CN113808585A - 耳机唤醒方法、装置、设备以及存储介质 - Google Patents

耳机唤醒方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN113808585A
CN113808585A CN202110939705.XA CN202110939705A CN113808585A CN 113808585 A CN113808585 A CN 113808585A CN 202110939705 A CN202110939705 A CN 202110939705A CN 113808585 A CN113808585 A CN 113808585A
Authority
CN
China
Prior art keywords
voice
target
voice signal
earphone
word
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
Application number
CN202110939705.XA
Other languages
English (en)
Inventor
常镶石
陈轶博
罗天琦
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.)
Baidu Online Network Technology Beijing Co Ltd
Original Assignee
Baidu Online Network Technology Beijing 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 Baidu Online Network Technology Beijing Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Priority to CN202110939705.XA priority Critical patent/CN113808585A/zh
Publication of CN113808585A publication Critical patent/CN113808585A/zh
Pending legal-status Critical Current

Links

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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • 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
    • G10L15/26—Speech to text 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1041—Mechanical or electronic switches, or control elements
    • 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
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G10L2015/025—Phonemes, fenemes or fenones being the recognition units
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L2025/783—Detection of presence or absence of voice signals based on threshold decision

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Telephone Function (AREA)

Abstract

本公开提供了一种耳机唤醒方法、装置、设备以及存储介质，涉及电子设备唤醒领域，尤其涉及耳机唤醒领域。具体实现方案为：获取耳机采集到的语音信号；对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；对上述目标语音信号进行语音唤醒检测，得到目标唤醒词；基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。本公开解决了现有技术中长期运行耳机唤醒检测程序，影响耳机续航时长的技术问题。

