CN110277089B - 离线语音识别模型的更新方法、家用电器和服务器 - Google Patents
离线语音识别模型的更新方法、家用电器和服务器 Download PDFInfo
- Publication number
- CN110277089B CN110277089B CN201910615693.8A CN201910615693A CN110277089B CN 110277089 B CN110277089 B CN 110277089B CN 201910615693 A CN201910615693 A CN 201910615693A CN 110277089 B CN110277089 B CN 110277089B
- Authority
- CN
- China
- Prior art keywords
- recognition model
- household appliance
- server
- voice data
- 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.)
- Active
Links
Images
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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/065—Adaptation
- G10L15/07—Adaptation to the speaker
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0635—Training updating or merging of old and new templates; Mean values; Weighting
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0635—Training updating or merging of old and new templates; Mean values; Weighting
- G10L2015/0636—Threshold criteria for the updating
Abstract
本发明公开了一种离线语音识别模型的更新方法、家用电器、服务器及其相关设备。其中,该方法包括:采集家用电器外部环境的语音数据;将采集到的语音数据上传至服务器,其中,语音数据用于指示服务器进行模型训练以得到更新后的语音识别模型;接收服务器发送的更新后的语音识别模型。该方法由服务器收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练以得到更新后的语音识别模型,并发送给家用电器,从而家用电器接收服务器发送的更新后的语音识别模型,可将本地的离线语音识别模型替换成该更新后的语音识别模型,实现了家用电器中离线语音识别模型的在线更新,完成新旧模型替换,减少了家用电器的离线模型训练的工作量。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种离线语音识别模型的更新方法、装置、计算机设备和计算机可读存储介质。
背景技术
随着科技的发展和进步,离线语音识别已广泛应用到了人们的现实生活中,即在没有网络的情况下,识别文字或者语音操作等过程,例如,用户与家用电器进行交互,可通过离线语音识别模型对用户声音进行识别,从而该家用电器根据识别后的语音执行操作。
相关技术中,离线语音识别模型是由大量的训练数据和测试数据形成的。但是,这些用于训练和测试离线语音识别模型的训练数据和测试数据具有固定性,当前期基于训练数据和测试数据对离线语音识别模型进行训练和测试时,所需的训练时间、测试时间较长,且后期维护较困难。另外,当训练数据中如果缺少某一类特定发音人群时,离线语音识别模型发挥不出原本的识别效果,出现这种情况时需要补充大量的这一类的训练数据才能达到较好的识别效果。因此,如何实现家用电器中的离线语音识别模型的更新,已经成为亟待解决的问题。
发明内容
本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种离线语音识别模型的更新方法,该方法可以实现家用电器中的离线语音识别模型的在线更新,完成新旧模型替换,减少了离线模型训练的工作量。
本发明的第二个目的在于提出一种离线语音识别模型的更新方法。
本发明的第三个目的在于提出一种家用电器。
本发明的第四个目的在于提出一种服务器。
本发明的第五个目的在于提出一种家用电器。
本发明的第六个目的在于提出一种服务器。
本发明的第七个目的在于提出一种计算机可读存储介质。
为达到上述目的,本发明第一方面实施例提出的离线语音识别模型的更新方法,所述方法应用于家用电器,所述方法包括:
采集所述家用电器外部环境的语音数据;
将采集到的语音数据上传至服务器,其中,所述语音数据用于指示所述服务器进行模型训练以得到更新后的语音识别模型;
接收所述服务器发送的更新后的语音识别模型。
根据本发明实施例的离线语音识别模型的更新方法,可通过家用电器采集家用电器外部环境的语音数据,之后将采集到的语音数据上传至服务器,其中,语音数据用于指示服务器进行模型训练以得到更新后的语音识别模型,然后接收服务器发送的更新后的语音识别模型,该方法通过家用电器与用户进行语音交互,可采集语音数据并上传至服务器,由服务器收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练以得到更新后的语音识别模型,并发送给家用电器,从而家用电器接收服务器发送的更新后的语音识别模型,可将本地的离线语音识别模型替换成该更新后的语音识别模型,实现了家用电器中离线语音识别模型的在线更新,完成新旧模型替换,减少了家用电器的离线模型训练的工作量。
根据本发明的一个实施例,所述上传至服务器的语音数据为根据离线指令词表确定的语音数据。
