and apparatus for detecting an end of an utterance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20211118

Address after: 210038 8th floor, building D11, Hongfeng science and Technology Park, Nanjing Economic and Technological Development Zone, Jiangsu Province

Applicant after: New Technology Co.,Ltd.

Applicant after: Volkswagen (China) Investment Co., Ltd

Address before: 100080 Suzhou Street, Haidian District, Haidian District, No. 1602, room 16, room 16

Applicant before: MOBVOI INFORMATION TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant