專利名稱：一種語音喚醒模塊的實(shí)現(xiàn)方法及應(yīng)用的制作方法
一種語音喚醒模塊的實(shí)現(xiàn)方法及應(yīng)用技術(shù)領(lǐng)域
本發(fā)明公開了一種語音喚醒模塊的實(shí)現(xiàn)方法及應(yīng)用，具體涉及一種通過用戶說預(yù) 定的語音喚醒詞來觸發(fā)系統(tǒng)執(zhí)行用戶下一步操作，可以應(yīng)用與需要實(shí)現(xiàn)語音喚醒的車載及 家電等領(lǐng)域。
背景技術(shù)：
本發(fā)明涉及到一項(xiàng)已申請(qǐng)公開的發(fā)明專利，公開號(hào)為CN102645977A，申請(qǐng)日為 2012. 03. 26，發(fā)明人是殷建紅、王忠、周彥煌，名稱為“一種車載語音喚醒人機(jī)交互系統(tǒng)及 方法”，在此將其引為參考文獻(xiàn)。該發(fā)明的車載語音喚醒實(shí)現(xiàn)原理是在預(yù)先設(shè)置的flash 存儲(chǔ)器中存放語音庫、車載噪音庫、語音引擎等信息，通過麥克風(fēng)輸入的語音指令經(jīng)由主控 制器MCU與存儲(chǔ)器存儲(chǔ)的語音指令相關(guān)信息進(jìn)行比對(duì)進(jìn)行語音識(shí)別，并將比對(duì)識(shí)別后確定 的語音指令相關(guān)信息作為執(zhí)行指令控制車載控制功能單元模塊，實(shí)現(xiàn)其相應(yīng)的功能。該發(fā) 明中所涉及到的flash存放的都是固定的數(shù)據(jù)，而車載環(huán)境下，由于行車速度、路況、天氣、 是否開空調(diào)開窗戶都會(huì)導(dǎo)致發(fā)動(dòng)機(jī)噪聲和輪胎噪聲等車載噪聲庫變化，車內(nèi)播放的音樂不 同，發(fā)音人的不同會(huì)導(dǎo)致所參考的語音庫發(fā)生變化，所以該發(fā)明僅適用于固定的場(chǎng)景下實(shí) 現(xiàn)語音喚醒功能。而本發(fā)明通過采集各類場(chǎng)景下不同發(fā)音人錄音數(shù)據(jù)，訓(xùn)練出一種聲學(xué)模 型，同時(shí)通過構(gòu)建喚醒詞檢測(cè)網(wǎng)絡(luò)及確認(rèn)網(wǎng)絡(luò)，使得本發(fā)明適應(yīng)場(chǎng)景更廣泛，同時(shí)語音喚醒 效果好。發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有技術(shù)的不足，提供一種語音喚醒系統(tǒng)的實(shí)現(xiàn)方法， 即使在嘈雜環(huán)境下不論是否有播放音樂，都可以通過語音喚醒詞開啟語音喚醒功能，同時(shí) 語音喚醒效果好；此外本發(fā)明還提供語音喚醒系統(tǒng)的應(yīng)用，包括應(yīng)用于車載及家電相關(guān)領(lǐng) 域的應(yīng)用。
本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的一種語音喚醒模塊的實(shí)現(xiàn)方法包括語音輸 入1、語音喚醒算法2和喚醒執(zhí)行3步驟，語音喚醒算法2獲取語音輸入I的語音信號(hào)，進(jìn)行 語音喚醒處理后，將結(jié)果輸出給喚醒執(zhí)行3，從而完成喚醒操作；
所述語音喚醒算法2通過聲學(xué)特征提取4、喚醒詞檢測(cè)5、喚醒詞確認(rèn)6、構(gòu)建喚醒 詞檢測(cè)網(wǎng)絡(luò)7、訓(xùn)練聲學(xué)模型8和構(gòu)建喚醒詞確認(rèn)網(wǎng)絡(luò)9來實(shí)現(xiàn)，具體實(shí)現(xiàn)過程如下
第一步，聲學(xué)特征提取4 :通過語音輸入I獲取語音信號(hào)輸入，提取具有區(qū)分性的、 并且是基于人耳聽覺特性提取的特征，通常選取語音識(shí)別中用到的MFCCWel-Frequency Cepstrum Coeff icient，美爾頻率倒譜系數(shù))特征作為聲學(xué)特征；
第二步，喚醒詞檢測(cè)5 :將提取得到的聲學(xué)特征，采用訓(xùn)練的聲學(xué)模型8在喚醒詞 檢測(cè)網(wǎng)絡(luò)7上計(jì)算聲學(xué)得分，如果得分最優(yōu)的路徑中包含要檢測(cè)的喚醒詞，則確定已檢出 喚醒詞，進(jìn)入第三步操作，否則回到第一步重新進(jìn)行提取聲學(xué)特征4步驟；
第三步，喚醒詞確認(rèn)6 :將提取得到的聲學(xué)特征，采用訓(xùn)練的聲學(xué)模型8在喚醒詞確認(rèn)網(wǎng)絡(luò)9上進(jìn)行喚醒詞確認(rèn)，得到最終確認(rèn)得分；判斷該檢出的喚醒詞是否為真實(shí)的喚醒詞，即將該喚醒詞的最終確認(rèn)得分和預(yù)先設(shè)定的門限進(jìn)行比較，如果最終確認(rèn)得分大于等于門限，則認(rèn)為該喚醒詞是真實(shí)的喚醒詞，語音喚醒成功，將結(jié)果輸出給喚醒執(zhí)行3，從而完成語音喚醒操作；如果最終確認(rèn)得分小于門限，則認(rèn)為該喚醒詞為虛假的喚醒詞，重新回到第一步重新進(jìn)行聲學(xué)特征提取4步驟。所述聲學(xué)模型8的訓(xùn)練分為兩部分，分別為音素聲學(xué)模型和廢料模型(即Garbage模型);音素聲學(xué)模型采用傳統(tǒng)的語音識(shí)別中的聲學(xué)模型訓(xùn)練方法，選取數(shù)據(jù)庫，利用基于MLE(Maximum Likelihood Estimation,最大似然估計(jì))和MPE(Minimum Phone Error,最小音素錯(cuò)誤)區(qū)分性訓(xùn)練準(zhǔn)則下得到garbage模型用于吸收除喚醒詞之外的無關(guān)語音，使用和訓(xùn)練音素模型同樣的數(shù)據(jù)庫，通過計(jì)算各音素模型之間的相似性，將各音素分為20類，使用每類音素對(duì)應(yīng)的所有訓(xùn)練數(shù)據(jù)融合起來，采用MLE準(zhǔn)則訓(xùn)練對(duì)應(yīng)的Garbage模型，便得到20類Garbage模型。所述喚醒詞檢測(cè)網(wǎng)絡(luò)7的實(shí)現(xiàn)方法是采用最優(yōu)得分路徑計(jì)算得出，所述最優(yōu)得分路徑的計(jì)算公式是
權(quán)利要求
1.一種語音喚醒模塊的實(shí)現(xiàn)方法，其特征在于包括語音輸入(I)、語音喚醒算法(2)和喚醒執(zhí)行(3)步驟，語音喚醒算法(2)獲取語音輸入(I)的語音信號(hào)，進(jìn)行語音喚醒處理后，將結(jié)果輸出給喚醒執(zhí)行(3)，從而完成喚醒操作；所述語音喚醒算法(2)通過聲學(xué)特征提取(4)、喚醒詞檢測(cè)(5)、喚醒詞確認(rèn)￠)、構(gòu)建喚醒詞檢測(cè)網(wǎng)絡(luò)(7)、訓(xùn)練聲學(xué)模型(8)和構(gòu)建喚醒詞確認(rèn)網(wǎng)絡(luò)(9)來實(shí)現(xiàn)，具體實(shí)現(xiàn)過程如下第一步，聲學(xué)特征提取(4):通過語音輸入(I)獲取語音信號(hào)輸入，提取具有區(qū)分性的、并且是基于人耳聽覺特性提取的特征，通常選取語音識(shí)別中用到的MFCCWel-FrequencyCepstrum Coeff icient，美爾頻率倒譜系數(shù))特征作為聲學(xué)特征；第二步，喚醒詞檢測(cè)(5):將提取得到的聲學(xué)特征，采用訓(xùn)練的聲學(xué)模型(8)在喚醒詞檢測(cè)網(wǎng)絡(luò)(7)上計(jì)算聲學(xué)得分，如果聲學(xué)得分最優(yōu)的路徑中包含要檢測(cè)的喚醒詞，則確定已檢出喚醒詞，進(jìn)入第三步操作，否則回到第一步重新進(jìn)行提取聲學(xué)特征(4)步驟；第三步，喚醒詞確認(rèn)￠):將提取得到的聲學(xué)特征，采用訓(xùn)練的聲學(xué)模型(8)在喚醒詞確認(rèn)網(wǎng)絡(luò)(9)上進(jìn)行喚醒詞確認(rèn)，得到最終確認(rèn)得分；判斷該檢出的喚醒詞是否為真實(shí)的喚醒詞，即將該喚醒詞的最終確認(rèn)得分和預(yù)先設(shè)定的門限，如果最終確認(rèn)得分大于等于門限，則認(rèn)為該喚醒詞是真實(shí)的喚醒詞，語音喚醒成功，將結(jié)果輸出給喚醒執(zhí)行(3)，從而完成語音喚醒操作；如果最終確認(rèn)得分小于門限，則認(rèn)為該喚醒詞為虛假的喚醒詞，重新回到第一步重新進(jìn)行聲學(xué)特征提取(4)步驟。