根据本发明的一个实施例,所述将采集到的语音数据上传至服务器,包括:在检测到所述语音数据的大小达到第一阈值时,将所述语音数据上传至服务器;或者,在监测到用户与所述家用电器的语音交互次数达到第二阈值时,将所述语音数据上传至服务器;或者,在监测到达到预设上传时间点时,将所述语音数据上传至服务器。
根据本发明的一个实施例,在将采集到的语音数据上传至服务器的同时,所述方法还包括:将所述家用电器的设备标识发送给所述服务器,其中,所述家用电器的设备标识用于指示所述服务器从多个用户家庭中的家用电器上传的语音数据中筛选出与所述设备标识对应的专属语音数据,并基于所述专属语音数据进行模型训练以得到所述设备标识对应的专属语音识别模型,并根据所述设备标识将所述专属语音识别模型发送给对应的家用电器。
根据本发明的一个实施例,所述家用电器的设备标识还包括所述家用电器所处的地理位置。
根据本发明的一个实施例,所述离线语音识别模型的更新方法还包括:接收所述家用电器所在家庭的成员输入的新语音数据;根据所述更新后的语音识别模型对所述成员输入的新语音数据进行语音识别。
为达到上述目的,本发明第二方面实施例提出的离线语音识别模型的更新方法,所述方法应用于服务器,所述方法包括:
获取预设的离线指令词表;
接收家用电器发送的语音数据;
根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据;
根据所述训练数据进行模型训练以得到更新后的语音识别模型,并将所述更新后的语音识别模型发送给所述家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为所述更新后的语音识别模型。
根据本发明实施例的离线语音识别模型的更新方法,可获取预设的离线指令词表,接收家用电器发送的语音数据,之后根据离线指令词表和家用电器发送的语音数据生成训练数据,然后根据训练数据进行模型训练以得到更新后的语音识别模型,并将更新后的语音识别模型发送给家用电器,以使家用电器将本地使用的离线语音识别模型更新为更新后的语音识别模型。该方法通过收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练,得到新的语音识别模型,并将离线语音识别模型更新为新的语音识别模型,从而实现家用电器中的离线语音识别模型的在线更新,完成新旧模型替换,减少了离线模型训练的工作量。
根据本发明的一个实施例,所述接收家用电器发送的语音数据,包括:接收多个用户家庭中的家用电器发送的语音数据;其中,在根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据之后,所述方法还包括:获取每个用户家庭的标识信息;根据所述每个用户家庭的标识信息,从所述训练数据中确定出所述每个用户家庭的训练数据;根据所述每个用户家庭的训练数据进行模型训练以得到所述每个用户家庭的专属语音识别模型;根据所述每个用户家庭的标识信息,将所述每个用户家庭的专属语音识别模型发送给所述每个用户家庭所对应的家用电器,以使所述所对应的家用电器将本地使用的离线语音识别模型更新为对应的专属语音识别模型。
根据本发明的一个实施例,在根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据之后,所述方法还包括:确定所述家用电器所处的地理位置;基于所述家用电器所处的地理位置,从所述训练数据中确定出属于同一地区的训练数据;根据所述属于同一地区的训练数据进行模型训练,以得到所述属于同一地区的区域语音识别模型;将所述属于同一地区的区域语音识别模型发送给所述属于同一地区的家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为对应的区域语音识别模型。
为达到上述目的,本发明第三方面实施例提出的家用电器,包括:
语音采集模块,用于采集所述家用电器外部环境的语音数据;
发送模块,用于将所述采集到的语音数据上传至服务器,其中,所述语音数据用于指示所述服务器进行模型训练以得到更新后的语音识别模型;
模型更新模块,用于接收所述服务器发送的更新后的语音识别模型。
根据本发明实施例的家用电器,可通过家用电器采集家用电器外部环境的语音数据,之后将采集到的语音数据上传至服务器,其中,语音数据用于指示服务器进行模型训练以得到更新后的语音识别模型,然后接收服务器发送的更新后的语音识别模型,该方法通过家用电器与用户进行语音交互,可采集语音数据并上传至服务器,由服务器收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练以得到更新后的语音识别模型,并发送给家用电器,从而家用电器接收服务器发送的更新后的语音识别模型,可将本地的离线语音识别模型替换成该更新后的语音识别模型,实现了家用电器中离线语音识别模型的在线更新,完成新旧模型替换,减少了家用电器的离线模型训练的工作量。
根据本发明的一个实施例,所述上传至服务器的语音数据为根据离线指令词表确定的语音数据。
根据本发明的一个实施例,所述发送模块具体用于:在检测到所述语音数据的大小达到第一阈值时,将所述语音数据上传至服务器;或者,在监测到用户与所述家用电器的语音交互次数达到第二阈值时,将所述语音数据上传至服务器;或者,在监测到达到预设上传时间点时,将所述语音数据上传至服务器。
根据本发明的一个实施例,所述发送模块,还用于在将所述采集到的语音数据上传至服务器的同时,将所述家用电器的设备标识发送给所述服务器,其中,所述家用电器的设备标识用于指示所述服务器从多个用户家庭中的家用电器上传的语音数据中筛选出与所述设备标识对应的专属语音数据,并基于所述专属语音数据进行模型训练以得到所述设备标识对应的专属语音识别模型,并根据所述设备标识将所述专属语音识别模型发送给对应的家用电器。
根据本发明的一个实施例,所述家用电器的设备标识还包括所述家用电器所处的地理位置。
根据本发明的一个实施例,所述还包括:语音识别模块,用于接收所述家用电器所在家庭的成员输入的新语音数据,并根据所述新的语音识别模型对所述成员输入的新语音数据进行语音识别。
为达到上述目的,本发明第四方面实施例提出的服务器,包括:
获取模块,用于获取预设的离线指令词表;
语音接收模块,用于接收家用电器发送的语音数据;
训练数据生成模块,用于根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据;
模型更新模块,用于根据所述训练数据进行模型训练以得到更新后的语音识别模型,并将所述更新后的语音识别模型发送给所述家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为所述更新后的语音识别模型。
根据本发明实施例的服务器,可获取预设的离线指令词表,接收家用电器发送的语音数据,之后根据离线指令词表和家用电器发送的语音数据生成训练数据,然后根据训练数据进行模型训练以得到更新后的语音识别模型,并将更新后的语音识别模型发送给家用电器,以使家用电器将本地使用的离线语音识别模型更新为更新后的语音识别模型。由此,通过收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练,得到新的语音识别模型,并将离线语音识别模型更新为新的语音识别模型,从而实现家用电器中的离线语音识别模型的在线更新,完成新旧模型替换,减少了离线模型训练的工作量。
为达到上述目的,本发明第五方面实施例提出的家用电器,包括:用于采集外部环境声音的采集模块、存储器、处理器及存储在所述存储器并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明第一方面实施例所述的离线语音识别模型的更新方法。
为达到上述目的,本发明第六方面实施例提出的服务器,存储器、处理器及存储在所述存储器并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明第二方面实施例所述的离线语音识别模型的更新方法。
为达到上述目的,本发明第七方面实施例提出的计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项,或者,实现本发明第二方面实施例所述的离线语音识别模型的更新方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的离线语音识别模型的更新方法的流程图。
图2是根据本发明一个实施例的离线语音识别模型的更新方法的流程图。
图3是根据本发明一个实施例的家用电器的结构示意图。
图4是根据本发明一个实施例的服务器的结构示意图。
图5是根据本发明一个实施例的家用电器的结构示意图。
图6是根据本发明一个实施例的服务器的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的离线语音识别模型的更新方法、家用电器、服务器和计算机可读存储介质。
图1是根据本发明一个实施例的离线语音识别模型的更新方法的流程图。需要说明的是,本发明实施例的离线语音识别模型的更新方法可应用于本发明实施例的家用电器,也就是说,本发明实施例的离线语音识别模型的更新方法可从家用电器侧进行撰写描述。
如图1所示,该离线语音识别模型的更新方法可以包括:
S110,采集家用电器外部环境的语音数据。
在本发明的实施例中,可通过家用电器中语音采集模块采集家用电器外部环境的语音数据。其中,语音数据可为用户家庭中的成员在与对应家用电器进行语音交互时输入的语音。
S120,将采集到的语音数据上传至服务器,其中,语音数据用于指示服务器进行模型训练以得到更新后的语音识别模型。
也就是说,可通过家用电器将采集到语音数据上传至服务器。
为了减少家用电器上传的数据量,在本发明的一个实施例中,所述上传至服务器的语音数据可为根据离线指令词表确定的语音数据。例如,家用电器中具有离线指令词表,可根据该离线指令词表对采集到的语音数据进行筛选,筛选出包括与该离线指令词表中的指令词的语音数据作为待上传的语音数据。
在本发明的实施例中,以离线指令词表中的指令词以文本形式为例,家用电器可将采集到的语音数据转换成对应的文本文件,然后从转换后的文件中筛选出包含有离线指令词表中的指令词的目标文件,并将这些目标文件对应的音频文件作为筛选出的待上传语音数据。
举例而言,家用电器以采集到的音频文件有“文件1”、“文件2”、“文件3”,其中,“文件1”的音频内容为“把室内温度调到26摄氏度”、“文件2”的音频内容为“26摄氏度的温度正合适”、“文件3”的音频内容为“将室内进行抽湿”,通过语音转文本的形式将音频文件转化成对应的文本文件,之后将转化之后的“文件1”、“文件2”和“文件3”这3个文本文件中筛选出包含有离线指令词表中的指令词为“26摄氏度”的目标文件,如“文件1”和“文件2”,从而可将目标文件对应的音频文件作为待上传语音数据,比如音频文件“文件1”和“文件2”。
在本发明的实施例中,以离线指令词表中的指令词以音频形式为例,基于音频形式的离线指令词表,家用电器可通过音频特征比对从已采集到的语音数据中筛选出包含有离线指令词表中的指令词的待上传语音数据。
需要说明的是,可通过频率倒普系数(Mel-Frequency Cepstrum Coefficient,英文简称为MFCC)算法提取音频特征参数,根据音频特征参数完成音频特征比对。
举例而言,已采集到的音频文件有“室内PM2.5指数正常吗”文件、“现在室内温度为24摄氏度”文件、“风速自动循坏”文件、“打开制热模式”文件、“定时1小时”文件,以音频形式存在的离线指令词表中的指令词为“打开制热模式”,通过频率倒普系数算法提取以上已采集到的音频文件的音频特征参数,并提取该指令词的音频特征参数,将这些提取到的音频特征参数进行音频特征比对,从而可知从已存储的音频文件中筛选出包含有离线指令词表中的指令词的目标音频文件为“打开制热模式”文件,并将该文件作为待上传语音数据。
需要说明的是,在本发明的实施例中,家用电器在将待上传的语音数据上传的时间点可以根据语音数据的大小、用户与家用电器的语音交互次数、和上传周期来决定。作为一种示例,可在检测到语音数据的大小达到第一阈值时,将语音数据上传至服务器,或者,可在监测到用户与家用电器的语音交互次数达到第二阈值时,将语音数据上传至服务器,或者,可在监测到达到预设上传时间点时,将语音数据上传至服务器。
下面给出三种示例以便理解:
在本发明实施例中,以在检测到语音数据的大小达到第一阈值时,将语音数据上传至服务器为例,例如,可检测家用电器本地的语音数据的数量是否达到一定阈值时,若是,则将语音数据上传至服务器。
在本发明实施例中,以在监测到用户与家用电器的语音交互次数达到第二阈值时,将语音数据上传至服务器为例,也就是说,可通过家用电器监测用户与该家用电器的语音交互次数(其中,每次交互被统计为一次),例如,交互次数超过3次时,将语音数据上传至服务器。
在本发明实施例中,以在监测到达到预设上传时间点时,将语音数据上传至服务器为例,也就是说,可在家用电器中设置预设上传时间点,例如,在家用电器中设置预设上传时间点为每天的七点,当监测到此时的时间是七点时,将语音数据上传至服务器。
在本发明的实施例中,服务器在接收到家用电器上传的语音数据之后,可将该上传的语音数据作为训练数据进行模型训练,得到更新后的语音识别模型,并将该更新后的语音识别模型发送给家用电器。
S130,接收服务器发送的更新后的语音识别模型。
可选地,家用电器在接收到服务器发送的更新后的语音识别模型之后,可将本地的旧的离线语音识别模型替换成该更新后的语音识别模型,从而完成了家用电器的离线语音识别模型的更新。
为了进一步提升用户体验,使得家用电器具有专属语音识别模型,以便提高家用电器的语音识别准确率,可选地,在本发明的一个实施例中,家用电器在将采集到的语音数据上传至服务器的同时,将家用电器的设备标识发送给服务器,其中,家用电器的设备标识用于指示服务器从多个用户家庭中的家用电器上传的语音数据中筛选出与设备标识对应的专属语音数据,并基于专属语音数据进行模型训练以得到设备标识对应的专属语音识别模型,并根据设备标识将专属语音识别模型发送给对应的家用电器。
也就是说,家用电器在将采集到的语音数据上传至服务器的同时,将家用电器的设备标识发送给服务器。服务器可从多个用户家庭中的家用电器上传的语音数据中,筛选出与该家用电器的设备标识所对应的专属语音数据(即晒出与是由该家用电器上传的语音数据),这样,基于该专属语音数据进行模型训练以得到该家用电器所对应的用户家庭的专属语音识别模型,并将该专属语音识别模型发送给该家用电器,以使家用电器具有专属语音识别模型,以便提高家用电器的语音识别准确率。
需要说明的是,在本发明的一个实施例中,所述设备标识可以是家用电器的硬件ID或服务端注册时的注册ID等。在本发明的另一个实施例中,所述家用电器的设备标识还包括家用电器所处的地理位置。也就是说,服务器可根据地理位置从大量家用电器上传的语音数据中,筛选出属于同一地理区域的语音数据,并根据这些属于同一地理区域的语音数据进行模型训练,以得到属于同一地区的区域语音识别模型,进而将属于同一地区的区域语音识别模型发送至属于同一地区的家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为对应的区域语音识别模型,以使家用电器具有所处地区的专属语音识别模型,以便提高家用电器的语音识别准确率。
在本发明的一个实施例中,家用电器在接收到服务器发送的更新后的语音识别模型,并将本地的旧的离线语音识别模型替换成该更新后的语音识别模型之后,可接收家用电器所在家庭的成员输入的新语音数据,并根据该更新后的语音识别模型对所述成员输入的新语音数据进行语音识别。
根据本发明实施例的离线语音识别模型的更新方法,可通过家用电器采集家用电器外部环境的语音数据,之后将采集到的语音数据上传至服务器,其中,语音数据用于指示服务器进行模型训练以得到更新后的语音识别模型,然后接收服务器发送的更新后的语音识别模型,该方法通过家用电器与用户进行语音交互,可采集语音数据并上传至服务器,由服务器收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练以得到更新后的语音识别模型,并发送给家用电器,从而家用电器接收服务器发送的更新后的语音识别模型,可将本地的离线语音识别模型替换成该更新后的语音识别模型,实现了家用电器中离线语音识别模型的在线更新,完成新旧模型替换,减少了家用电器的离线模型训练的工作量。
图2是根据本发明一个实施例的离线语音识别模型的更新方法的流程图。需要说明的是,本发明实施例的离线语音识别模型的更新方法可从服务器侧进行撰写描述。如图2所示,该离线语音识别模型的更新方法可以包括:
S210,获取预设的离线指令词表。
其中,离线指令词表中包括多个指令词。
需要说明的是,在本发明的实施例中,离线指令词表是指在不连网的情况下针对客户端指示家用电器执行操作的指令词表。其中,该指令词表中可包括多个指令词。
其中,该预设的离线指令词表可以是用户预先上传的,服务器在接收到该用户预先上传的离线指令词表时可将其存储至存储器中,这样,服务器可每隔一段时间从存储器中读取该离线指令词表,以便后续根据该离线指令词表筛选相应的语音数据。其中,离线指令词表可以以音频形式存在或者以文本形式存在。
S220,接收家用电器发送的语音数据。
需要说明的是,在本发明的实施例中,服务器可作为语音存储接口。
也就是说,家用电器将采集到的语音数据发送给服务器,服务器可作为语音存储接口接收家用电器的语音数据,并将接收到的语音数据进行存储。
S230,根据离线指令词表和家用电器发送的语音数据生成训练数据。
可选地,根据预设的离线指令词表,从家用电器发送的语音数据中筛选出包含有该离线指令词表中的指令词的语音数据,并将这些包含有该离线指令词表中的指令词的语音数据作为训练数据,以用于模型训练。
为了保证训练数据的数量,保证模型的性能,可选地,在本发明的一个实施例中,可累计所有包含有离线指令词表中的指令词的语音数据的个数,当累计个数大于或等于一定阈值时,可将所有包含有离线指令词表中的指令词的语音数据作为语音样本数据,之后对语音样本数据进行标注,得到对应的标注数据,将语音样本数据和对应的标注数据作为训练数据。
其中,对语音样本数据进行标注是指将语音样本数据进行语义、语法、音素等多种层次的标示。
S240,根据训练数据进行模型训练以得到更新后的语音识别模型,并将更新后的语音识别模型发送给家用电器,以使家用电器将本地使用的离线语音识别模型更新为更新后的语音识别模型。
也就是说,根据训练数据进行模型训练,完成模型训练之后,服务器可得到新的语音识别模型,之后,可基于家用电器的设备标识,将新的语音识别模型发送给对应的家用电器,以使家用电器将本地使用的离线语音识别模型更新为新的语音识别模型。
为了进一步提升用户体验,使得家用电器具有专属语音识别模型,以便提高家用电器的语音识别准确率,可选地,所述接收家用电器发送的语音数据的具体实现过程可包括:接收多个用户家庭中的家用电器发送的语音数据。其中,在本发明的实施例中,在所述根据离线指令词表和家用电器发送的语音数据生成训练数据的步骤之后,可获取每个用户家庭的标识信息,并根据所述每个用户家庭的标识信息,从所述训练数据中确定出所述每个用户家庭的训练数据,根据所述每个用户家庭的训练数据进行模型训练以得到所述每个用户家庭的专属语音识别模型,之后,根据所述每个用户家庭的标识信息,将所述每个用户家庭的专属语音识别模型发送给所述每个用户家庭所对应的家用电器,以使所述所对应的家用电器将本地使用的离线语音识别模型更新为对应的专属语音识别模型,以使家用电器具有专属语音识别模型,以便提高家用电器的语音识别准确率。
需要说明的是,在本发明的一个实施例中,所述设备标识可以是家用电器的硬件ID或服务端注册时的注册ID等。在本发明的另一个实施例中,所述家用电器的设备标识还包括家用电器所处的地理位置。其中,在本发明的实施例中,在所述根据离线指令词表和家用电器发送的语音数据生成训练数据的步骤之后,可确定所述家用电器所处的地理位置,并基于所述家用电器所处的地理位置,从所述训练数据中确定出属于同一地区的训练数据,之后,根据所述属于同一地区的训练数据进行模型训练,以得到所述属于同一地区的区域语音识别模型,并将所述属于同一地区的区域语音识别模型发送给所述属于同一地区的家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为对应的区域语音识别模型,以使家用电器具有所处地区的专属语音识别模型,以便提高家用电器的语音识别准确率。
根据本发明实施例的离线语音识别模型的更新方法,可获取预设的离线指令词表,接收家用电器发送的语音数据,之后根据离线指令词表和家用电器发送的语音数据生成训练数据,然后根据训练数据进行模型训练以得到更新后的语音识别模型,并将更新后的语音识别模型发送给家用电器,以使家用电器将本地使用的离线语音识别模型更新为更新后的语音识别模型。该方法通过收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练,得到新的语音识别模型,并将离线语音识别模型更新为新的语音识别模型,从而实现家用电器中的离线语音识别模型的在线更新,完成新旧模型替换,减少了离线模型训练的工作量。
与上述几种实施例(图1所示的实施例)提供的离线语音识别模型的更新方法相对应,本发明的一种实施例还提供一种家用电器,由于本发明实施例提供的家用电器与上述几种实施例提供的离线语音识别模型的更新方法相对应,因此在离线语音识别模型的更新方法的实施方式也适用于本实施例提供的家用电器,在本实施例中不再详细描述。图3是根据本发明一个实施例的家用电器的结构示意图。
如图3所示,该家用电器300包括:语音采集模块310、发送模块320、模型更新模块330,其中:
语音采集模块310用于采集所述家用电器外部环境的语音数据。
发送模块320用于将所述采集到的语音数据上传至服务器,其中,所述语音数据用于指示所述服务器进行模型训练以得到更新后的语音识别模型。作为一种示例,所述上传至服务器的语音数据为根据离线指令词表确定的语音数据。
在本发明的一个实施例中,所述发送模块320具体用于:在检测到所述语音数据的大小达到第一阈值时,将所述语音数据上传至服务器;或者,在监测到用户与所述家用电器的语音交互次数达到第二阈值时,将所述语音数据上传至服务器;或者,在监测到达到预设上传时间点时,将所述语音数据上传至服务器。
模型更新模块330用于接收所述服务器发送的更新后的语音识别模型。
为了进一步提升用户体验,使得家用电器具有专属语音识别模型,以便提高家用电器的语音识别准确率,可选地,在本发明的一个实施例中,所述发送模块320还用于在将所述采集到的语音数据上传至服务器的同时,将所述家用电器的设备标识发送给所述服务器,其中,所述家用电器的设备标识用于指示所述服务器从多个用户家庭中的家用电器上传的语音数据中筛选出与所述设备标识对应的专属语音数据,并基于所述专属语音数据进行模型训练以得到所述设备标识对应的专属语音识别模型,并根据所述设备标识将所述专属语音识别模型发送给对应的家用电器。作为一种示例,所述家用电器的设备标识还包括所述家用电器所处的地理位置。
在本发明的一个实施例中,在模型更新模块接收到服务器发送的更新后的语音识别模型,并将本地的旧的离线语音识别模型替换成该更新后的语音识别模型之后,家用电器中的语音识别模块可接收语音采集模块采集到的家用电器所在家庭的成员输入的新语音数据,并根据该更新后的语音识别模型对所述成员输入的新语音数据进行语音识别。
根据本发明实施例的家用电器,可通过家用电器采集家用电器外部环境的语音数据,之后将采集到的语音数据上传至服务器,其中,语音数据用于指示服务器进行模型训练以得到更新后的语音识别模型,然后接收服务器发送的更新后的语音识别模型,该方法通过家用电器与用户进行语音交互,可采集语音数据并上传至服务器,由服务器收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练以得到更新后的语音识别模型,并发送给家用电器,从而家用电器接收服务器发送的更新后的语音识别模型,可将本地的离线语音识别模型替换成该更新后的语音识别模型,实现了家用电器中离线语音识别模型的在线更新,完成新旧模型替换,减少了家用电器的离线模型训练的工作量。
与上述几种实施例(图2所示的实施例)提供的离线语音识别模型的更新方法相对应,本发明的一种实施例还提供一种服务器,由于本发明实施例提供的服务器与上述几种实施例提供的离线语音识别模型的更新方法相对应,因此在离线语音识别模型的更新方法的实施方式也适用于本实施例提供的服务器,在本实施例中不再详细描述。图4是根据本发明一个实施例的服务器的结构示意图。
如图4所示,该服务器400包括:获取模块410、语音接收模块420、训练数据生成模块430和模型更新模块440,其中:
获取模块410用于获取预设的离线指令词表。
语音接收模块420用于接收家用电器发送的语音数据。作为一种示例,语音接收模块420具体用于接收多个用户家庭中的家用电器发送的语音数据。
训练数据生成模块430用于根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据。
模型更新模块440用于根据所述训练数据进行模型训练以得到更新后的语音识别模型,并将所述更新后的语音识别模型发送给所述家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为所述更新后的语音识别模型。
在本发明的一个实施例中,在根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据之后,服务器可获取每个用户家庭的标识信息,并根据所述每个用户家庭的标识信息,从所述训练数据中确定出所述每个用户家庭的训练数据,并根据所述每个用户家庭的训练数据进行模型训练以得到所述每个用户家庭的专属语音识别模型,然后,根据所述每个用户家庭的标识信息,将所述每个用户家庭的专属语音识别模型发送给所述每个用户家庭所对应的家用电器,以使所述所对应的家用电器将本地使用的离线语音识别模型更新为对应的专属语音识别模型。
在本发明的一个实施例中,在根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据之后,服务器可确定所述家用电器所处的地理位置,并基于所述家用电器所处的地理位置,从所述训练数据中确定出属于同一地区的训练数据,之后,根据所述属于同一地区的训练数据进行模型训练,以得到所述属于同一地区的区域语音识别模型,然后,将所述属于同一地区的区域语音识别模型发送给所述属于同一地区的家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为对应的区域语音识别模型。
根据本发明实施例的服务器,可获取预设的离线指令词表,接收家用电器发送的语音数据,之后根据离线指令词表和家用电器发送的语音数据生成训练数据,然后根据训练数据进行模型训练以得到更新后的语音识别模型,并将更新后的语音识别模型发送给家用电器,以使家用电器将本地使用的离线语音识别模型更新为更新后的语音识别模型。由此,通过收集家用电器发送的语音数据作为训练数据,并根据训练数据进行模型训练,得到新的语音识别模型,并将离线语音识别模型更新为新的语音识别模型,从而实现家用电器中的离线语音识别模型的在线更新,完成新旧模型替换,减少了离线模型训练的工作量。
为了实现上述实施例,本发明还提出了一种家用电器。
图5是根据本发明一个实施例的家用电器的结构示意图。如图5所示,该家用电器500可以包括:用于采集外部环境声音的采集模块510、存储器520、处理器530及存储在所述存储器并可在所述处理器上运行的计算机程序540,所述处理器执行所述计算机程序540时实现本发明如图1所示实施例所述的离线语音识别模型的更新方法。
为了实现上述实施例,本发明还提出了一种服务器。
图6是根据本发明一个实施例的服务器的结构示意图。如图6所示,该服务器600可以包括:存储器610、处理器620及存储在所述存储器并可在所述处理器上运行的计算机程序630,所述处理器执行所述计算机程序630时实现本发明如图2所示实施例所述的离线语音识别模型的更新方法。
为了实现上述实施例,本发明还提出了一种计算机可读存储介质,所述计算机程序被处理器执行时实现上述任一项所述的离线语音识别模型的更新方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种离线语音识别模型的更新方法,其特征在于,所述方法应用于家用电器,所述方法包括:
获取预设的离线指令词表;
采集所述家用电器外部环境的语音数据;
将采集到的并根据所述离线指令词表筛选后语音数据上传至服务器,其中,所述筛选后的语音数据用于指示所述服务器进行模型训练以得到更新后的语音识别模型;
所述家用电器将本地使用的离线语音识别模型更新为所述更新后的语音识别模型;
接收所述服务器发送的更新后的语音识别模型;
其中,所述上传至服务器的语音数据为根据离线指令词表确定的语音数据;
所述将采集到的语音数据上传至服务器,包括:
在检测到所述语音数据的大小达到第一阈值时,将所述语音数据上传至服务器;或者,
在监测到用户与所述家用电器的语音交互次数达到第二阈值时,将所述语音数据上传至服务器;或者,
在监测到达到预设上传时间点时,将所述语音数据上传至服务器。
2.根据权利要求1所述的方法,其特征在于,在将采集到的语音数据上传至服务器的同时,所述方法还包括:
将所述家用电器的设备标识发送给所述服务器,其中,所述家用电器的设备标识用于指示所述服务器从多个用户家庭中的家用电器上传的语音数据中筛选出与所述设备标识对应的专属语音数据,并基于所述专属语音数据进行模型训练以得到所述设备标识对应的专属语音识别模型,并根据所述设备标识将所述专属语音识别模型发送给对应的家用电器。
3.根据权利要求2所述的方法,其特征在于,所述家用电器的设备标识还包括所述家用电器所处的地理位置。
4.根据权利要求1所述的方法,其特征在于,还包括:
接收所述家用电器所在家庭的成员输入的新语音数据;
根据所述更新后的语音识别模型对所述成员输入的新语音数据进行语音识别。
5.一种离线语音识别模型的更新方法,其特征在于,所述方法应用于服务器,所述方法包括:
获取预设的离线指令词表;
接收家用电器发送的根据所述离线指令词表筛选后的语音数据;
根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据;