Description

耳机唤醒方法、装置、设备以及存储介质
技术领域
本公开涉及电子设备唤醒技术领域，尤其涉及耳机唤醒领域。
背景技术
目前，在耳机唤醒领域，主要是通过C语言实现唤醒词检测模块，基于实时解码的方式检测唤醒词的音素组成。当实时解码结果符合预先储存的唤醒词特征时，调用语音助手唤醒程序；语音助手被唤醒后，开始语音交互，或者通过语音助手调用其他耳机功能。
但是，用户在使用真正无线立体声蓝牙耳机TWS时常常有户外使用的场景，因此耳机的续航和电量至关重要。实时解码并检测唤醒词组成，虽然可以方便地调用语音助手；但同时，长期运行的语音助手唤醒检测程序会占用功耗，严重影响耳机续航时长。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本公开提供了一种用于耳机唤醒的方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种耳机唤醒方法，包括：获取耳机采集到的语音信号；对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；对上述目标语音信号进行语音唤醒检测，得到目标唤醒词；基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。
可选的，对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，包括：采用上述耳机中的语音活动检测模块，对上述语音信号进行语音活动检测，确定上述语音信号是否包含上述语音活动；若上述语音信号包含上述语音活动，则确定上述语音信号属于上述目标语音信号。
可选的，采用上述耳机中的语音活动检测模块，对上述语音信号进行语音活动检测，确定上述语音信号是否包含上述语音活动，包括：采用上述语音活动检测模块计算上述语音信号的信号强度值；比较上述信号强度值与预设信号阀值的大小，其中，上述预设信号阀值是基于噪音信号的信号强度值预先确定的；若上述信号强度值大于上述预设信号阀值，则确定上述语音信号包含上述语音活动。
可选的，对上述目标语音信号进行语音唤醒检测，得到目标唤醒词，包括：采用上述耳机中的唤醒词检测模块，对上述目标语音信号进行文字检测，得到当前检测词；采用上述唤醒词检测模块检测上述当前检测词，得到上述当前检测词的第一组成音素和第一音素排列信息；依据上述第一组成音素和上述第一音素排列信息，确定上述当前检测词是否属于上述目标唤醒词，其中，上述目标唤醒词为具备预定的指示功能的唤醒词。
可选的，依据上述第一组成音素和上述第一音素排列信息，从上述当前检测词中选取上述目标唤醒词，包括：获取上述目标唤醒词对应的第二组成音素和第二音素排列信息；分别匹配上述第一组成音素和上述第二组成音素，以及上述第一音素排列信息和上述第二音素排列信息；在上述第一组成音素和上述第二组成音素，以及上述第一音素排列信息和上述第二音素排列信息均匹配成功的情况下，确定上述当前检测词属于上述目标唤醒词。
可选的，基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态，包括：基于上述目标唤醒词唤醒与上述耳机关联的语音助手；确定上述目标唤醒词对应的指示数据；采用上述语音助手依据上述指示数据对应控制上述耳机的工作状态。
可选的，采用上述语音助手依据上述指示数据对应控制上述耳机的工作状态，该步骤包括如下至少之一：采用上述语音助手依据开关指示数据控制上述耳机的开关状态；采用上述语音助手依据音量调整指示数据控制上述耳机调整音量大小；采用上述语音助手依据调用指示数据对应控制上述耳机调用关联的其他应用软件。
根据本公开的另一方面，提供了一种耳机，包括：语音活动检测模块，用于获取耳机采集到的语音信号，并对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；唤醒词检测模块，用于对上述目标语音信号进行语音唤醒检测，得到目标唤醒词，并基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。
根据本公开的另一方面，提供了一种耳机唤醒装置，包括：获取模块，用于获取耳机采集到的语音信号；确定模块，用于对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；检测模块，用于对上述目标语音信号进行语音唤醒检测，得到目标唤醒词；唤醒模块，用于基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行任一项上述的耳机唤醒方法。
根据本公开的另一方面，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，其中，上述计算机指令用于使上述计算机执行任一项上述的耳机唤醒方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现任一项上述的耳机唤醒方法。
在本公开实施例中，通过获取耳机采集到的语音信号；对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；对上述目标语音信号进行语音唤醒检测，得到目标唤醒词；基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态，达到了及时采集并检测语音信号，唤醒语音助手的目的，从而实现了明显降低耳机功耗，提高耳机的续航时间的技术效果，进而解决了现有技术中长期运行耳机唤醒检测程序，影响耳机续航时长的技术问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的耳机唤醒方法的步骤流程示意图；
图2是根据本公开第一实施例的语音活动检测示意图；
图3是根据本公开第一实施例的语音唤醒检测示意图；
图4是根据本公开第二实施例的一种耳机结构示意图；
图5是根据本公开第三实施例的耳机唤醒装置的结构示意图；
图6示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，为方便理解本公开实施例，下面将对本公开中所涉及的部分术语或名词进行解释说明：
语音信号：在复杂语音环境中提取到的有效语音信息。
语音活动检测：许多音频系统的重要组成部分，例如自动语音识别和说话者识别。在低信噪比(SNR)情况下，语音活动检测尤其具有挑战性，因为这种情况下语音会受到噪声的干扰。
语音唤醒：通过在设备或软件中预置唤醒词，当用户发出该语音指令时，设备便从休眠状态中被唤醒，并作出指定响应，大大提升了人机交互的效率。
实施例1
根据本公开实施例，提供了一种耳机唤醒方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本公开第一实施例的耳机唤醒方法的步骤流程示意图，如图1所示，该方法包括如下步骤：
步骤S102，获取耳机采集到的语音信号；
步骤S104，对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；
步骤S106，对上述目标语音信号进行语音唤醒检测，得到目标唤醒词；
步骤S108，基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。
可选的，本公开实施例所提供的耳机唤醒方法，在采集到上述语音信号后，先检测上述语音信号是否属于目标语音信号，上述目标语音信号可以包含上述语音活动；若属于目标语音信号则进行语音唤醒检测，即对于存在语音活动的信号，进行特定唤醒词的识别；上述语音唤醒检测完成后，得到上述目标唤醒词，并唤醒语音助手；对于不同的唤醒词，语音助手提供不同的交互，或者调用其他功能。
需要说明的是，上述语音信号是耳机在复杂的语音环境中提取有效的语音信息；上述耳机可以但不限于是蓝牙耳机，本公开实施例中也不限定耳机具体类型，可以是头戴式耳机、入耳式耳机、落地式耳机等；上述目标唤醒词可以但不限于包含“上一首”、“下一首”、“增大音量”、“降低音量”等。上述目标唤醒词可以在耳机生产是由厂家设定，也可以由用户根据自身喜好进行设定。本公开实施例所提供的耳机唤醒方法不仅仅可以适用于耳机唤醒，同样可以适用于任何可以进行语音操作的设备。
在一种可选的实施例中，对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，包括：
步骤S202，采用上述耳机中的语音活动检测模块，对上述语音信号进行语音活动检测，确定上述语音信号是否包含上述语音活动；
步骤S204，若上述语音信号包含上述语音活动，则确定上述语音信号属于上述目标语音信号。
可选的，在本公开实施例中，如图2所示的语音活动检测示意图中，在耳机采集到上述语音信号后，采用上述耳机中的语音活动检测模块，对上述语音信号进行语音活动检测，检测内容至少包括检测该语音信号中是否包含上述语音活动，可选的，检测内容还可以包括语音信号的来源是否术语该耳机用户等；若检测结果符合上述目标语音信号标准，则确定上述语音信号属于上述目标语音信号。
需要说明的是，上述目标语音信号标准不作具体限定，可以为是否包含必须内容，和/或是否来自于该耳机用户等。上述语音活动检测模块(voice activity detection,VAD)相较于现有技术中大部分语音助手唤醒检测程序，使用的功耗更低，能够延长耳机续航时间，提升用户体验。
在一种可选的实施例中，采用上述耳机中的语音活动检测模块，对上述语音信号进行语音活动检测，确定上述语音信号是否包含上述语音活动，包括：
步骤S302，采用上述语音活动检测模块计算上述语音信号的信号强度值；
步骤S304，比较上述信号强度值与预设信号阀值的大小，其中，上述预设信号阀值是基于噪音信号的信号强度值预先确定的；
步骤S306，若上述信号强度值大于上述预设信号阀值，则确定上述语音信号包含上述语音活动。
可选的，在本公开实施例中，上述语音活动检测模块VAD基于编程器件FPGA，使用可配置逻辑单元实时计算语音信号的强度；只有当语音信号的强度大于预设信号阀值时，或大于预设信号阀值一定倍数时，该段信号被标识为包含上述语音活动。
需要说明的是，上述预设信号阀值是基于噪音信号的信号强度值预先确定的；上述噪音信号的强度可以是在生产时由厂家进行设定，也可以是用户根据自身需要进行设定，还可以是根据实际所处环境耳机自动更改预设信号阀值大小。
在一种可选的实施例中，对上述目标语音信号进行语音唤醒检测，得到目标唤醒词，包括：
步骤S402，采用上述耳机中的唤醒词检测模块，对上述目标语音信号进行文字检测，得到当前检测词；
步骤S404，采用上述唤醒词检测模块检测上述当前检测词，得到上述当前检测词的第一组成音素和第一音素排列信息；
步骤S406，依据上述第一组成音素和上述第一音素排列信息，确定上述当前检测词是否属于上述目标唤醒词，其中，上述目标唤醒词为具备预定的指示功能的唤醒词。
可选的，在本公开实施例中，如图3所示的语音唤醒检测示意图中，在确认该段语音信号被标识为包含上述语音活动后，使用上述唤醒词检测模块，检测该段语音信号，得到上述当前检测词以及上述当前检测词的第一组成音素和第一音素排列信息，并确定上述当前检测词是否属于上述目标唤醒词。
需要说明的是，上述第一组成音素用于判断该段语音信号是否属于该耳机用户，上述第一音素排列信息用于判断该段语音信号是否包含上述目标唤醒词；上述目标唤醒词为具备预定的指示功能的唤醒词，可以用于唤醒或操作耳机。
在一种可选的实施例中，依据上述第一组成音素和上述第一音素排列信息，从上述当前检测词中选取上述目标唤醒词，包括：
步骤S502，获取上述目标唤醒词对应的第二组成音素和第二音素排列信息；
步骤S504，分别匹配上述第一组成音素和上述第二组成音素，以及上述第一音素排列信息和上述第二音素排列信息；
步骤S506，在上述第一组成音素和上述第二组成音素，以及上述第一音素排列信息和上述第二音素排列信息均匹配成功的情况下，确定上述当前检测词属于上述目标唤醒词。
可选的，当上述唤醒词检测模块检测上述当前检测词，得到上述当前检测词的第一组成音素和第一音素排列信息之后，获取上述目标唤醒词对应的第二组成音素和第二音素排列信息；并对上述第一组成音素和上述第二组成音素，以及上述第一音素排列信息和上述第二音素排列信息进行匹配，若匹配成功，则确定上述当前检测词属于上述目标唤醒词。
在本公开实施例中，上述第二组成音素和第二音素排列信息是由用户提前录入并设置的，用于与获取到的上述第一组成音素和上述第一音素排列信息进行匹配，以便于匹配成功后执行相应操作。
在一种可选的实施例中，基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态，包括：
步骤S602，基于上述目标唤醒词唤醒与上述耳机关联的语音助手；
步骤S604，确定上述目标唤醒词对应的指示数据；
步骤S606，采用上述语音助手依据上述指示数据对应控制上述耳机的工作状态。
在一种可选的实施例中，采用上述语音助手依据上述指示数据对应控制上述耳机的工作状态，该步骤包括如下至少之一：
步骤S702，采用上述语音助手依据开关指示数据控制上述耳机的开关状态；
步骤S704，采用上述语音助手依据音量调整指示数据控制上述耳机调整音量大小；
步骤S706，采用上述语音助手依据调用指示数据对应控制上述耳机调用关联的其他应用软件。
可选的，成功检测到上述目标唤醒词后，立即唤醒上述耳机关联的语音助手，并确定上述目标唤醒词对应的指示数据；上述语音助手依据上述指示数据对应控制上述耳机的工作状态，例如：切换歌曲、改变音量、暂停或播放以及调用关联的其他应用软件。
需要说明的是，上述与上述耳机关联的语音助手被唤醒后，会持续一段时间，该时间长度同样可以由厂家或用户设定；在该段时间内没有接收到指示数据则会自动关闭，若接收到上述指示数据则重新进行计时。
实施例2
根据本公开实施例，还提供了一种用于实施上述耳机唤醒方法的耳机，图4是根据本公开第二实施例的一种耳机结构示意图，如图4所示，上述耳机包括语音活动检测模块40、唤醒词检测模块42，其中，
语音活动检测模块40，用于获取耳机采集到的语音信号，并对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；唤醒词检测模块42，用于对上述目标语音信号进行语音唤醒检测，得到目标唤醒词，并基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。
可选的，上述语音活动检测模块(voice activity detection,VAD)相较于现有技术中大部分语音助手唤醒检测程序，使用的功耗更低，能够延长耳机续航时间，提升用户体验。因此使用功耗更低的硬件模块进行语音活动检测，在确认有语音活动存在后，再使用唤醒词检测模块，检测特定唤醒词。
实施例3
根据本公开实施例，还提供了一种用于实施上述耳机唤醒方法的装置实施例，图5是根据本公开第三实施例的耳机唤醒装置的结构示意图，如图5所示，上述耳机唤醒装置，包括：获取模块50、确定模块52、检测模块54和唤醒模块56，其中：
上述获取模块50，用于获取耳机采集到的语音信号；
上述确定模块52，用于对上述语音信号进行语音活动检测，确定上述语音信号是否属于目标语音信号，其中，上述目标语音信号为包含语音活动的语音信号；
上述检测模块54，用于对上述目标语音信号进行语音唤醒检测，得到目标唤醒词；
上述唤醒模块56，用于基于上述目标唤醒词唤醒与上述耳机关联的语音助手，以采用语音助手控制上述耳机的工作状态。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是，上述获取模块50、确定模块52、检测模块54和唤醒模块56对应于实施例1中的步骤S102至步骤S108，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
上述的耳机唤醒装置还可以包括处理器和存储器，上述获取模块50、确定模块52、检测模块54和唤醒模块56等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或者要求的本公开的实现。
如图6所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如方法获取耳机采集到的语音信号。例如，在一些实施例中，方法获取耳机采集到的语音信号可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的方法获取耳机采集到的语音信号的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法获取耳机采集到的语音信号。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (12)

1.一种耳机唤醒方法，包括：
获取耳机采集到的语音信号；
对所述语音信号进行语音活动检测，确定所述语音信号是否属于目标语音信号，其中，所述目标语音信号为包含语音活动的语音信号；
对所述目标语音信号进行语音唤醒检测，得到目标唤醒词；
基于所述目标唤醒词唤醒与所述耳机关联的语音助手，以采用语音助手控制所述耳机的工作状态。
2.根据权利要求1所述的方法，其中，对所述语音信号进行语音活动检测，确定所述语音信号是否属于目标语音信号，包括：
采用所述耳机中的语音活动检测模块，对所述语音信号进行语音活动检测，确定所述语音信号是否包含所述语音活动；
若所述语音信号包含所述语音活动，则确定所述语音信号属于所述目标语音信号。
3.根据权利要求2所述的方法，其中，采用所述耳机中的语音活动检测模块，对所述语音信号进行语音活动检测，确定所述语音信号是否包含所述语音活动，包括：
采用所述语音活动检测模块计算所述语音信号的信号强度值；
比较所述信号强度值与预设信号阀值的大小，其中，所述预设信号阀值是基于噪音信号的信号强度值预先确定的；
若所述信号强度值大于所述预设信号阀值，则确定所述语音信号包含所述语音活动。
4.根据权利要求1所述的方法，其中，对所述目标语音信号进行语音唤醒检测，得到目标唤醒词，包括：
采用所述耳机中的唤醒词检测模块，对所述目标语音信号进行文字检测，得到当前检测词；
采用所述唤醒词检测模块检测所述当前检测词，得到所述当前检测词的第一组成音素和第一音素排列信息；
依据所述第一组成音素和所述第一音素排列信息，确定所述当前检测词是否属于所述目标唤醒词，其中，所述目标唤醒词为具备预定的指示功能的唤醒词。
5.根据权利要求4所述的方法，其中，依据所述第一组成音素和所述第一音素排列信息，从所述当前检测词中选取所述目标唤醒词，包括：
获取所述目标唤醒词对应的第二组成音素和第二音素排列信息；
分别匹配所述第一组成音素和所述第二组成音素，以及所述第一音素排列信息和所述第二音素排列信息；
在所述第一组成音素和所述第二组成音素，以及所述第一音素排列信息和所述第二音素排列信息均匹配成功的情况下，确定所述当前检测词属于所述目标唤醒词。
6.根据权利要求1所述的方法，其中，基于所述目标唤醒词唤醒与所述耳机关联的语音助手，以采用语音助手控制所述耳机的工作状态，包括：
基于所述目标唤醒词唤醒与所述耳机关联的语音助手；
确定所述目标唤醒词对应的指示数据；
采用所述语音助手依据所述指示数据对应控制所述耳机的工作状态。
7.根据权利要求6所述的方法，其中，采用所述语音助手依据所述指示数据对应控制所述耳机的工作状态，该步骤包括如下至少之一：
采用所述语音助手依据开关指示数据控制所述耳机的开关状态；
采用所述语音助手依据音量调整指示数据控制所述耳机调整音量大小；
采用所述语音助手依据调用指示数据对应控制所述耳机调用关联的其他应用软件。
8.一种耳机，包括：
语音活动检测模块，用于获取耳机采集到的语音信号，并对所述语音信号进行语音活动检测，确定所述语音信号是否属于目标语音信号，其中，所述目标语音信号为包含语音活动的语音信号；
唤醒词检测模块，用于对所述目标语音信号进行语音唤醒检测，得到目标唤醒词，并基于所述目标唤醒词唤醒与所述耳机关联的语音助手，以采用语音助手控制所述耳机的工作状态。
9.一种耳机唤醒装置，包括：
获取模块，用于获取耳机采集到的语音信号；
确定模块，用于对所述语音信号进行语音活动检测，确定所述语音信号是否属于目标语音信号，其中，所述目标语音信号为包含语音活动的语音信号；
检测模块，用于对所述目标语音信号进行语音唤醒检测，得到目标唤醒词；
唤醒模块，用于基于所述目标唤醒词唤醒与所述耳机关联的语音助手，以采用语音助手控制所述耳机的工作状态。
10.一种电子设备，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1-7中任一项所述的耳机唤醒方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的耳机唤醒方法。
12.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的耳机唤醒方法。
CN202110939705.XA 2021-08-16 2021-08-16 耳机唤醒方法、装置、设备以及存储介质 Pending CN113808585A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110939705.XA CN113808585A (zh) 2021-08-16 2021-08-16 耳机唤醒方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110939705.XA CN113808585A (zh) 2021-08-16 2021-08-16 耳机唤醒方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN113808585A true CN113808585A (zh) 2021-12-17

