CN111326146A - 语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 - Google Patents
语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111326146A CN111326146A CN202010117225.0A CN202010117225A CN111326146A CN 111326146 A CN111326146 A CN 111326146A CN 202010117225 A CN202010117225 A CN 202010117225A CN 111326146 A CN111326146 A CN 111326146A
- Authority
- CN
- China
- Prior art keywords
- voice
- processor
- awakening
- template
- registered
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 239000013598 vector Substances 0.000 claims description 130
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 241000238558 Eucarida Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
- G10L17/14—Use of phonemic categorisation or speech recognition prior to speaker recognition or verification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Telephone Function (AREA)
Abstract
本公开实施例公开了一种语音唤醒模板的获取方法、装置、电子设备和计算机可读存储介质。其中该语音唤醒模板的获取方法包括：将第一待注册语音信号输入第一处理器；所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；根据所述第一语音唤醒模板得到标准语音唤醒模板；所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。上述方法通过在唤醒词注册阶段计算唤醒词的唤醒模板并将所述唤醒模板下发至执行第一级唤醒的第二处理器，解决了现有技术中在误唤醒所带来的终端的功耗增加的技术问题。
Description
技术领域
本公开涉及语音识别领域，尤其涉及一种语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质。
背景技术
作为一种人机交互的手段，语音识别的获取技术在解放人类双手方面意义重大。随着各种智能音箱的出现，语音交互成为了互联网入口的新价值所在，越来越多的智能设备加入了语音唤醒的潮流，成为人与设备沟通的桥梁，因此语音唤醒(keyword spotting，KWS)技术愈发显得重要。
目前越来越多的手机、平板电脑上装有手机助手，比如苹果手机，直接喊“hey！siri”就可以直接将手机助手唤醒，然后进行查询等，非常方便。因此在手机待机状态下的语音唤醒就变的非常重要，直接影响用户的体验。
目前现有的语音唤醒技术方案一般采用两级唤醒的策略。其中第一级唤醒是运行在DSP(digital signal processor)芯片上的，如果DSP芯片触发了唤醒，再将整个语音数据发送到手机的主控芯片上进行第二级唤醒，手机的主控芯片一般都处于休眠状态。这样做的目的是尽可能降低手机的功耗。但是DSP在运行第一级唤醒时，有可能出现误唤醒，这样导致主控芯片频繁运行第二级唤醒，导致手机的功耗增加。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开实施例提供一种语音唤醒模板的获取方法，包括：
将第一待注册语音信号输入第一处理器；
所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；
所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；
根据所述第一语音唤醒模板得到标准语音唤醒模板；
所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
进一步的，所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号，包括：
所述第一处理器将所述第一待注册语音信号输入第一语音唤醒模型得到唤醒词；
所述第一处理器根据所述第一预处理语音信号以及所述唤醒词得到所述唤醒词所对应的部分第一待注册语音信号。
进一步的，所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板，包括：
所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量；
所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板。
进一步的，所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量，包括：
所述第一处理器将所述部分第一待注册语音信号中的多个帧分别输入第二语音唤醒模型得到所述唤醒词所对应的多个向量，其中所述第二语音唤醒模型为所述第二处理器所使用的语音唤醒模型。
进一步的，所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板，包括：
所述第一处理器计算所述多个向量中的对应元素的平均值得到所述多个向量的平均向量作为所述第一语音唤醒模板。
进一步的，在根据所述第一语音唤醒模板得到标准语音唤醒模板之前，还包括：
将第二待注册语音信号输入第一处理器；
所述第一处理器识别出所述第二待注册语音信号中包括唤醒词的部分第二待注册语音信号；
所述第一处理器根据所述部分第二待注册语音信号得到所述唤醒词的第二语音唤醒模板；
其中所述第二待注册语音信号和所述第一待注册语音信号为同一声音源的语音信号。
进一步的，所述根据所述第一语音唤醒模板得到标准语音唤醒模板，包括：
计算所述第一语音唤醒模板和所述第二语音唤醒模板的平均模板得到所述标准语音唤醒模板。
第二方面，本公开实施例提供一种语音唤醒方法，包括：
将待识别语音信号输入第二处理器；
所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量；
响应于所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配，所述第二处理器将所述待识别语音信号输入第一处理器；
其中，所述标准唤醒模板为通过上述权利要求1-7中的方法得到的标准语音唤醒模板。
进一步的，所述方法还包括：
所述第一处理器识别所述待识别语音信号中的唤醒词并对所述唤醒词的声纹进行识别。
进一步的，所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量，包括：
所述第二处理器将所述待识别语音信号的多个帧输入第二语音唤醒模型得到所述待识别语音信号所对应的多个向量；
响应于所述待识别语音信号中包括所述唤醒词，所述第二处理器从所述多个向量中选取所述唤醒词所对应的多个第一向量；
所述第二处理器计算所述多个第一向量的平均向量得到所述语音唤醒向量。
第三方面，本公开实施例提供一种语音唤醒模板的获取装置，包括：
输入模块，用于将第一待注册语音信号输入第一处理器；
唤醒词识别模块，用于所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；
唤醒模板获取模块，用于所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；
标准唤醒模板计算模块，用于根据所述第一语音唤醒模板得到标准语音唤醒模板；
发送模块，用于所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
进一步的，所述唤醒词识别模块，还包括：
唤醒词获取模块，用于所述第一处理器将所述第一待注册语音信号输入第一语音唤醒模型得到唤醒词；
语音信号截取模块，用于所述第一处理器根据所述第一预处理语音信号以及所述唤醒词得到所述唤醒词所对应的部分第一待注册语音信号。
进一步的，所述唤醒模板获取模块，还包括：
向量获取模块，用于所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量；
向量计算模块，用于所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板。
进一步的，所述向量获取模块，还用于：
所述第一处理器将所述部分第一待注册语音信号中的多个帧分别输入第二语音唤醒模型得到所述唤醒词所对应的多个向量，其中所述第二语音唤醒模型为所述第二处理器所使用的语音唤醒模型。
进一步的，所述向量计算模块，还用于：
所述第一处理器计算所述多个向量中的对应元素的平均值得到所述多个向量的平均向量作为所述第一语音唤醒模板。
进一步的，所述输入模块，还用于：将第二待注册语音信号输入第一处理器；所述唤醒词识别模块，还用于：所述第一处理器识别出所述第二待注册语音信号中包括唤醒词的部分第二待注册语音信号；所述唤醒模板获取模块，还用于：所述第一处理器根据所述部分第二待注册语音信号得到所述唤醒词的第二语音唤醒模板；其中所述第二待注册语音信号和所述第一待注册语音信号为同一声音源的语音信号。
进一步的额，所述标准唤醒模板计算模块，还用于：计算所述第一语音唤醒模板和所述第二语音唤醒模板的平均模板得到所述标准语音唤醒模板。
第四方面，本公开实施例提供一种语音唤醒装置，包括：
待识别语音输入模块，用于将待识别语音信号输入第二处理器；
唤醒向量获取模块，用于所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量；
匹配模块，用于响应于所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配，所述第二处理器将所述语音信号输入第一处理器；
其中，所述标准唤醒模板为通过上述语音唤醒模板的获取方法得到的标准语音唤醒模板。
进一步的，所述装置，还包括：
主控唤醒模块，用于所述第一处理器识别所述待识别语音信号中的唤醒词并对所述唤醒词的声纹进行识别。
进一步的，所述唤醒向量获取模块，还用于：
所述第二处理器将所述待识别语音信号的多个帧输入第二语音唤醒模型得到所述待识别语音信号所对应的多个向量；
响应于所述待识别语音信号中包括所述唤醒词，所述第二处理器从所述多个向量中选取所述唤醒词所对应的多个第一向量；
所述第二处理器计算所述多个第一向量的平均向量得到所述语音唤醒向量。
第五方面，本公开实施例提供一种电子设备，包括：至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面或第二方面中的任一所述方法。
第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行前述第一方面或第二方面中的任一所述方法。
本公开实施例公开了一种语音唤醒模板的获取方法、装置、电子设备和计算机可读存储介质。其中该语音唤醒模板的获取方法包括：将第一待注册语音信号输入第一处理器；所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；根据所述第一语音唤醒模板得到标准语音唤醒模板；所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。上述方法通过在唤醒词注册阶段计算唤醒词的唤醒模板并将所述唤醒模板下发至执行第一级唤醒的第二处理器，解决了现有技术中在误唤醒所带来的终端的功耗增加的技术问题。
上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例的应用场景示意图；
图2为本公开实施例提供的语音唤醒模板的获取方法的流程示意图；
图3为本公开实施例提供的语音唤醒模板的获取方法步骤S202的具体实现方式的示意图；
图4为本公开实施例提供的语音唤醒模板的获取方法中数据的流向示意图；
图5为本公开实施例提供的语音唤醒模板的获取方法步骤S203的具体实现方式的示意图；
图6为本公开实施例提供的语音唤醒模板的获取方法中通过第二语音唤醒模型得到唤醒词的向量的示意图；
图7为本公开实施例提供的语音唤醒方法的流程示意图；
图8为本公开实施例提供的语音唤醒方法中数据的流向示意图
图9为本公开实施例提供的语音唤醒方法的获取装置的实施例的结构示意图；
图10为本公开实施例提供的语音唤醒装置的实施例的结构示意图
图11为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例的应用场景示意图。如图1所示，用户101向终端设备102输入语音，终端设备102可以为智能手机、智能音箱、智能家电等任何可以接收所述自然语言输入的终端装置，终端设备102中包括两个处理器103和104，其中处理器103为低功耗的处理器DSP，处理器104为通用处理器AP(Application Processor)；其中，用户101说出语音，终端设备102采集语音并将语音信号发送至处理器103，如果处理器103未识别出唤醒词，则语音信号不会被发送至处理器104；如果处理器103识别出唤醒词，则将语音信号发送至所述处理器104，处理器104继续对所述语音信号进行识别，如果识别出唤醒词，则所述处理器104继续对所述唤醒词进行声纹验证，如果声纹验证通过，则执行唤醒词对应的功能。
图2为本公开实施例提供的语音唤醒模板的获取方法实施例的流程图，本实施例所提供的语音唤醒模板的获取方法为将注册语音唤醒模板的流程，本实施例提供的该语音唤醒模板的获取方法可以由一语音唤醒模板的获取装置来执行，该语音唤醒模板的获取装置可以实现为软件，或者实现为软件和硬件的组合，该语音唤醒模板的获取装置可以集成设置在语音唤醒模板的获取系统中的某设备中，比如语音唤醒模板的获取服务器或者语音唤醒模板的获取终端设备中。如图2所示，该方法包括如下步骤：
步骤S201，将第一待注册语音信号输入第一处理器；
在本公开中，所述第一待注册语音信号通过音频源获取。可选的，该步骤中的音频源为各种音频采集装置，典型的音频采集装置如各种形式的麦克风，麦克风从环境中采集语音将其转换成语音信号。在该步骤中将从所述音频采集装置中获取语音信号输入第一处理器。典型的，如图1所示，所述终端设备102包括音频采集装置，如麦克风，通过麦克风可以采集到所述终端设备所在的环境中的语音。
所述第一待注册语音信号为用户在注册阶段发出的语音信号，示例性的，智能手机中运行有语音识别程序，该语音识别程序中可以针对每个用户注册唤醒语音，典型的，如苹果手机中通过“hey！siri”来唤醒手机，但是只有注册用户可以唤醒，非注册用户通过“hey！siri”是无法唤醒该手机的。在可以使用唤醒词唤醒手机之前，需要先注册语音，该实施例中的第一待注册语音信号即为需要被注册的语音信号。
在该步骤中，所述的第一处理器为主控芯片，及图1中的处理器104，在注册阶段，语音信号首先被输入主控芯片中。
步骤S202，所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；
在该实施例中，所述第一待注册语音信号被输入所述第一处理器之后，所述第一处理器需要首先判断所述第一待注册语音信号中是否包括唤醒词，如果包括唤醒词，则进一步的将唤醒词所对应的部分第一待注册语音信号截取出来。
可选的，如图3所示，所述步骤S202包括：
步骤S301，所述第一处理器将所述第一待注册语音信号输入第一语音唤醒模型识别出唤醒词；
步骤S302，所述第一处理器根据所述第一待注册语音信号以及所述唤醒词得到所述唤醒词所对应的部分第一待注册语音信号。
如图4所示，第一处理器中包括了主控芯片唤醒算法，所述步骤S301为所述主控芯片唤醒算法中的步骤，示例性的，所述主控芯片唤醒算法主要由第一语音唤醒模型构成，在将第一待注册语音信号输入所述第一语音唤醒模型之前，需要对所述第一待注册语音信号进行预处理，得到第一预处理语音信号，可以理解的，所述预处理可以包括与语音信号的采样、量化、去噪、预加重、分帧、加窗、端点检测、特征提取等等处理。示例性的，通过上述预处理，得到第一待注册语音信号的语音频谱图作为第一预处理语音信号，该语音频谱图被输入第一语音唤醒模型以识别所述第一待注册语音信号中是否包括唤醒词。可选的，所述第一语音唤醒模型为预先训练好的DNN(Deep Neural Networks)模型，所述DNN模型包括输入层、多个全连接隐藏层和一个分类层，其中所述第一预处理语音信号通过输入层输入所述DNN模型，经过多个隐藏层的卷积计算得到一个向量，该向量被输入分类层，分类层得到该向量属于某个唤醒词的概率，如果概率大于预定的阈值，则认为所述第一待注册语音信号中包括唤醒词。
在识别出唤醒词之后，为了获取唤醒词的语音唤醒模板，需要定位出唤醒词在所述第一待注册语音信号中的位置。此处可以使用各种定位方法，本公开在此不做限定。可选的，可以将上述语音频谱图划分为多个区域，分别输入预先训练好的模型中判断多个区域中的哪个包括唤醒词，进过多次判断之后，可以定位出唤醒词在第一待注册语音信号中的位置，所述位置包括唤醒词的起点和终点，由此可以得到唤醒词所对应的部分第一待注册语音信号。
步骤S203，所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；
其中，所述第一语音唤醒模板为所述部分第一待注册语音信号的向量表示，其表示所述部分第一待注册语音信号的声纹特征。
可选的，如图5所示，所述步骤S203包括：
步骤S501，所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量；
步骤S502，所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板。
可选的，所述步骤S501，包括：所述第一处理器将所述部分第一待注册语音信号中的多个帧分别输入第二语音唤醒模型得到所述唤醒词所对应的多个向量，其中所述第二语音唤醒模型为所述第二处理器所使用的语音唤醒模型。示例性的，所述部分第一待注册语音信号包括100帧，其中每帧的长度为10ms，同样的，将其通过预处理之后得到所述部分第一待注册语音信号的语音信号谱图，之后将语音信号频谱图输入第二语音唤醒模型，所述第二语音唤醒模型为第二处理器中运行的语音唤醒算法的主要构成部分，示例性的，其也可以是一个DNN模型，但是由于第二处理的处理能力以及存储能力有限，该DNN模型可以与所述第一处理器中的DNN模型不同，如其隐藏层的数量可以比第一处理器中所使用的DNN模型少，各层的维度也可以比第一处理器中所使用的DNN模型少，使得该DNN模型更轻量化。如图6所示，为通过第二处理器中所使用的DNN模型得到唤醒词对应的向量的示意图，其中所述部分第一待注册语音信号的每一帧所对应的语音频谱图被输入所述DNN模型的输入层，经过隐藏层的计算后，在最后一个隐藏层输出一个向量h，此时不将该向量输入分类层，直接输出保存作为所述部分第一待注册语音信号的其中一帧的向量，最终得到100个帧所对应的100个向量。可以理解的，为了减少计算量，也可以选择100帧中的预定数量的帧来计算得到预定数量的向量。可以理解的，上述100帧仅为举例，实际实现时唤醒语音的帧数可能为任何数量的帧，此外，每次输入所述DNN的帧数也可以是所述唤醒语音的帧数范围内的任何数量的帧。
可选的，所述步骤S502包括：所述第一处理器计算所述多个向量中的对应元素的平均值得到所述多个向量的平均向量作为所述第一语音唤醒模板。在该步骤中，将步骤S501得到的多个向量按照元素对应位置求平均值得到所述多个向量的平均向量，该平均向量即为所述唤醒词的第一语音唤醒模板。示例性的，两个向量分别为(1,6,7,10,5)和(3,4,9,2,7)，则这两个向量的平均向量为(2,5,8,6,6)。
步骤S204，根据所述第一语音唤醒模板得到标准语音唤醒模板；
可选的，在该步骤S204中，可以直接将所述第一语音唤醒模板作为标准语音唤醒模板。
在一些情况下，为了注册的准确性，会进行多次注册，在这些情况下：
可选的，在所述步骤S204之前，还包括：
将第二待注册语音信号输入第一处理器；
所述第一处理器识别出所述第二待注册语音信号中包括唤醒词的部分第二待注册语音信号；
所述第一处理器根据所述部分第二待注册语音信号得到所述唤醒词的第二语音唤醒模板；
其中所述第二待注册语音信号和所述第一待注册语音信号为同一声音源的语音信号。
上述第二待注册语音信号和所述第一待注册语音信号为同一声音源如同一用户发出的语音信号，上述得到第二语音唤醒模板的过程与得到第一语音唤醒模板的过程相同，具体过程可以参见步骤S201-步骤S203的描述，在此不再赘述。在该实施例中，第一语音唤醒模板和第二语音唤醒模板为同一用户同一唤醒词的语音唤醒模板，此时，所述步骤S204包括：
计算所述第一语音唤醒模板和所述第二语音唤醒模板的平均语音唤醒模板得到所述标准语音唤醒模板。
所述平均语音唤醒模板的计算方式与上述平均向量的计算方式相同，在此不再赘述。另外，可以理解的是，上述实施例中只包括了唤醒词的两个语音唤醒模板，通过两个语音唤醒模板计算标准语音唤醒模板，但是实际上可以进行任意次数的上述过程得到唤醒词的多个语音唤醒模板，次数越多，标准模板由于第二语音唤醒模型所带来的误差就越小。
步骤S205，所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
在该步骤中，当得到唤醒词的标准语音唤醒模板之后，将所述标准语音唤醒模板发送到第二处理器中进行保存。这样在正常的语音唤醒流程中，第二处理器先接收到语音信号，在第二处理器的第一级唤醒阶段就进行唤醒判断和唤醒语音的声纹验证，可以极大的减少误唤醒的情况发生。
在注册阶段，主控芯片(第一处理器)在判断出语音中包括唤醒词的情况下，使用DSP(第二处理器)所使用的第二语音唤醒模型计算出DSP所使用的标准语音唤醒模板，并将该标准语音唤醒模板下发到DSP中，使得在第一级唤醒阶段就加入声纹的验证，以减少第一级唤醒阶段的误唤醒带来的主控芯片的功耗增加的问题。另外，在具体实现时，所述第二语音唤醒模型的量级可以比所述第一语音唤醒模型的量级小很多，其标准语音唤醒模板可以是将唤醒词所对应的帧分成多份计算平均值，这样比直接计算整个唤醒词所得到的标准语音唤醒模板要小很多，以适应DSP中存储空间较小、计算能力有限的问题。
本公开实施例公开了一种语音唤醒模板的获取方法、装置、电子设备和计算机可读存储介质。其中该语音唤醒模板的获取方法包括：将第一待注册语音信号输入第一处理器；所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；根据所述第一语音唤醒模板得到标准语音唤醒模板；所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。上述方法通过在唤醒词注册阶段计算唤醒词的唤醒模板并将所述唤醒模板下发至执行第一级唤醒的第二处理器，解决了现有技术中在误唤醒所带来的终端的功耗增加的技术问题。
图7为本公开实施例提供的语音唤醒方法实施例的流程图，本实施例提供的该语音唤醒方法可以由一语音唤醒装置来执行，该语音唤醒获取装置可以实现为软件，或者实现为软件和硬件的组合，该语音唤醒装置可以集成设置在语音唤醒系统中的某设备中，比如语音唤醒服务器或者语音唤醒终端设备中。如图7所示，该方法包括如下步骤：
步骤S701，将待识别语音信号输入第二处理器；
在实际使用时，用户发出语音，终端设备如智能手机的声音采集装置如麦克风接收到语音，将待识别的语音信号输入到第二处理器中，以使所述第二处理器执行第一级唤醒操作。
步骤S702，所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量；
可选的，所述步骤S702包括：
所述第二处理器将所述待识别语音信号的多个帧输入第二语音唤醒模型得到所述待识别语音信号所对应的多个向量；
响应于所述待识别语音信号中包括所述唤醒词，所述第二处理器从所述多个向量中选取所述唤醒词所对应的多个第一向量；
所述第二处理器计算所述多个第一向量的平均向量得到所述语音唤醒向量。
示例性的，在上述步骤中，所述待识别语音信号经过预处理之后得到的语音频谱图中的每一帧经过所述第二语音唤醒模型，通过第二语音唤醒模型的分类层得到所述待识别语音中是否包括唤醒词。在此过程中，需要缓存每一帧的向量。
当所述待识别语音信号中包括所述唤醒词时，截取包括唤醒词的部分待识别语音信号，其过程与上述步骤S202中相同，在此不再赘述。由此可以得到唤醒词在待识别语音中的起点和终点，则可以从缓存的多个向量得到唤醒词所对应的多个第一向量。
之后，所述第二处理器计算多个第一向量的平均向量得到待识别语音信号的语音唤醒向量。
步骤S703，响应于所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配，所述第二处理器将所述待识别语音信号输入第一处理器；
在该步骤中，所述第二处理器判断所述待识别语音信号的语音唤醒向量与标准语音唤醒模板是否匹配。示例性的，由于待识别语音信号的语音唤醒向量与标准语音唤醒模板为维度相同的向量，因此可以计算待识别语音信号的语音唤醒向量与标准语音唤醒模板的向量相似度，如果相似度大于预设阈值，则认为两者匹配。向量的相似度可以通过余弦距离、欧式距离、曼哈顿距离、汉明距离等等方式计算，在此不再赘述。所述标准唤醒模板为通过上述步骤S201-步骤S205中的方法得到的标准语音唤醒模板。
在所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配的情况下，将所述待识别语音信号输入第一处理器以进行第二级唤醒。
在上述步骤S703之后，还包括：所述第一处理器识别所述待识别语音信号中的唤醒词并对所述唤醒词的声纹进行识别。在该步骤中，所述第一处理器根据其自己的唤醒算法以及声纹验证算法识别所述待识别的唤醒词以及对其进行声纹验证以完成第二级唤醒。
上述语音唤醒方法，由于在第二处理器中存储有唤醒词的声纹信息，因此在第一级唤醒阶段就可以对唤醒词进行声纹验证，且其唤醒词的声纹信息就是其唤醒模型中所产生的向量，只需要计算向量的平均值并计算平均向量与标准语音唤醒模板的距离，没有增加太多的计算量，对第二处理器的计算能力要求不高，但是其增加了一个声纹验证的过程，减少了误唤醒的情况发生。其执行的过程如图8所示，待识别语音输入DSP中，进行第一级唤醒，经过DSP的唤醒算法确定包括唤醒词，则进一步计算唤醒词所对应的向量，并计算向量与标准语音唤醒模板的匹配度，当两者匹配，将待识别语音输入主控芯片中，主控芯片再根据主控唤醒算法和主控声纹认证进行第二级唤醒。
在上文中，虽然按照上述的顺序描述了上述方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。
图9为本公开实施例提供的语音唤醒模板的获取装置实施例的结构示意图，如图9所示，该装置900包括：输入模块901、唤醒词识别模块902、唤醒模板获取模块903、标准唤醒模板计算模块904和发送模块905。其中，
输入模块901，用于将第一待注册语音信号输入第一处理器；
唤醒词识别模块902，用于所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；
唤醒模板获取模块903，用于所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；
标准唤醒模板计算模块904，用于根据所述第一语音唤醒模板得到标准语音唤醒模板；
发送模块905，用于所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
进一步的，所述唤醒词识别模块902，还包括：
唤醒词获取模块，用于所述第一处理器将所述第一待注册语音信号输入第一语音唤醒模型得到唤醒词；
语音信号截取模块，用于所述第一处理器根据所述第一预处理语音信号以及所述唤醒词得到所述唤醒词所对应的部分第一待注册语音信号。
进一步的，所述唤醒模板获取模块903，还包括：
向量获取模块，用于所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量；
向量计算模块，用于所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板。
进一步的，所述向量获取模块，还用于：
所述第一处理器将所述部分第一待注册语音信号中的多个帧分别输入第二语音唤醒模型得到所述唤醒词所对应的多个向量，其中所述第二语音唤醒模型为所述第二处理器所使用的语音唤醒模型。
进一步的，所述向量计算模块，还用于：
所述第一处理器计算所述多个向量中的对应元素的平均值得到所述多个向量的平均向量作为所述第一语音唤醒模板。
进一步的，所述输入模块901，还用于：将第二待注册语音信号输入第一处理器；所述唤醒词识别模块902，还用于：所述第一处理器识别出所述第二待注册语音信号中包括唤醒词的部分第二待注册语音信号；所述唤醒模板获取模块903，还用于：所述第一处理器根据所述部分第二待注册语音信号得到所述唤醒词的第二语音唤醒模板；其中所述第二待注册语音信号和所述第一待注册语音信号为同一声音源的语音信号。
进一步的额，所述标准唤醒模板计算模块904，还用于：计算所述第一语音唤醒模板和所述第二语音唤醒模板的平均模板得到所述标准语音唤醒模板。
图9所示装置可以执行图1-图6所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图6所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图6所示实施例中的描述，在此不再赘述。
图10为本公开实施例提供的语音唤醒装置实施例的结构示意图，如图10所示，该装置1000包括：待识别语音输入模块1001、唤醒向量获取模块1002、和匹配模块1003。其中，
待识别语音输入模块1001，用于将待识别语音信号输入第二处理器；
唤醒向量获取模块1002，用于所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量；
匹配模块1003，用于响应于所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配，所述第二处理器将所述语音信号输入第一处理器；
其中，所述标准唤醒模板为通过上述语音唤醒模板的获取方法得到的标准语音唤醒模板。
进一步的，所述装置1000，还包括：
主控唤醒模块，用于所述第一处理器识别所述待识别语音信号中的唤醒词并对所述唤醒词的声纹进行识别。
进一步的，所述唤醒向量获取模块1002，还用于：
所述第二处理器将所述待识别语音信号的多个帧输入第二语音唤醒模型得到所述待识别语音信号所对应的多个向量；
响应于所述待识别语音信号中包括所述唤醒词，所述第二处理器从所述多个向量中选取所述唤醒词所对应的多个第一向量；
所述第二处理器计算所述多个第一向量的平均向量得到所述语音唤醒向量。
图10所示装置可以执行图7和图8所示实施例的方法，本实施例未详细描述的部分，可参考对图7和图8所示实施例的相关说明。该技术方案的执行过程和技术效果参见图7和图8所示实施例中的描述，在此不再赘述。
下面参考图11，其示出了适于用来实现本公开实施例的电子设备1100的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图11示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示，电子设备1100可以包括处理装置(例如中央处理器、图形处理器等)1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储装置1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中，还存储有电子设备1100操作所需的各种程序和数据。处理装置1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
通常，以下装置可以连接至I/O接口1105：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1106；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1107；包括例如磁带、硬盘等的存储装置1108；以及通信装置1109。通信装置1109可以允许电子设备1100与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备1100，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置1109从网络上被下载和安装，或者从存储装置1108被安装，或者从ROM 1102被安装。在该计算机程序被处理装置1101执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：将第一待注册语音信号输入第一处理器；所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；根据所述第一语音唤醒模板得到标准语音唤醒模板；所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种语音唤醒模板的获取方法，其特征在于，包括：
将第一待注册语音信号输入第一处理器；
所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；
所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；
根据所述第一语音唤醒模板得到标准语音唤醒模板；
所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
2.如权利要求1所述的语音唤醒模板的获取方法，其中，所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号，包括：
所述第一处理器将所述第一待注册语音信号输入第一语音唤醒模型得到唤醒词；
所述第一处理器根据所述第一预处理语音信号以及所述唤醒词得到所述唤醒词所对应的部分第一待注册语音信号。
3.如权利要求1所述的语音唤醒模板的获取方法，其中，所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板，包括：
所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量；
所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板。
4.如权利要求3所述的语音唤醒模板的获取方法，其中所述第一处理器根据部分第一待注册语音信号得到所述唤醒词所对应的多个向量，包括：
所述第一处理器将所述部分第一待注册语音信号中的多个帧分别输入第二语音唤醒模型得到所述唤醒词所对应的多个向量，其中所述第二语音唤醒模型为所述第二处理器所使用的语音唤醒模型。
5.如权利要求3所述的语音唤醒模板的获取方法，其中，所述第一处理器根据所述多个向量计算得到所述唤醒词的第一语音唤醒模板，包括：
所述第一处理器计算所述多个向量中的对应元素的平均值得到所述多个向量的平均向量作为所述第一语音唤醒模板。
6.如权利要求1所述的语音唤醒模板的获取方法，其中，在根据所述第一语音唤醒模板得到标准语音唤醒模板之前，还包括：
将第二待注册语音信号输入第一处理器；
所述第一处理器识别出所述第二待注册语音信号中包括唤醒词的部分第二待注册语音信号；
所述第一处理器根据所述部分第二待注册语音信号得到所述唤醒词的第二语音唤醒模板；
其中所述第二待注册语音信号和所述第一待注册语音信号为同一声音源的语音信号。
7.如权利要求6所述的语音唤醒模板的获取方法，其中，所述根据所述第一语音唤醒模板得到标准语音唤醒模板，包括：
计算所述第一语音唤醒模板和所述第二语音唤醒模板的平均模板得到所述标准语音唤醒模板。
8.一种语音唤醒方法，其特征在于，包括：
将待识别语音信号输入第二处理器；
所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量；
响应于所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配，所述第二处理器将所述待识别语音信号输入第一处理器；
其中，所述标准唤醒模板为通过上述权利要求1-7中的方法得到的标准语音唤醒模板。
9.如权利要求6所述的语音唤醒方法，其特征在于，还包括：
所述第一处理器识别所述待识别语音信号中的唤醒词并对所述唤醒词的声纹进行识别。
10.如权利要求6所述的语音唤醒方法，其特征在于，所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量，包括：
所述第二处理器将所述待识别语音信号的多个帧输入第二语音唤醒模型得到所述待识别语音信号所对应的多个向量；
响应于所述待识别语音信号中包括所述唤醒词，所述第二处理器从所述多个向量中选取所述唤醒词所对应的多个第一向量；
所述第二处理器计算所述多个第一向量的平均向量得到所述语音唤醒向量。
11.一种语音唤醒模板的获取装置，其特征在于，包括：
输入模块，用于将第一待注册语音信号输入第一处理器；
唤醒词识别模块，用于所述第一处理器识别出所述第一待注册语音信号中包括唤醒词的部分第一待注册语音信号；
唤醒模板获取模块，用于所述第一处理器根据所述部分第一待注册语音信号得到所述唤醒词的第一语音唤醒模板；
标准唤醒模板计算模块，用于根据所述第一语音唤醒模板得到标准语音唤醒模板；
发送模块，用于所述第一处理器将所述标准语音唤醒模板发送到第二处理器中。
12.一种语音唤醒装置，其特征在于，包括：
待识别语音输入模块，用于将待识别语音信号输入第二处理器；
唤醒向量获取模块，用于所述第二处理器根据所述待识别语音信号得到待识别语音信号的语音唤醒向量；
匹配模块，用于响应于所述待识别语音信号的语音唤醒向量与所述第二处理器中存储的标准语音唤醒模板匹配，所述第二处理器将所述语音信号输入第一处理器；
其中，所述标准唤醒模板为通过上述权利要求1-7中的方法得到的标准语音唤醒模板。
13.一种电子设备，包括：
存储器，用于存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，使得所述处理器运行时实现根据权利要求1-10中任意一项所述的方法。
14.一种非暂态计算机可读存储介质，用于存储计算机可读指令，当所述计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-10中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010117225.0A CN111326146A (zh) | 2020-02-25 | 2020-02-25 | 语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010117225.0A CN111326146A (zh) | 2020-02-25 | 2020-02-25 | 语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111326146A true CN111326146A (zh) | 2020-06-23 |
Family
ID=71169109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010117225.0A Pending CN111326146A (zh) | 2020-02-25 | 2020-02-25 | 语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111326146A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111883117A (zh) * | 2020-07-03 | 2020-11-03 | 北京声智科技有限公司 | 语音唤醒方法及装置 |
| CN112002320A (zh) * | 2020-08-10 | 2020-11-27 | 北京小米移动软件有限公司 | 语音唤醒方法、装置、电子设备和存储介质 |
| WO2022206602A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 语音唤醒方法、装置、存储介质及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108074575A (zh) * | 2017-12-14 | 2018-05-25 | 广州势必可赢网络科技有限公司 | 一种基于循环神经网络的身份验证方法及装置 |
| CN108766446A (zh) * | 2018-04-18 | 2018-11-06 | 上海问之信息科技有限公司 | 声纹识别方法、装置、存储介质及音箱 |
| CN108958810A (zh) * | 2018-02-09 | 2018-12-07 | 北京猎户星空科技有限公司 | 一种基于声纹的用户识别方法、装置及设备 |