根据所述训练数据进行模型训练以得到更新后的语音识别模型,并将所述更新后的语音识别模型发送给所述家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为所述更新后的语音识别模型。
6.根据权利要求5所述的方法,其特征在于,所述接收家用电器发送的语音数据,包括:
接收多个用户家庭中的家用电器发送的语音数据;
其中,在根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据之后,所述方法还包括:
获取每个用户家庭的标识信息;
根据所述每个用户家庭的标识信息,从所述训练数据中确定出所述每个用户家庭的训练数据;
根据所述每个用户家庭的训练数据进行模型训练以得到所述每个用户家庭的专属语音识别模型;
根据所述每个用户家庭的标识信息,将所述每个用户家庭的专属语音识别模型发送给所述每个用户家庭所对应的家用电器,以使所述所对应的家用电器将本地使用的离线语音识别模型更新为对应的专属语音识别模型。
7.根据权利要求5所述的方法,其特征在于,在根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据之后,所述方法还包括:
确定所述家用电器所处的地理位置;
基于所述家用电器所处的地理位置,从所述训练数据中确定出属于同一地区的训练数据;
根据所述属于同一地区的训练数据进行模型训练,以得到所述属于同一地区的区域语音识别模型;
将所述属于同一地区的区域语音识别模型发送给所述属于同一地区的家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为对应的区域语音识别模型。
8.一种家用电器,其特征在于,包括:
语音采集模块,用于采集所述家用电器外部环境的语音数据;
发送模块,用于将所述采集到的并根据所述离线指令词表筛选后的语音数据上传至服务器,其中,所述语音数据用于指示所述服务器进行模型训练以得到更新后的语音识别模型;
模型更新模块,用于接收所述服务器发送的更新后的语音识别模型;
其中,所述上传至服务器的语音数据为根据离线指令词表确定的语音数据;
所述发送模块具体用于:
在检测到所述语音数据的大小达到第一阈值时,将所述语音数据上传至服务器;或者,
在监测到用户与所述家用电器的语音交互次数达到第二阈值时,将所述语音数据上传至服务器;或者,
在监测到达到预设上传时间点时,将所述语音数据上传至服务器。
9.根据权利要求8所述的家用电器,其特征在于,所述发送模块,还用于在将所述采集到的语音数据上传至服务器的同时,将所述家用电器的设备标识发送给所述服务器,其中,所述家用电器的设备标识用于指示所述服务器从多个用户家庭中的家用电器上传的语音数据中筛选出与所述设备标识对应的专属语音数据,并基于所述专属语音数据进行模型训练以得到所述设备标识对应的专属语音识别模型,并根据所述设备标识将所述专属语音识别模型发送给对应的家用电器。
10.根据权利要求9所述的家用电器,其特征在于,所述家用电器的设备标识还包括所述家用电器所处的地理位置。
11.根据权利要求8所述的家用电器,其特征在于,还包括:
语音识别模块,用于接收所述家用电器所在家庭的成员输入的新语音数据,并根据新的语音识别模型对所述成员输入的新语音数据进行语音识别。
12.一种服务器,其特征在于,包括:
获取模块,用于获取预设的离线指令词表;
语音接收模块,用于接收家用电器发送的根据所述离线指令词表筛选后的语音数据;
训练数据生成模块,用于根据所述离线指令词表和所述家用电器发送的语音数据生成训练数据;
模型更新模块,用于根据所述训练数据进行模型训练以得到更新后的语音识别模型,并将所述更新后的语音识别模型发送给所述家用电器,以使所述家用电器将本地使用的离线语音识别模型更新为所述更新后的语音识别模型。
13.一种家用电器,其特征在于,包括:用于采集外部环境声音的采集模块、存储器、处理器及存储在所述存储器并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的离线语音识别模型的更新方法。
14.一种服务器,其特征在于,包括:存储器、处理器及存储在所述存储器并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求5至7中任一项所述的离线语音识别模型的更新方法。
15.一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,所述计算机程序被处理器执行时实现如权利要求1至4中任一项,或者,实现如权利要求5至7中任一项所述的离线语音识别模型的更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910615693.8A CN110277089B (zh) | 2019-07-09 | 2019-07-09 | 离线语音识别模型的更新方法、家用电器和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910615693.8A CN110277089B (zh) | 2019-07-09 | 2019-07-09 | 离线语音识别模型的更新方法、家用电器和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110277089A CN110277089A (zh) | 2019-09-24 |
CN110277089B true CN110277089B (zh) | 2021-05-25 |
Family
ID=67962988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910615693.8A Active CN110277089B (zh) | 2019-07-09 | 2019-07-09 | 离线语音识别模型的更新方法、家用电器和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110277089B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7029434B2 (ja) * | 2019-10-23 | 2022-03-03 | サウンドハウンド,インコーポレイテッド | コンピュータによって実行される方法、サーバ装置、情報処理システム、プログラム、およびクライアント端末 |
CN113066482A (zh) * | 2019-12-13 | 2021-07-02 | 阿里巴巴集团控股有限公司 | 语音模型更新、语音数据处理方法、设备及存储介质 |
CN111261166B (zh) * | 2020-01-15 | 2022-09-27 | 云知声智能科技股份有限公司 | 一种语音识别方法及装置 |
CN111951789B (zh) * | 2020-08-14 | 2021-08-17 | 北京达佳互联信息技术有限公司 | 语音识别模型的训练、语音识别方法、装置、设备及介质 |
CN112667255B (zh) * | 2020-12-02 | 2022-03-29 | 北京百度网讯科技有限公司 | 更新方法、装置、电子设备及存储介质 |
CN113205802B (zh) * | 2021-05-10 | 2022-11-04 | 芜湖美的厨卫电器制造有限公司 | 语音识别模型的更新方法、家用电器及服务器 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103680495B (zh) * | 2012-09-26 | 2017-05-03 | 中国移动通信集团公司 | 语音识别模型训练方法和装置及语音识别终端 |
US10204621B2 (en) * | 2016-09-07 | 2019-02-12 | International Business Machines Corporation | Adjusting a deep neural network acoustic model |
CN107481722A (zh) * | 2017-08-21 | 2017-12-15 | 无锡小天鹅股份有限公司 | 语音控制方法、衣物处理装置及服务器 |
CN109377990A (zh) * | 2018-09-30 | 2019-02-22 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
CN109147788B (zh) * | 2018-10-19 | 2021-06-04 | 珠海格力电器股份有限公司 | 本地语音库的更新方法及装置 |
-
2019
- 2019-07-09 CN CN201910615693.8A patent/CN110277089B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110277089A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110277089B (zh) | 离线语音识别模型的更新方法、家用电器和服务器 | |
US11075862B2 (en) | Evaluating retraining recommendations for an automated conversational service | |
US10643620B2 (en) | Speech recognition method and apparatus using device information | |
CN108009303B (zh) | 基于语音识别的搜索方法、装置、电子设备和存储介质 | |
CN111578444A (zh) | 一种空调故障预测方法、装置、存储介质及空调 | |
CN111091813B (zh) | 语音唤醒模型更新及唤醒方法、系统、装置、设备及介质 | |
CN105308679A (zh) | 用于识别与语音命令相关联的位置以控制家用电器的方法和系统 | |
JP3737714B2 (ja) | エンドユーザ・トランザクションを識別するための方法及び装置 | |
CN109671430A (zh) | 一种语音处理方法及装置 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN113205802B (zh) | 语音识别模型的更新方法、家用电器及服务器 | |
CN113138934A (zh) | 自动测试的方法、介质、装置和计算设备 | |
CN110070891B (zh) | 一种歌曲识别方法、装置以及存储介质 | |
CN114442697B (zh) | 一种温度控制方法、设备、介质及产品 | |
CN110970019A (zh) | 智能家居系统的控制方法和装置 | |
CN110853642B (zh) | 语音控制方法、装置、家电设备以及存储介质 | |
CN110556099B (zh) | 一种命令词控制方法及设备 | |
CN113850485A (zh) | 跨领域的多源数据评价模型训练方法、系统、装置及介质 | |
CN108615528A (zh) | 一种信息处理方法及电子设备 | |
CN109635209B (zh) | 一种学习内容推荐方法及家教设备 | |
CN110210026B (zh) | 语音翻译方法、装置、计算机设备和存储介质 | |
CN114387991A (zh) | 用于识别野外环境音的音频数据处理方法、设备及介质 | |
CN113114537B (zh) | 一种物联网节点的可视化监测方法 | |
CN110910866B (zh) | 一种对话处理方法、设备及计算机可读存储介质 | |
CN111831400B (zh) | 一种虚拟机交互方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |