基于人工智能的唤醒词检测方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110838289 A (43)申请公布日 2020.02.25 (21)申请号 201911124453.4 G06N 3/04(2006.01) (22)申请日 2019.11.14 (71)申请人 腾讯科技（深圳）有限公司 地址 518000 广东省深圳市南山区高新区 科技中一路腾讯大厦35层 (72)发明人 陈杰　苏丹　金明杰　朱振岭　 (74)专利代理机构 北京志霖恒远知识产权代理 事务所(普通合伙) 11435 代理人 成丹 (51)Int.Cl. G10L 15/16(2006.01) G10L 15/197(2013.01) G10L 15/22(2006.01) G10L 15/02(2006.01) G06N 3/08(2006.01) 权利要求书2页 说明书11页 附图6页 (54)发明名称 基于人工智能的唤醒词检测方法、装置、设 备及介质 (57)摘要 本申请公开了一种基于人工智能的唤醒词 检测方法、装置、设备及其存储介质。该方法包 括：获取待识别语音数据，并提取待识别语音数 据中每个语音帧的语音特征；将语音特征输入到 预先构建的深度神经网络模型，输出语音特征对 应于音节标识的后验概率向量，该深度神经网络 模型包括与预先构建的发音字典的音节的数量 相同的音节输出单元；根据音节组合序列从后验 概率向量中确定目标概率向量，该音节组合序列 是基于输入的唤醒词文本构建的；再根据目标概 率向量计算置信度，且在置信度大于等于阈值时 A 确定语音帧包含唤醒词文本。本申请实施例提供 9 的方案，计算复杂度低，且响应速度快，无需针对 8 2 8 固定唤醒词进行专门优化改进，有效地提升了唤 3 8 0 醒检测效率。 1 1 N C CN 110838289 A 权　利　要　求　书 1/2页 1.一种基于人工智能的唤醒词检测方法，其特征在于，该方法包括： 获取待识别语音数据，并提取所述待识别语音数据中每个语音帧的语音特征； 将所述语音特征输入到预先构建的深度神经网络模型，输出所述语音特征对应于音节 标识的后验概率向量，所述深度神经网络模型包括与预先构建的发音字典的音节的数量相 同的音节输出单元； 根据音节组合序列从所述后验概率向量中确定目标概率向量，所述音节组合序列是根 据输入的唤醒词文本构建的； 再根据所述目标概率向量计算置信度，且在所述置信度大于等于阈值时确定所述语音 帧包含所述唤醒词文本。 2.根据权利要求1所述的基于人工智能的唤醒词检测方法，其特征在于，所述根据所述 目标概率向量计算置信度包括： 对所述目标概率向量所包含的每个后验概率值进行概率处理； 根据所述音节组合序列中所包含的音节标识与所述唤醒词文本所包含的字符之间的 映射关系，确定所述唤醒词文本中是否包含多音字； 在所述唤醒词文本中不包含多音字时，根据概率处理后的目标概率向量计算置信度。 3.根据权利要求2所述的基于人工智能的唤醒词检测方法，其特征在于，所述根据所述 目标概率向量计算置信度还包括： 在所述唤醒词文本中包含多音字时，将所述概率处理后的目标概率向量按照所述多音 字的对应关系进行求和处理； 根据求和处理后的目标概率向量计算置信度。 4.根据权利要求2或3所述的基于人工智能的唤醒词检测方法，其特征在于，