CN112071323B - 误唤醒样本数据的获取方法、装置和电子设备 - Google Patents

Abstract

本申请公开了一种误唤醒样本数据的获取方法、装置和电子设备，涉及语音技术领域。具体实现方案为：先获取由至少一个语音采集部件分别采集的至少一个不包括预设唤醒词的第一语音数据，并将至少一个第一语音数据分别输入到至少一个唤醒引擎，且将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中；响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据，实现了误唤醒样本数据的自动获取，与现有技术中采用人工方式获取误唤醒样本数据相比，有效地提高了误唤醒样本数据的获取效率。

Description

误唤醒样本数据的获取方法、装置和电子设备

技术领域

本申请涉及数据处理技术中的语音技术领域，尤其涉及一种误唤醒样本数据的获取方法、装置和电子设备。

背景技术

在驾驶车辆过程中，用户可以通过唤醒引擎，启动车机语音助手。为了减小车机语音助手误唤醒的概率，需要获取各种大量的误触发车机语音助手唤醒的误唤醒样本数据，再采用这些误唤醒样本数据进行引擎训练，从而降低车机语音助手误唤醒的概率。

现有技术中，在获取误唤醒样本数据时，是通过外部工具，例如人工嘴、喇叭等随机播放音频，通过车辆中麦克风采集外部工具播放的音频数据，并将采集到的音频数据保存到本地，然后再通过人工的方式从保存的音频数据中挑选出误唤醒样本数据。

但是，采用人工方式获取误唤醒样本数据，会导致误唤醒样本数据的获取效率较低。

发明内容

本申请实施例提供了一种误唤醒样本数据的获取方法、装置和电子设备，在获取误唤醒样本时，提高了误唤醒样本数据的获取效率。

根据本申请的第一方面，提供了一种误唤醒样本数据的获取方法，该误唤醒样本数据的获取方法可以包括：

获取由至少一个语音采集部件分别采集的至少一个第一语音数据，所述第一语音数据不包括预设唤醒词；

将所述至少一个第一语音数据分别输入到至少一个唤醒引擎；

根据所述至少一个第一语音数据和所述至少一个唤醒引擎的对应关系，将所述至少一个第一语音数据保存到与所述至少一个唤醒引擎分别对应的至少一个缓存队列中；

响应于监听到所述至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在所述至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据。

根据本申请的第一方面，提供了一种误唤醒样本数据的获取装置，该误唤醒样本数据的获取装置可以包括：

获取模块，用于获取由至少一个语音采集部件分别采集的至少一个第一语音数据，所述第一语音数据不包括预设唤醒词；

处理模块，用于将所述至少一个第一语音数据分别输入到至少一个唤醒引擎，并根据所述至少一个第一语音数据和所述至少一个唤醒引擎的对应关系，将所述至少一个第一语音数据保存到与所述至少一个唤醒引擎分别对应的至少一个缓存队列中；

所述处理模块，还用于响应于监听到所述至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在所述至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据。

根据本申请的第三方面，提供了一种电子设备，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，

所述存储器存储有可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上述第一方面所述的误唤醒样本数据的获取方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述第一方面所述的误唤醒样本数据的获取方法。

根据本申请的第五方面，提供了一种计算机程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行上述第一方面所述的误唤醒样本数据的获取方法。

根据本申请的技术方案，在获取误唤醒样本数据时，是先获取由至少一个语音采集部件分别采集的至少一个不包括预设唤醒词的第一语音数据，并将至少一个第一语音数据分别输入到至少一个唤醒引擎，且将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中；并对各唤醒引擎进行监听，响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据，实现了误唤醒样本数据的自动获取，与现有技术中采用人工方式获取误唤醒样本数据相比，有效地提高了误唤醒样本数据的获取效率。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例提供的误唤醒样本数据的获取方法的流程示意图；

图2为本申请实施例提供的一种获取误唤醒样本数据的框架示意图；

图3是根据本申请第三实施例提供的确定误唤醒样本数据的流程示意图；

图4是根据本申请第四实施例提供的误唤醒样本数据的获取装置的结构示意图；

图5是根据本申请实施例的误唤醒样本数据的获取方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本申请的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本申请的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。

本申请实施例提供的误唤醒样本数据的获取方法可以应用于唤醒车机语音助手的场景中。在驾驶车辆过程中，用户可以通过唤醒引擎，启动车机语音助手。为了减小车机语音助手误唤醒的概率，需要获取各种大量的误触发车机语音助手唤醒的误唤醒样本数据，再采用这些误唤醒样本数据进行引擎训练，从而降低车机语音助手误唤醒的概率。现有技术中，在获取误唤醒样本数据时，是通过外部工具，例如人工嘴、喇叭等随机播放音频，通过车辆中麦克风采集外部工具播放的音频数据，假设麦克风采集到了五个音频数据，则需要将该五个音频数据保存在本地，并依次播放该五个音频数据，在播放音频数据时，工作人员检测车机语音助手是否被唤醒，若在播放第二个音频数据时，车机语音助手被唤醒，则工作人员可以将该第二个音频数据确定为误唤醒样本数据。但是，采用人工方式筛选误唤醒样本数据，会导致误唤醒样本数据的获取效率较低。

为了提高误唤醒样本数据的获取效率，容易想到的技术方案为：在播放音频数据时，不再是工作人员检测车机语音助手是否被唤醒，而是通过车辆中的监控模块监听车机语音助手是否被唤醒，若在播放第二个音频数据时，车机语音助手被唤醒，则将该第二个音频数据确定为误唤醒样本数据。但是采用该方式，如果是多音区的情况，每个音区的单路数据还需要解交织，解析出来的数据再输入至唤醒引擎，再通过车辆中的监控模块监听车机语音助手是否被唤醒，从而根据监听结果判断是否为误唤醒样本数据，但是，由于解交织需要耗费一定的时间，因此，也会导致误唤醒样本数据的获取效率较低。

基于上述描述，为了提高误唤醒样本数据的获取效率，本申请实施例提供了一种误唤醒样本数据的获取方法，先获取由至少一个语音采集部件分别采集的至少一个第一语音数据，第一语音数据不包括预设唤醒词；并将至少一个第一语音数据分别输入到至少一个唤醒引擎；再根据至少一个第一语音数据和至少一个唤醒引擎的对应关系，将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中；响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据。

其中，预设唤醒词可以理解为真实用于唤醒唤醒引擎的唤醒词。示例的，预设唤醒词可以为“小度小度”，也可以为“小度同学”等，具体可以根据实际需要进行设置。示例的，语音采集部件可以为麦克风，或者具有麦克风功能的部件，具体可以根据实际需要进行设置。

示例的，至少一个的数量可以为1个，也可以为多个，具体可以根据实际需要进行设置，在此，对于至少一个的数量，本申请实施例不做进一步地限制。

可以理解的是，在本申请实施例中，语音采集部件、唤醒引擎以及缓存队列均为一一对应关系，即每一个语音采集部件对应有各自的唤醒引擎和缓存队列。在获取到某一个语音采集部件采集的不包括预设唤醒词的第一语音数据后，可以将该第一语音数据输入至该语音采集部件对应的唤醒引擎中，并将该第一语音数据保存至该唤醒引擎对应的缓存队列中。

在本申请实施例，语音采集部件之所以采集不包括预设唤醒词的第一语音数据，其原因在于：若第一语音数据中包括真实的预设唤醒词，则通过本申请提供的上述方案确定的误唤醒样本数据，并不一定是误唤醒样本数据，而有可能是真实的唤醒样本数据，因此，在通过本申请提供的上述方案获取误唤醒样本数据时，需要限定语音采集部件采集的第一语音数据中不包括预设唤醒词，这样确定出的误唤醒样本数据即为真实的误唤醒样本数据。若第一语音数据中包括真实的预设唤醒词，则为了使得确定出的误唤醒样本数据即为真实的误唤醒样本数据，可以进一步将通过本申请提供的上述方案确定的误唤醒样本数据转换为文本数据，并将该文本数据与包括预设唤醒词的预设文本数据进行匹配；若该文本数据与预设文本数据不匹配，则说明该误唤醒样本数据即为真实的误唤醒样本数据；若该文本数据与预设文本数据匹配，则说明该误唤醒样本数据为真实的唤醒样本数据，同样可以确定出误唤醒样本数据。

由此可见，本申请实施例提供的误唤醒样本数据的获取方法，在获取误唤醒样本数据时，是先获取由至少一个语音采集部件分别采集的至少一个不包括预设唤醒词的第一语音数据，并将至少一个第一语音数据分别输入到至少一个唤醒引擎，且将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中；并对各唤醒引擎进行监听，响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据，实现了误唤醒样本数据的自动获取，与现有技术中采用人工方式获取误唤醒样本数据相比，有效地提高了误唤醒样本数据的获取效率。

此外，在本申请实施例中，由于是通过至少一个语音采集部件，例如4个麦克风分别采集不包括预设唤醒词的4个第一个语音数据，4个语音采集部件各采集了一个语音数据，并将4个第一语音数据分别输入至4个语音采集部件各自对应的唤醒引擎中，再对各唤醒引擎进行监听，从而根据监听结果确定误唤醒样本数据；这样不仅实现了自动获取误唤醒样本数据，提高了误唤醒样本数据的获取效率；而且避免了在将4个第一语音数据分别输入至4个语音采集部件各自对应的唤醒引擎之前，对每个音区的单路数据进行解交织，节省了解交织的时间，从而进一步提高了误唤醒样本数据的获取效率。

下面，将通过具体的实施例对本申请提供的误唤醒样本数据的获取方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

实施例一

图1是根据本申请第一实施例提供的误唤醒样本数据的获取方法的流程示意图，该误唤醒样本数据的获取方法可以由软件和/或硬件装置执行，例如，该硬件装置可以为误唤醒样本数据的获取装置，该误唤醒样本数据的获取装置可以为终端。示例的，请参见图1所示，该误唤醒样本数据的获取方法可以包括：

S101、获取由至少一个语音采集部件分别采集的至少一个第一语音数据，第一语音数据不包括预设唤醒词。

其中，第一语音数据中未包括预设唤醒词，预设唤醒词可以理解为真实的用于唤醒唤醒引擎的唤醒词。示例的，预设唤醒词可以为“小度小度”，也可以为“小度同学”等，具体可以根据实际需要进行设置。

示例的，至少一个语音采集部件的数量可以为一个，也可以为多个，具体可以根据实际需要进行设置。在本申请实施例中，以至少一个语音采集部件的数量为四个为例，该四个语音采集部件分别为语音采集部件1、语音采集部件2、语音采集部件3以及语音采集部件4，由于每一个语音采集部件均会采集到第一语音数据，因此，通过语音采集部件1、语音采集部件2、语音采集部件3以及语音采集部件4，可以采集到四个第一语音数据，可参见图2所示，图2为本申请实施例提供的一种获取误唤醒样本数据的框架示意图，可通过语音采集部件1、语音采集部件2、语音采集部件3以及语音采集部件4同时采集第一语音数据，该四个语音采集部件采集的第一语音数据为同一第一语音数据，但因为不同的语音采集部件在车辆中所处的位置不同，因此，其实际采集到的语音数据可能为不同的语音数据，当然，也可能为相同的语音数据，在此，对于该四个麦克风实际采集到的语音数据是否相同，本申请实施例不做过多的限制。

可以理解的是，在获取由至少一个语音采集部件分别采集的至少一个第一语音数据之前，可以先获取大量的初始第一语音数据；并基于预设唤醒词，对该大量的初始第一语音数据进行筛选处理，从初始第一语音数据中剔除掉包括预设唤醒词的语音数据，得到第一语音数据，该第一语音数据中不包括预设唤醒词，并播放该第一语音数据，并在播放该第一语音数据时，通过至少一个语音采集部件分别采集的至少一个第一语音数据，这样可以避免因第一语音数据中包括真实的预设唤醒词，而导致确定出的误唤醒样本数据的准确度不高。对于该第一语音数据中为何不能包括预设唤醒词的原因，可参见上述语音采集部件采集不包括预设唤醒词的第一语音数据的原因中的相关描述，在此，本申请实施例不再进行赘述。

结合图2所示，在通过语音采集部件1、语音采集部件2、语音采集部件3以及语音采集部件4分别采集到不包括预设唤醒词的四个第一语音数据后，可以执行下述S102：

S102、将至少一个第一语音数据分别输入到至少一个唤醒引擎，并根据至少一个第一语音数据和至少一个唤醒引擎的对应关系，将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中。

其中，语音采集部件、唤醒引擎以及缓存队列均为一一对应关系，即每一个语音采集部件对应有各自的唤醒引擎和缓存队列。

结合图2所示，对于语音采集部件1、语音采集部件2、语音采集部件3以及语音采集部件4而言，每一个语音采集部件对应有各自的唤醒引擎和缓存队列。假设语音采集部件1对应的唤醒引擎为唤醒引擎1，对应的缓存队列为缓存队列1，语音采集部件2对应的唤醒引擎为唤醒引擎2，对应的缓存队列为缓存队列2，语音采集部件3对应的唤醒引擎为唤醒引擎3，对应的缓存队列为缓存队列3，语音采集部件4对应的唤醒引擎为唤醒引擎4，对应的缓存队列为缓存队列4，则语音采集部件1在采集到不包括预设唤醒词的第一语音数据后，将其采集到的第一语音数据输入至其对应的唤醒引擎1中，同时，将其采集到的第一语音数据保存至其对应的缓存队列1中；同理，语音采集部件2在采集到不包括预设唤醒词的第一语音数据后，将其采集到的第一语音数据输入至其对应的唤醒引擎2中，同时，将其采集到的第一语音数据保存至其对应的缓存队列2中；语音采集部件3在采集到不包括预设唤醒词的第一语音数据后，将其采集到的第一语音数据输入至其对应的唤醒引擎3中，同时，将其采集到的第一语音数据保存至其对应的缓存队列3中；语音采集部件4在采集到不包括预设唤醒词的第一语音数据后，将其采集到的第一语音数据输入至其对应的唤醒引擎4中，同时，将其采集到的第一语音数据保存至其对应的缓存队列4中。

可以理解的是，在本申请实施例中，将各语音采集部件采集到的第一语音数据输入至各语音采集部件对应的唤醒引擎中，其目的在于：可以对各语音采集部件对应的唤醒引擎进行监听，以确定是否存在唤醒引擎被启动，从而确定误唤醒样本数据；将各语音采集部件采集到的第一语音数据保存在对应的缓存队列中，其目的在于：可以将当前播放的第一语音数据暂时缓存在缓存队列中，当确定出当前播放的第一语音数据为误唤醒样本数据时，可以直接将保存在缓存队列中的该第一语音数据确定为误唤醒样本数据；并且，还可以将其从缓存队列中提取出来保存到本地，这样后续可以将其作为误唤醒样本数据，对唤醒引擎模型进行训练，从而得到优化后的唤醒引擎模型，后续在基于优化后的唤醒引擎模型唤醒唤醒引擎时，还可以降低唤醒引擎误唤醒的概率。

在将各语音采集部件采集到的第一语音数据输入至各语音采集部件对应的唤醒引擎中之后，就可以通过监控模块，例如控制芯片监听各个唤醒引擎的状态。

S103、响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据。

结合图2所示，在通过监控芯片监听唤醒引擎1、唤醒引擎2、唤醒引擎3以及唤醒引擎4这四个唤醒引擎的状态时，若监听到该四个唤醒引擎中存在至少一个目标唤醒引擎，例如唤醒引擎3被唤醒，则将唤醒引擎3对应的缓存队列3中唤醒唤醒引擎3的第二语音数据确定为误唤醒样本数据。

由此可见，本申请实施例中，在获取误唤醒样本数据时，是先获取由至少一个语音采集部件分别采集的至少一个不包括预设唤醒词的第一语音数据，并将至少一个第一语音数据分别输入到至少一个唤醒引擎，且将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中；并对各唤醒引擎进行监听，响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据，实现了误唤醒样本数据的自动获取，与现有技术中采用人工方式获取误唤醒样本数据相比，有效地提高了误唤醒样本数据的获取效率。此外，还可以避免在将4个第一语音数据分别输入至4个语音采集部件各自对应的唤醒引擎之前，对每个音区的单路数据进行解交织，节省了解交织的时间，从而进一步提高了误唤醒样本数据的获取效率。