Family

ID=78893812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110939705.XA Pending CN113808585A (zh) 2021-08-16 2021-08-16 耳机唤醒方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113808585A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023143544A1 (zh) * 2022-01-29 2023-08-03 深圳市九天睿芯科技有限公司 语音控制方法、装置、设备、介质及智能语音采集系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106782536A (zh) * 2016-12-26 2017-05-31 北京云知声信息技术有限公司 一种语音唤醒方法及装置
CN108735209A (zh) * 2018-04-28 2018-11-02 广东美的制冷设备有限公司 唤醒词绑定方法、智能设备及存储介质
CN108986822A (zh) * 2018-08-31 2018-12-11 出门问问信息科技有限公司 语音识别方法、装置、电子设备及非暂态计算机存储介质
CN109862178A (zh) * 2019-01-17 2019-06-07 珠海市黑鲸软件有限公司 一种可穿戴设备及其语音控制通信方法
CN110265036A (zh) * 2019-06-06 2019-09-20 湖南国声声学科技股份有限公司 语音唤醒方法、系统、电子设备及计算机可读存储介质
CN110830866A (zh) * 2019-10-31 2020-02-21 歌尔科技有限公司 一种语音助手唤醒方法、装置及无线耳机和存储介质
CN111429901A (zh) * 2020-03-16 2020-07-17 云知声智能科技股份有限公司 一种面向IoT芯片的多级语音智能唤醒方法及系统
CN112581960A (zh) * 2020-12-18 2021-03-30 北京百度网讯科技有限公司 语音唤醒方法、装置、电子设备及可读存储介质
CN113096651A (zh) * 2020-01-07 2021-07-09 北京地平线机器人技术研发有限公司 语音信号处理方法、装置、可读存储介质及电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106782536A (zh) * 2016-12-26 2017-05-31 北京云知声信息技术有限公司 一种语音唤醒方法及装置
CN108735209A (zh) * 2018-04-28 2018-11-02 广东美的制冷设备有限公司 唤醒词绑定方法、智能设备及存储介质
CN108986822A (zh) * 2018-08-31 2018-12-11 出门问问信息科技有限公司 语音识别方法、装置、电子设备及非暂态计算机存储介质
CN109862178A (zh) * 2019-01-17 2019-06-07 珠海市黑鲸软件有限公司 一种可穿戴设备及其语音控制通信方法
CN110265036A (zh) * 2019-06-06 2019-09-20 湖南国声声学科技股份有限公司 语音唤醒方法、系统、电子设备及计算机可读存储介质
CN110830866A (zh) * 2019-10-31 2020-02-21 歌尔科技有限公司 一种语音助手唤醒方法、装置及无线耳机和存储介质
CN113096651A (zh) * 2020-01-07 2021-07-09 北京地平线机器人技术研发有限公司 语音信号处理方法、装置、可读存储介质及电子设备
CN111429901A (zh) * 2020-03-16 2020-07-17 云知声智能科技股份有限公司 一种面向IoT芯片的多级语音智能唤醒方法及系统
CN112581960A (zh) * 2020-12-18 2021-03-30 北京百度网讯科技有限公司 语音唤醒方法、装置、电子设备及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023143544A1 (zh) * 2022-01-29 2023-08-03 深圳市九天睿芯科技有限公司 语音控制方法、装置、设备、介质及智能语音采集系统

Similar Documents

Publication Publication Date Title
CN107644642B (zh) 语义识别方法、装置、存储介质及电子设备
CN110225386B (zh) 一种显示控制方法、显示设备
CN111968644B (zh) 智能设备唤醒方法、装置及电子设备
CN109672775B (zh) 调节唤醒灵敏度的方法、装置及终端
CN112382279B (zh) 语音识别方法、装置、电子设备和存储介质
CN112767916A (zh) 智能语音设备的语音交互方法、装置、设备、介质及产品
CN113157240A (zh) 语音处理方法、装置、设备、存储介质及计算机程序产品
CN111261143B (zh) 一种语音唤醒方法、装置及计算机可读存储介质
CN113808585A (zh) 耳机唤醒方法、装置、设备以及存储介质
CN112767935B (zh) 唤醒指标监测方法、装置及电子设备
CN113903329A (zh) 语音处理方法、装置、电子设备及存储介质
CN113012695A (zh) 智能控制方法、装置、电子设备及计算机可读存储介质
CN113012682B (zh) 误唤醒率确定方法、装置、设备、存储介质和程序产品
CN114333017A (zh) 一种动态拾音方法、装置、电子设备及存储介质
CN115394304B (zh) 声纹判定方法、装置、系统、设备和存储介质
CN114356275A (zh) 交互控制方法、装置、智能语音设备及存储介质
CN114051057A (zh) 云设备排队时长的确定方法、装置、电子设备和介质
CN114121022A (zh) 语音唤醒方法、装置、电子设备以及存储介质
CN114221940A (zh) 音频数据处理方法、系统、装置、设备以及存储介质
CN110061813B (zh) 一种数据编码方法和解码方法、及相关装置
CN115312042A (zh) 用于处理音频的方法、装置、设备以及存储介质
CN113556649A (zh) 智能音箱的播报控制方法和装置
CN113038063B (zh) 用于输出提示的方法、装置、设备、介质和产品
CN113593619B (zh) 用于录制音频的方法、装置、设备和介质
CN115995231B (zh) 语音唤醒方法、装置、电子设备及可读存储介质

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