CN117935841A - 一种车载声纹唤醒方法、装置、电子设备及存储介质 - Google Patents
一种车载声纹唤醒方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117935841A CN117935841A CN202311738072.1A CN202311738072A CN117935841A CN 117935841 A CN117935841 A CN 117935841A CN 202311738072 A CN202311738072 A CN 202311738072A CN 117935841 A CN117935841 A CN 117935841A
- Authority
- CN
- China
- Prior art keywords
- voiceprint
- wake
- vehicle
- network
- data
- 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 61
- 238000012549 training Methods 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000002618 waking effect Effects 0.000 claims abstract description 9
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 15
- 230000005236 sound signal Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 14
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
Abstract
本发明实施例公开了一种车载声纹唤醒方法、装置、电子设备及存储介质。该方法包括:构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。采用本方案,将声纹识别网络和语音唤醒网络在算法层面进行融合,构建一个声纹唤醒网络,减少因短语句降低声纹提取网络性能的影响;针对车载场景对车载噪声进行增强,以提高模型的鲁棒性。
Description
技术领域
本发明实施例涉及语音处理技术领域,尤其涉及一种车载声纹唤醒方法、装置、电子设备及存储介质。
背景技术
目前的声纹唤醒的解决方案大多是将这个任务分解为两个单独的任务:声纹识别和语音唤醒任务。对每一个任务单独构建网络,单独训练,得到单独的模型,最后将各自模型的结果进行联合完成任务需求。
但是声纹的提取需要足够多的音频信息,多是大于3s的音频数据,声纹唤醒场景下由于唤醒词的长度短,因此往往音频的长度只有1s左右,达不到单独声纹提取网络的要求,造成声纹唤醒整体的性能低下;另外,在车载这个特定的场景下,语音环境复杂,包含多种噪声,常规的数据集无法覆盖此场景,会造成训练得到的网络在实际应用中达不到很好的性能
发明内容
本发明实施例提供一种车载声纹唤醒方法、装置、电子设备及存储介质,以将声纹提取和语音唤醒两个任务在网络和算法的层面联合,使声纹唤醒模型具有唯一的结果,提高模型的准确率。
第一方面,本发明实施例提供了一种车载声纹唤醒方法,包括:
构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;
获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;
采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。
第二方面,本发明实施例还提供了一种车载声纹唤醒装置,包括:
信息构建模块,用于构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;
车载噪声增强模块,用于获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;
车载声纹唤醒模块,用于采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的车载声纹唤醒方法。
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本发明任意实施例所述的车载声纹唤醒方法。
本发明实施例提供了一种车载声纹唤醒方法、装置、电子设备和存储介质,通过构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。采用本发明实施例的技术方案,将声纹识别网络和语音唤醒网络在算法的层面进行组合,构建一个可以进行同时联合训练的声纹唤醒网络,声纹唤醒网络的输出结果即为声纹唤醒的最终结果,减少因短语句降低声纹提取网络性能的影响;针对车载场景下噪声复杂的语音环境影响,设计了一种针对车载场景下的车载噪声增强方法,在声纹唤醒网络训练时能够学习到对于噪声的鲁棒性,提高声纹唤醒网络模型的性能。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例中提供的一种车载声纹唤醒方法的流程示意图;
图2是本发明实施例中提供的一种声纹唤醒网络构建的结构示意图;
图3是本发明实施例中提供的另一种车载声纹唤醒方法的流程示意图;
图4是本发明实施例中提供的一种声波注册结构示意图;
图5是本发明实施例中提供的一种声纹唤醒结构示意图;
图6是本发明实施例中提供的一种车载声纹唤醒装置的结构示意图;
图7是本发明实施例中提供的一种电子设备的结构示意图。
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。
在更加详细地讨论示例性实施例之前,应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
其中,本申请技术方案中对数据的获取、存储、使用以及处理等均符合国家法律法规的相关规定。
图1是本发明实施例中提供的一种车载声纹唤醒方法的流程图,本实施例可适用于车载声纹唤醒的情况,本实施例的方法可以由车载声纹唤醒装置来执行,该装置可以采用硬件和/或软件的方式来实现。该装置可以配置于车载声纹唤醒的服务器中。该方法具体包括如下步骤:
S110、构建声纹唤醒数据集以及声纹唤醒网络。
其中,声纹唤醒技术是一种基于声音特征识别和语音信号处理的技术,旨在通过分析和识别个体的声音特征,实现对其身份的识别和唤醒。声纹唤醒技术在声纹提取和语音唤醒技术的基础上进行了进一步的研究和应用。它通过识别个体的声音特征,实现对其身份的识别和唤醒。在实际应用中,声纹唤醒技术可以用于个人设备的解锁、智能助理的唤醒、语音指令的识别等场景,提供更加便捷和安全的用户体验。
现有的声纹唤醒技术大多是将声纹提取和语音唤醒作为两个单独的任务并行进行,再对其结果进行联合,但是声纹唤醒场景下音频的长度通常达不到单独声纹提取功能所需的长度,不适应实际场景的性能需求。因此,本发明实施例中构建了一种声纹唤醒网络,所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的。
作为一种可选的但非限定性的实现方式,所述声纹唤醒数据集包括若干个音频数据,每个音频数据由短语句构成且每个音频数据的文本信息一致。
其中,本发明实施例中构建一个基于短语句的声纹唤醒数据集,所述声纹唤醒数据集包含若干个音频数据,所述音频数据为特定的唤醒词,且每个音频数据对应的文本一致。例如,所述音频数据是由发声者直接发出语音获取的,所述发声者的数量不少于2000个,且由每个发声者发出的音频数据不少于200,每个音频数据的数据长度不长于2S。基于短语句的声纹唤醒数据集能够训练声纹唤醒网络,从而获得声纹唤醒的结果,发声者的数量决定了整体声纹唤醒网络的性能,因此,发声者数量越多越好。
作为一种可选的但非限定性的实现方式,所述构建声纹唤醒网络,包括但不限于步骤A1-A2:
步骤A1:构建声纹识别网络以及语音唤醒网络。
步骤A2:通过全连接层将声纹识别网络与语音唤醒网络的输出在网络层面进行拟合,构建声纹唤醒网络。
其中,如图2所示,本发明实施例搭建了一个声纹唤醒网络,在网络层面将声纹识别网络与语音唤醒网络进行联合。声纹是指每个人独特的声音特征,就像指纹一样可以用来识别个体身份的一种生物特征。声纹识别技术利用人的声音特征进行身份验证或辨识,通过分析和比对声音的频率、幅度、共振等特征,来确定声音的来源是否为某个特定的个体。声纹识别网络可以由能够提取时序特征的网络构成,包括但不限于LSTM网络、TDNN网络以及x-vector网络。
语音唤醒是一种技术,语音唤醒允许用户通过语音命令来唤醒设备或应用程序。语音唤醒基于语音识别和语音处理技术,通过识别特定的唤醒词或短语,将设备从待机或休眠状态唤醒,以便进行后续的语音交互。在本发明实施例的一种可选方案中,系统需要实时监听用户的语音输入,并通过声学模型和语言模型判断是否出现了预先设定的唤醒词或短语。当系统检测到唤醒词时,会触发设备的唤醒功能,使其从待机或休眠状态转为活跃状态。语音唤醒网络可以由包括但不限于mdtc网络以及tcn网络等网络构成。
本发明实施例提供的声纹唤醒网络中,输入为音频信号、声纹识别网络和语音唤醒网络,将声纹识别网络以及语音唤醒网络的输出由一个全连接层连接,最后输出声纹唤醒的结果。将声纹提取和语音唤醒两个任务在网络和算法的层面联合,进行联合训练,使声纹唤醒网络具有唯一的结果,提高网络模型的准确率。
S120、获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强。
其中,如图3所示,在搭建基于短语句的声纹唤醒数据集以及声纹唤醒网络后,本发明实施例还对声纹唤醒数据集中的车载噪声进行增强,以提高模型的噪声鲁棒性。
作为一种可选的但非限定性的实现方式,获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强,包括但不限于步骤B1-B4:
步骤B1:获取不同车型以及不同行驶速度下的第一车载噪声数据。
步骤B2:将所述第一车载噪声数据进行频谱分析,确定频谱分析结果并根据频谱分析结果确定噪声来源。
步骤B3:依据所述噪声来源以及频谱分析结果确定能够模拟第一车载噪声数据的目标音源。
步骤B4:采用目标音源模拟发出第二车载环境噪声,并将所述第二车载环境噪声添加至声纹唤醒数据集中,对声纹唤醒数据集中的车载噪声数据进行车载噪声增强。
其中,本发明实施例中对构建的声纹唤醒数据集进行增强,通过获取车载场景下噪声的模拟能力,在能够对车载场景下的环境噪声进行模型后,将噪声随机添加至已有的声纹唤醒数据集中,以对声纹唤醒数据集中的车载噪声数据进行车载噪声增强。
可选的,获取车载场景下噪声的模拟能力步骤包括但不限于:噪声数据采集、分析噪声频谱、确定可能的噪声源、设计声学实验室、模拟车载噪声以及控制噪声参数。具体步骤为:采集不同车型和不同速度下的车辆噪声数据,可以使用专业的测量设备,如声级计或麦克风,将车辆在不同行驶速度下的噪声进行记录。将收集到的车辆噪声数据进行频谱分析,以确定噪声的频率分布和特征,这可以通过使用声学分析软件或专业的频谱分析仪器来完成。根据分析结果,确定车辆噪声的主要源,如发动机噪声、风噪声以及轮胎噪声等。设计具备合适的空间和设备,以模拟车辆运行时的噪声环境。根据分析结果和噪声源的特征,选择合适的音源来模拟车载噪声。根据实际情况,调整音源的音量、频率和时域特征,以准确模拟车辆噪声环境。
其中,本发明实施例中采用梅尔频谱对车载噪声数据进行频谱分析,梅尔频谱是一种音频的特征。将车载噪声数据进行分帧、加窗,进行快速傅里叶变换得到频谱后,再通过梅尔刻度设计的三角形滤波器组得到梅尔频谱。在智能语音算法中,一般先提取车载噪声数据的梅尔频谱特征,再将其输入网络中进行训练,这样有助于减少计算负担。
本发明实施例中通过将车载场景下的噪声添加至预先构建的声纹唤醒数据集中,对声纹唤醒数据集中的车载噪声数据进行车载噪声增强,提高了声纹唤醒网络模型的噪声鲁棒性。
S130、采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。
其中,在对声纹唤醒数据集中的车载噪声数据进行车载噪声增强后,采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行模型训练,得到目标声纹唤醒网络,并通过所述目标声纹唤醒网络对车辆进行车载声纹唤醒。
作为一种可选的但非限定性的实现方式,所述采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,包括但不限于步骤C1-C2:
步骤C1:将采用车载噪声增强后的声纹唤醒数据集进行划分,得到训练集以及测试集。
步骤C2:采用训练集对预先构建的声纹唤醒网络进行模型训练,并采用验证集对训练完成的声纹唤醒网络进行验证,得到目标声纹唤醒网络。
其中,本发明实施例中对搭建的声纹唤醒网络进行训练,得到目标声纹唤醒网络的模型。将获得的声纹唤醒数据集分为划分为训练集和测试集(例如,比例为8:2),训练时采用的损失函数可以为任何一个针对分类任务的损失函数。在本发明实施例中,声纹识别网络和语音唤醒网络是通过一个全连接层进行连接,从而能够同时进行训练得到声纹唤醒的结果,因此不采用声纹提取和语音唤醒单独的评价指标,而是采用一个统一的指标判断。本发明实施例中搭建的声纹唤醒网络实际上将声纹提取和语音唤醒结合成了一个二分类任务,因此这个指标为分类准确率。
作为一种可选的但非限定性的实现方式,所述采用所述目标声纹唤醒网络对车载声纹进行唤醒,包括但不限于步骤D1-D2:
步骤D1:获取预先注册的声纹数据以及音频信号。
步骤D2:将所述音频信号与声纹数据进行匹配,确定目标声纹数据,并采用目标声纹数据对车辆进行车载声纹唤醒。
其中,在训练得到了声纹唤醒网络之后,构建声纹唤醒系统对此网络模型进行使用。首先要对指定的用户在语音唤醒时进行身份的验证,需要对该用户进行声纹注册。如图4所示,声纹注册时用户以唤醒词为文本内容进行发声,为了避免注册时环境产生随机性的影响,录音的音频不得少于3个;系统获取音频后,利用声纹提取网络提取音频所映射的声纹嵌入码;将声纹嵌入码存储在系统的声纹数据库中。其中,唤醒词可以是指为了进行语音唤醒设置的特定文本内容,当用户说出该文本内容时机器被唤醒。声纹嵌入码可以是指通过声纹识别技术将声音特征转换为一组数字编码的过程,声纹嵌入码是声纹识别系统中的一种表示形式,用于描述和表示个体的声音特征。本发明实施例中首先对声纹数据进行注册,以采用声纹数据对车载系统进行唤醒。
作为一种可选的但非限定性的实现方式,所述将所述音频信号与声纹数据进行匹配,确定目标声纹数据,包括但不限于步骤E1-E3:
步骤E1:将第一声纹数据中的声纹嵌入码与音频数据输入至声纹唤醒网络进行匹配,并确定是否通过唤醒。
步骤E2:若未通过唤醒,则从声纹数据库中选取第二声纹数据中的声纹嵌入码与音频数据进行匹配。
步骤E3:若所述第二声纹数据中的声纹嵌入码与音频数据匹配成功并通过唤醒,则将所述第二声纹数据作为目标声纹数据。
其中,在注册声纹数据后,采用声纹数据对车载系统进行唤醒。如图5所示,在声纹唤醒过程中,车载系统获取用户的音频信号,音频信号输入声纹唤醒网络中,同时声纹数据库的声纹也被一个个输入声纹唤醒网络中;声纹数据库中每一个声纹嵌入码与当时输入的音频信号同时输入,都会输出一个是否通过声纹唤醒的结果。如果通过了声纹唤醒,则开始进行其他后续交互功能。如果没有通过,则用户需要再次唤醒。
本发明实施例中构建并训练得到的目标声纹唤醒网络,将声纹识别网络和语音唤醒网络在算法的层面进行组合,构建一个可以进行同时联合训练的声纹唤醒网络,声纹唤醒网络的输出结果即为声纹唤醒的最终结果,减少因短语句降低声纹提取网络性能的影响。
本发明实施例提供了一种车载声纹唤醒方法,通过构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。采用本发明实施例的技术方案,将声纹识别网络和语音唤醒网络在算法的层面进行组合,构建一个可以进行同时联合训练的声纹唤醒网络,声纹唤醒网络的输出结果即为声纹唤醒的最终结果,减少因短语句降低声纹提取网络性能的影响;针对车载场景下噪声复杂的语音环境影响,设计了一种针对车载场景下的车载噪声增强方法,在声纹唤醒网络训练时能够学习到对于噪声的鲁棒性,提高声纹唤醒网络模型的性能。
图6是本发明实施例中提供的一种车载声纹唤醒装置的结构示意图,本实施例的技术方案可适用于车载声纹唤醒的情况,该装置可由软件和/或硬件实现,并一般集成在任何具有网络通信功能的电子设备上,该电子设备包括但不限于:服务器、电脑、个人数字助理等设备。如图6所示,本实施例中提供的车载声纹唤醒装置,可包括:信息构建模块610、车载噪声增强模块620以及车载声纹唤醒模块630;其中,
信息构建模块610,用于构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;
车载噪声增强模块620,用于获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;
车载声纹唤醒模块630,用于采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。
在上述实施例的基础上,可选的,所述声纹唤醒数据集包括若干个音频数据,每个音频数据由短语句构成且每个音频数据的文本信息一致。
在上述实施例的基础上,可选的,所述信息构建模块,包括:
构建声纹识别网络以及语音唤醒网络;
通过全连接层将声纹识别网络与语音唤醒网络的输出在网络层面进行拟合,构建声纹唤醒网络。
在上述实施例的基础上,可选的,所述车载噪声增强模块,包括:
获取不同车型以及不同行驶速度下的第一车载噪声数据;
将所述第一车载噪声数据进行频谱分析,确定频谱分析结果并根据频谱分析结果确定噪声来源;
依据所述噪声来源以及频谱分析结果确定能够模拟第一车载噪声数据的目标音源;
采用目标音源模拟发出第二车载环境噪声,并将所述第二车载环境噪声添加至声纹唤醒数据集中,对声纹唤醒数据集中的车载噪声数据进行车载噪声增强。
在上述实施例的基础上,可选的,所述车载声纹唤醒模块,包括:
将采用车载噪声增强后的声纹唤醒数据集进行划分,得到训练集以及测试集;
采用训练集对预先构建的声纹唤醒网络进行模型训练,并采用验证集对训练完成的声纹唤醒网络进行验证,得到目标声纹唤醒网络。
在上述实施例的基础上,可选的,所述车载声纹唤醒模块,还包括:
获取预先注册的声纹数据以及音频信号;
将所述音频信号与声纹数据进行匹配,确定目标声纹数据,并采用目标声纹数据对车辆进行车载声纹唤醒。
在上述实施例的基础上,可选的,所述车载声纹唤醒模块,还包括:
将第一声纹数据中的声纹嵌入码与音频数据输入至声纹唤醒网络进行匹配,并确定是否通过唤醒;
若未通过唤醒,则从声纹数据库中选取第二声纹数据中的声纹嵌入码与音频数据进行匹配;
若所述第二声纹数据中的声纹嵌入码与音频数据匹配成功并通过唤醒,则将所述第二声纹数据作为目标声纹数据。
本发明实施例中所提供的车载声纹唤醒装置可执行上述本发明任意实施例中所提供的车载声纹唤醒方法,具备执行该车载声纹唤醒方法相应的功能和有益效果,详细过程参见前述实施例中车载声纹唤醒方法的相关操作。
图7是本发明实施例中提供的一种电子设备的结构示意图。电子设备10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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如车载声纹唤醒方法。
在一些实施例中,车载声纹唤醒方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的车载声纹唤醒方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车载声纹唤醒方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种车载声纹唤醒方法,其特征在于,所述方法包括:
构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;
获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;
采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。
2.根据权利要求1所述的方法,其特征在于,所述声纹唤醒数据集包括若干个音频数据,每个音频数据由短语句构成且每个音频数据的文本信息一致。
3.根据权利要求1所述的方法,其特征在于,所述构建声纹唤醒网络,包括:
构建声纹识别网络以及语音唤醒网络;
通过全连接层将声纹识别网络与语音唤醒网络的输出在网络层面进行拟合,构建声纹唤醒网络。
4.根据权利要求1所述的方法,其特征在于,所述获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强,包括:
获取不同车型以及不同行驶速度下的第一车载噪声数据;
将所述第一车载噪声数据进行频谱分析,确定频谱分析结果并根据频谱分析结果确定噪声来源;
依据所述噪声来源以及频谱分析结果确定能够模拟第一车载噪声数据的目标音源;
采用目标音源模拟发出第二车载环境噪声,并将所述第二车载环境噪声添加至声纹唤醒数据集中,对声纹唤醒数据集中的车载噪声数据进行车载噪声增强。
5.根据权利要求1所述的方法,其特征在于,所述采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,包括:
将采用车载噪声增强后的声纹唤醒数据集进行划分,得到训练集以及测试集;
采用训练集对预先构建的声纹唤醒网络进行模型训练,并采用验证集对训练完成的声纹唤醒网络进行验证,得到目标声纹唤醒网络。
6.根据权利要求1所述的方法,其特征在于,所述采用所述目标声纹唤醒网络对车载声纹进行唤醒,包括:
获取预先注册的声纹数据以及音频信号;
将所述音频信号与声纹数据进行匹配,确定目标声纹数据,并采用目标声纹数据对车辆进行车载声纹唤醒。
7.根据权利要求6所述的方法,其特征在于,所述将所述音频信号与声纹数据进行匹配,确定目标声纹数据,包括:
将第一声纹数据中的声纹嵌入码与音频数据输入至声纹唤醒网络进行匹配,并确定是否通过唤醒;
若未通过唤醒,则从声纹数据库中选取第二声纹数据中的声纹嵌入码与音频数据进行匹配;
若所述第二声纹数据中的声纹嵌入码与音频数据匹配成功并通过唤醒,则将所述第二声纹数据作为目标声纹数据。
8.一种车载声纹唤醒装置,其特征在于,所述装置包括:
信息构建模块,用于构建声纹唤醒数据集以及声纹唤醒网络;所述声纹唤醒网络是由声纹识别网络与语音唤醒网络进行拟合得到的;
车载噪声增强模块,用于获取车载场景下的车载噪声数据,并将具备模拟能力的车载噪声数据添加至声纹唤醒数据集中,对声纹唤醒数据集进行车载噪声增强;