基于上述图1所示的实施例一，在上述S103中，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据时，假设将某一个目标唤醒引擎对应的缓存队列中的第二语音数据确定为误唤醒样本数据时，由于实际包括误唤醒词的误唤醒样本数据可能仅为整个第二语音数据中的部分语音数据，若直接将整个第二语音数据确定为误唤醒样本数据，则后续在保存该误唤醒样本数据，或者采用该误唤醒样本数据，对现有的唤醒引擎模型进行训练时，会因为该误唤醒样本数据中包括较多的无效样本数据，导致误唤醒样本数据的数据量较大，因此，为了更准确地确定出有效的误唤醒样本数据，可以在该整个第二语音数据中筛选出包括误唤醒词的部分语音数据，并该部分语音数据确定为最终的误唤醒样本数据，可参见下述实施例二中的描述。

实施例二

在整个第二语音数据中筛选包括误唤醒词的部分语音数据时，可以通过音频回溯算法，在第二语音数据中确定出目标唤醒引擎在第一时刻被唤醒时的前N秒语音数据，并将第二语音数据中以第一时刻为终止时刻的前N秒语音数据确定为误唤醒样本数据，从而得到准确的误唤醒样本数据；这样后续在本地保存误唤醒样本数据时，只需要将第二语音数据中以第一时刻为终止时刻的前N秒语音数据存储到本地即可，与将整个第二语音数据保存在本地相比，有效地减少了需要保存的数据量，从而在一定程度上降低了语音数据占用的本地存储空间。此外，在将该第二语音数据中以第一时刻为终止时刻的前N秒语音数据作为误唤醒样本数据训练唤醒引擎模型时，与将整个第二语音数据作为误唤醒样本数据训练唤醒引擎模型相比，有效地减少了训练时需要处理的数据量，从而提高了唤醒引擎模型的训练效率。其中，N大于或等于1。

可以理解的是，获取误唤醒样本数据的目的通常是为了训练唤醒引擎模型，优化唤醒引擎模型，从而降低唤醒引擎误唤醒的概率。但在实际训练过程中，虽然存在有些误唤醒词唤醒了唤醒引擎，但是无需将包括该误唤醒词的语音数据作为误唤醒样本数据唤醒引擎模型，因此，为了提高获取到的误唤醒样本数据的准确度，在上述实施例二中，在将第二语音数据中以第一时刻为终止时刻的前N秒语音数据确定为误唤醒样本数据之前，需要对该前N秒语音数据做进一步地判断，可参见下述实施例三。

实施例三

图3是根据本申请第三实施例提供的确定误唤醒样本数据的流程示意图，该确定误唤醒样本数据的方法同样可以由软件和/或硬件装置执行，例如，该硬件装置可以为误唤醒样本数据的获取装置，该误唤醒样本数据的获取装置可以为终端。示例的，请参见图3所示，该确定误唤醒样本数据的方法可以包括：

S301、分别确定至少一个第二语音数据中以第一时刻为终止时刻的前N秒数据对应的至少一个误唤醒词，并分别计算至少一个误唤醒词对应的误唤醒率；其中，误唤醒率用于指示误唤醒词在单位时间内的误唤醒频率。

其中，误唤醒率用于指示误唤醒词在单位时间内的误唤醒频率。

示例的，若控制芯片监听到存在少一个目标唤醒引擎被唤醒，假设一个目标唤醒引擎被唤醒，则可以通过音频回溯算法，在该目标唤醒引擎对应的缓存队列中的第二语音数据中确定出目标唤醒引擎被唤醒时的前N秒语音数据；在确定出目标唤醒引擎被唤醒时的前N秒语音数据后，在该前N秒语音数据中确定出唤醒目标唤醒引擎的唤醒词，作为该前N秒语音数据对应的误唤醒词；再计算该误唤醒词对应的误唤醒率，从而根据该误唤醒词对应的误唤醒率，确定是否将该前N秒语音数据确定为误唤醒样本数据。

S302、若至少一个误唤醒词中，存在目标唤醒词对应的误唤醒率大于或等于预设阈值，则将目标唤醒词对应的第二语音数据中的前N秒语音数据确定为误唤醒样本数据。

其中，预设阈值可以根据实际需要进行设置，在此，对于预设阈值的取值，本申请实施例不做具体限制。

在计算得到误唤醒词对应的误唤醒率后，若该误唤醒词对应的误唤醒率大于或等于预设阈值，则将前N秒语音数据确定为误唤醒样本数据；相反的，若该误唤醒词对应的误唤醒率小于预设阈值，则将目标唤醒词对应的第二语音数据中的前N秒语音数据确定为非误唤醒样本数据，因此，后续无需将该非误唤醒样本数据保存在本地，也无需采用该非误唤醒样本数据训练唤醒引擎模型。