| US20190088262A1 (en) * | 2017-09-19 | 2019-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
| CN110060693A (zh) * | 2019-04-16 | 2019-07-26 | Oppo广东移动通信有限公司 | 模型训练方法、装置、电子设备及存储介质 |
| CN110570873A (zh) * | 2019-09-12 | 2019-12-13 | Oppo广东移动通信有限公司 | 声纹唤醒方法、装置、计算机设备以及存储介质 |
-
2020
- 2020-02-25 CN CN202010117225.0A patent/CN111326146A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190088262A1 (en) * | 2017-09-19 | 2019-03-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
| CN108074575A (zh) * | 2017-12-14 | 2018-05-25 | 广州势必可赢网络科技有限公司 | 一种基于循环神经网络的身份验证方法及装置 |
| CN108958810A (zh) * | 2018-02-09 | 2018-12-07 | 北京猎户星空科技有限公司 | 一种基于声纹的用户识别方法、装置及设备 |
| CN108766446A (zh) * | 2018-04-18 | 2018-11-06 | 上海问之信息科技有限公司 | 声纹识别方法、装置、存储介质及音箱 |
| CN110060693A (zh) * | 2019-04-16 | 2019-07-26 | Oppo广东移动通信有限公司 | 模型训练方法、装置、电子设备及存储介质 |
| CN110570873A (zh) * | 2019-09-12 | 2019-12-13 | Oppo广东移动通信有限公司 | 声纹唤醒方法、装置、计算机设备以及存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111883117A (zh) * | 2020-07-03 | 2020-11-03 | 北京声智科技有限公司 | 语音唤醒方法及装置 |
| CN111883117B (zh) * | 2020-07-03 | 2024-04-16 | 北京声智科技有限公司 | 语音唤醒方法及装置 |
| CN112002320A (zh) * | 2020-08-10 | 2020-11-27 | 北京小米移动软件有限公司 | 语音唤醒方法、装置、电子设备和存储介质 |
| WO2022206602A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 语音唤醒方法、装置、存储介质及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021093449A1 (zh) | 基于人工智能的唤醒词检测方法、装置、设备及介质 | |
| CN111326146A (zh) | 语音唤醒模板的获取方法、装置、电子设备及计算机可读存储介质 | |
| JP2021196599A (ja) | 情報を出力するための方法および装置 | |
| CN108055617B (zh) | 一种麦克风的唤醒方法、装置、终端设备及存储介质 | |
| WO2019199742A1 (en) | Continuous detection of words and related user experience | |
| CN111883117B (zh) | 语音唤醒方法及装置 | |
| CN111683317B (zh) | 一种应用于耳机的提示方法、装置、终端及存储介质 | |
| CN112037792A (zh) | 一种语音识别方法、装置、电子设备及存储介质 | |
| CN113327610B (zh) | 一种语音唤醒方法、装置及设备 | |
| CN113192528B (zh) | 单通道增强语音的处理方法、装置及可读存储介质 | |
| CN112634872A (zh) | 语音设备唤醒方法及装置 | |
| CN110972112A (zh) | 地铁运行方向的确定方法、装置、终端及存储介质 | |
| CN111312223B (zh) | 语音分割模型的训练方法、装置和电子设备 | |
| CN108322770B (zh) | 视频节目识别方法、相关装置、设备和系统 | |
| CN113470646B (zh) | 一种语音唤醒方法、装置及设备 | |
| CN113889091A (zh) | 语音识别方法、装置、计算机可读存储介质及电子设备 | |
| CN112259076A (zh) | 语音交互方法、装置、电子设备及计算机可读存储介质 | |
| CN115798459B (zh) | 音频处理方法、装置、存储介质及电子设备 | |
| CN111128131A (zh) | 语音识别方法、装置、电子设备及计算机可读存储介质 | |
| CN112634904A (zh) | 热词识别方法、装置、介质和电子设备 | |
| CN116884402A (zh) | 语音转文本的方法、装置、电子设备及存储介质 | |
| CN115862604B (zh) | 语音唤醒模型训练及语音唤醒方法、装置及计算机设备 | |
| CN113488050B (zh) | 语音唤醒方法、装置、存储介质及电子设备 | |
| CN111276127A (zh) | 语音唤醒方法、装置、存储介质及电子设备 | |
| CN110750994A (zh) | 一种实体关系抽取方法、装置、电子设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200623 |