车载声纹唤醒模块,用于采用车载噪声增强后的声纹唤醒数据集对声纹唤醒网络进行训练得到目标声纹唤醒网络,并采用所述目标声纹唤醒网络对车载声纹进行唤醒。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现权利要求1-7中任一所述的车载声纹唤醒方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的车载声纹唤醒方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311738072.1A CN117935841A (zh) | 2023-12-15 | 2023-12-15 | 一种车载声纹唤醒方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311738072.1A CN117935841A (zh) | 2023-12-15 | 2023-12-15 | 一种车载声纹唤醒方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117935841A true CN117935841A (zh) | 2024-04-26 |
Family
ID=90767564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311738072.1A Pending CN117935841A (zh) | 2023-12-15 | 2023-12-15 | 一种车载声纹唤醒方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117935841A (zh) |
-
2023
- 2023-12-15 CN CN202311738072.1A patent/CN117935841A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683680B (zh) | 说话人识别方法及装置、计算机设备及计算机可读介质 | |
CN110265040B (zh) | 声纹模型的训练方法、装置、存储介质及电子设备 | |
CN104143326B (zh) | 一种语音命令识别方法和装置 | |
US11062699B2 (en) | Speech recognition with trained GMM-HMM and LSTM models | |
CN112259106B (zh) | 声纹识别方法、装置、存储介质及计算机设备 | |
US9940935B2 (en) | Method and device for voiceprint recognition | |
WO2018227781A1 (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
TWI527023B (zh) | A voiceprint recognition method and apparatus | |
GB2552082A (en) | Voice user interface | |
CN107221320A (zh) | 训练声学特征提取模型的方法、装置、设备和计算机存储介质 | |
CN110570873B (zh) | 声纹唤醒方法、装置、计算机设备以及存储介质 | |
CN110534099A (zh) | 语音唤醒处理方法、装置、存储介质及电子设备 | |
CN109215646B (zh) | 语音交互处理方法、装置、计算机设备及存储介质 | |
CN110738998A (zh) | 基于语音的个人信用评估方法、装置、终端及存储介质 | |
CN110544468B (zh) | 应用唤醒方法、装置、存储介质及电子设备 | |
CN109272991A (zh) | 语音交互的方法、装置、设备和计算机可读存储介质 | |
CN113823293B (zh) | 一种基于语音增强的说话人识别方法及系统 | |
CN113674746B (zh) | 人机交互方法、装置、设备以及存储介质 | |
US11250854B2 (en) | Method and apparatus for voice interaction, device and computer-readable storage medium | |
WO2023193394A1 (zh) | 语音唤醒模型的训练、唤醒方法、装置、设备及存储介质 | |
CN113838462A (zh) | 语音唤醒方法、装置、电子设备及计算机可读存储介质 | |
CN117037796A (zh) | 基于多元特征的aigc语音欺诈风控方法、介质及设备 | |
CN111179941A (zh) | 智能设备唤醒方法、注册方法及装置 | |
CN117935841A (zh) | 一种车载声纹唤醒方法、装置、电子设备及存储介质 | |
CN113053409B (zh) | 音频测评方法及装置 |
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 |