由此可见，本申请实施例中，在将上述实施例二中的第二语音数据中以第一时刻为终止时刻的前N秒语音数据确定为误唤醒样本数据时，还可以进一步确定第二语音数据中以第一时刻为终止时刻的前N秒语音数据对应的误唤醒词，并计算误唤醒词对应的误唤醒率；若误唤醒词对应的误唤醒率大于或等于预设阈值，则将前N秒语音数据确定为误唤醒样本数据，不仅实现了自动获取误唤醒样本数据，有效地提高了误唤醒样本数据的获取效率；而且通过计算误唤醒词对应的误唤醒率，并采用误唤醒率做进一步地判断，还可以提高确定出的误唤醒样本数据的准确度。

实施例四

图4是根据本申请第四实施例提供的误唤醒样本数据的获取装置40的结构示意图，示例的，请参见图4所示，该误唤醒样本数据的获取装置40可以包括：

获取模块401，用于获取由至少一个语音采集部件分别采集的至少一个第一语音数据，第一语音数据不包括预设唤醒词。

处理模块402，用于将至少一个第一语音数据分别输入到至少一个唤醒引擎，并根据至少一个第一语音数据和至少一个唤醒引擎的对应关系，将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中。

处理模块402，还用于响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据。

可选的，处理模块402，具体用于响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎在第一时刻被唤醒，将至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据中以第一时刻为终止时刻的前N秒语音数据确定为误唤醒样本数据；其中，N大于或等于1。

可选的，处理模块402，具体用于分别确定至少一个第二语音数据中以第一时刻为终止时刻的前N秒数据对应的至少一个误唤醒词；并分别计算至少一个误唤醒词对应的误唤醒率；其中，误唤醒率用于指示误唤醒词在单位时间内的误唤醒频率；若至少一个误唤醒词中，存在目标唤醒词对应的误唤醒率大于或等于预设阈值，则将目标唤醒词对应的第二语音数据中的前N秒语音数据确定为误唤醒样本数据。

可选的，处理模块402，还用于采用误唤醒样本数据，对唤醒引擎模型进行训练，得到优化后的唤醒引擎模型。

可选的，该误唤醒样本数据的获取装置40还包括播放模块403。

处理模块402，还用于获取初始第一语音数据；并基于预设唤醒词，从初始第一语音数据中剔除包括预设唤醒词的语音数据，得到第一语音数据。

播放模块403，用于播放第一语音数据。

可选的，处理模块402，还用于将至少一个第二语音数据中以第一时刻为终止时刻的前N秒语音数据存储到本地。

本申请实施例提供的误唤醒样本数据的获取装置40，可以执行上述任一实施例中的误唤醒样本数据的获取方法的技术方案，其实现原理以及有益效果与误唤醒样本数据的获取方法的实现原理及有益效果类似，可参见误唤醒样本数据的获取方法的实现原理及有益效果，此处不再进行赘述。

本申请还提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案，其实现原理以及有益效果与误唤醒样本数据的获取方法的实现原理及有益效果类似，可参见误唤醒样本数据的获取方法的实现原理及有益效果，此处不再进行赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，图5是根据本申请实施例的误唤醒样本数据的获取方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的误唤醒样本数据的获取方法。本申请的非瞬时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本申请所提供的误唤醒样本数据的获取方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的误唤醒样本数据的获取方法对应的程序指令/模块(例如，附图4所示的获取模块401、处理模块402和播放模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的误唤醒样本数据的获取方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据误唤醒样本数据的获取方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至误唤醒样本数据的获取方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

误唤醒样本数据的获取方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与误唤醒样本数据的获取方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算机程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算机程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，在获取误唤醒样本数据时，是先获取由至少一个语音采集部件分别采集的至少一个不包括预设唤醒词的第一语音数据，并将至少一个第一语音数据分别输入到至少一个唤醒引擎，且将至少一个第一语音数据保存到与至少一个唤醒引擎分别对应的至少一个缓存队列中；并对各唤醒引擎进行监听，响应于监听到至少一个唤醒引擎中的至少一个目标唤醒引擎被唤醒，将保存在至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据确定为误唤醒样本数据，实现了误唤醒样本数据的自动获取，与现有技术中采用人工方式获取误唤醒样本数据相比，有效地提高了误唤醒样本数据的获取效率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (8)

1.一种误唤醒样本数据的获取方法，所述方法包括：

获取初始语音数据；

基于预设唤醒词，从所述初始语音数据中剔除包括所述预设唤醒词的语音数据，得到第一语音数据；

播放所述第一语音数据；

获取由至少一个语音采集部件分别采集的至少一个第一语音数据；所述至少一个语音采集部件中不同的语音采集部件在车辆中所处的位置不同；

将所述至少一个第一语音数据分别输入到至少一个唤醒引擎；

根据所述至少一个第一语音数据和所述至少一个唤醒引擎的对应关系，将所述至少一个第一语音数据保存到与所述至少一个唤醒引擎分别对应的至少一个缓存队列中；

响应于监听到所述至少一个唤醒引擎中的至少一个目标唤醒引擎在第一时刻被唤醒，分别确定所述至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据中以所述第一时刻为终止时刻的前N秒语音数据对应的至少一个误唤醒词；其中，N大于或等于1；

分别计算所述至少一个误唤醒词对应的误唤醒率；其中，所述误唤醒率用于指示所述误唤醒词在单位时间内的误唤醒频率；

若所述至少一个误唤醒词中，存在目标唤醒词对应的误唤醒率大于或等于预设阈值，则将所述目标唤醒词对应的第二语音数据中的前N秒语音数据确定为误唤醒样本数据。

2.根据权利要求1所述的方法，所述方法还包括：

采用所述误唤醒样本数据，对唤醒引擎模型进行训练，得到优化后的唤醒引擎模型。

3.根据权利要求1所述的方法，所述方法还包括：

将所述至少一个第二语音数据中以所述第一时刻为终止时刻的前N秒语音数据存储到本地。

4.一种误唤醒样本数据的获取装置，所述装置包括：

处理模块，用于获取初始语音数据；并基于预设唤醒词，从所述初始语音数据中剔除包括所述预设唤醒词的语音数据，得到第一语音数据；

播放模块，用于播放所述第一语音数据；

获取模块，用于获取由至少一个语音采集部件分别采集的至少一个第一语音数据；所述至少一个语音采集部件中不同的语音采集部件在车辆中所处的位置不同；

所述处理模块，还用于将所述至少一个第一语音数据分别输入到至少一个唤醒引擎，并根据所述至少一个第一语音数据和所述至少一个唤醒引擎的对应关系，将所述至少一个第一语音数据保存到与所述至少一个唤醒引擎分别对应的至少一个缓存队列中；

所述处理模块，还用于响应于监听到所述至少一个唤醒引擎中的至少一个目标唤醒引擎在第一时刻被唤醒，分别确定所述至少一个目标唤醒引擎对应的至少一个缓存队列中的至少一个第二语音数据中以所述第一时刻为终止时刻的前N秒语音数据对应的至少一个误唤醒词；其中，N大于或等于1；

分别计算所述至少一个误唤醒词对应的误唤醒率；其中，所述误唤醒率用于指示所述误唤醒词在单位时间内的误唤醒频率；

若所述至少一个误唤醒词中，存在目标唤醒词对应的误唤醒率大于或等于预设阈值，则将所述目标唤醒词对应的第二语音数据中的前N秒语音数据确定为误唤醒样本数据。

5.根据权利要求4所述的装置，

所述处理模块，还用于采用所述误唤醒样本数据，对唤醒引擎模型进行训练，得到优化后的唤醒引擎模型。

6.根据权利要求4所述的装置，

所述处理模块，还用于将所述至少一个第二语音数据中以所述第一时刻为终止时刻的前N秒语音数据存储到本地。

7.一种电子设备，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，

所述存储器存储有可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权利要求1-3中任一项所述的误唤醒样本数据的获取方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的误唤醒样本数据的获取方法。

Images