2.根據(jù)權(quán)利要求1所述的語音喚醒模塊的實(shí)現(xiàn)方法，其特征在于所述聲學(xué)模型(8)的訓(xùn)練分為兩部分，分別為音素聲學(xué)模型和廢料模型(即Garbage模型)；音素聲學(xué)模型采用傳統(tǒng)的語音識(shí)別中的聲學(xué)模型訓(xùn)練方法，選取數(shù)據(jù)庫，利用基于MLE(MaximumLikelihood Estimation,最大似然估計(jì))和 MPE (Minimum Phone Error,最小音素錯(cuò)誤)區(qū)分性訓(xùn)練準(zhǔn)則下得到garbage模型用于吸收除喚醒詞之外的無關(guān)語音，使用和訓(xùn)練音素模型同樣的數(shù)據(jù)庫，通過計(jì)算各音素模型之間的相似性，將各音素分為20類，使用每類音素對(duì)應(yīng)的所有訓(xùn)練數(shù)據(jù)融合起來，采用MLE準(zhǔn)則訓(xùn)練對(duì)應(yīng)的Garbage模型，便得到20類Garbage 模型。
3.根據(jù)權(quán)利要求1所述的語音喚醒模塊的實(shí)現(xiàn)方法，其特征在于所述喚醒詞檢測(cè)網(wǎng)絡(luò)(7)的實(shí)現(xiàn)方法是采用最優(yōu)得分路徑計(jì)算得出，所述最優(yōu)得分路徑的計(jì)算公式是W = ^χηΛ^Ρ(}ν)Ρ{Χ\Ψ)W其中X代表從輸入語音中提取的聲學(xué)特征向量，W代表得分最大的最優(yōu)詞序列；條件概率P(Xlw)為聲學(xué)模型得分，通過訓(xùn)練好的聲學(xué)模型(8)計(jì)算得到；先驗(yàn)概率P(W)為語言模型得分，即為對(duì)不同的聲學(xué)模型所加的PenaltyP(X)為全概率，當(dāng)聲學(xué)模型和喚醒詞檢測(cè)網(wǎng)絡(luò)確定下來后即是定值。
4.根據(jù)權(quán)利要求1所述的語音喚醒模塊的實(shí)現(xiàn)方法，其特征在于所述喚醒詞確認(rèn)網(wǎng)絡(luò)(9)實(shí)現(xiàn)方法是a.將檢出的喚醒詞解碼到音素一級(jí)，并記錄所有的得分(Scoreptoml, Scorephone2,…，ScorephmJ，其中N為喚醒詞中總的音素個(gè)數(shù)，Scoreptoml, Scorephone2,…，Scoreph_N分別表示該喚醒詞中所有音素的是解碼得分，其中下標(biāo)表示音素的N個(gè)音素的標(biāo)識(shí)；b.使用和喚醒詞檢測(cè)同樣的特征，得到相應(yīng)的聲學(xué)得分，并精確到幀一級(jí)(Scoreframel, Scoreframe2,…，Scoreframeltl),其中M為該句特征總的時(shí)長(zhǎng)，以巾貞為單位；c.計(jì)算得到喚醒詞每個(gè)音素的確認(rèn)得分，計(jì)算方式如下
5.根據(jù)權(quán)利要求1所述的一種語音喚醒模塊的實(shí)現(xiàn)方法，其特征在于所述方法能夠被移植到ARM或DSP通用處理器上運(yùn)行，應(yīng)用于車載及家電相關(guān)領(lǐng)域。
6.一種車載語音喚醒系統(tǒng)，其特征在于包括微處理器、權(quán)利要求1所述語音喚醒模塊、音頻轉(zhuǎn)換裝置、錄音裝置、音頻處理裝置、播音裝置，所述語音喚醒模塊運(yùn)行在微處理器中，具體實(shí)現(xiàn)過程如下第一步，微處理器與音頻處理裝置互連，控制音頻處理裝置輸出音頻信息，而音頻處理裝置與播音裝置互連，將所需要播放音頻信息進(jìn)行功率放大推動(dòng)喇叭放音，完成音頻播放操作；第二步，錄音裝置與音頻轉(zhuǎn)換裝置互連，當(dāng)用戶說出語音喚醒詞時(shí)，通過錄音裝置進(jìn)行語音錄入并傳給音頻轉(zhuǎn)換裝置轉(zhuǎn)換，完成語音采集操作；第三步，音頻轉(zhuǎn)換裝置對(duì)錄音裝置錄入的語音信息進(jìn)行數(shù)據(jù)轉(zhuǎn)換，同時(shí)將轉(zhuǎn)換后的數(shù)據(jù)傳給微處理器進(jìn)行語音喚醒模塊的運(yùn)算，完成音頻數(shù)據(jù)轉(zhuǎn)換操作；第四步，微處理器與音頻轉(zhuǎn)換裝置互連，對(duì)音頻轉(zhuǎn)換裝置輸入的語音信息進(jìn)行語音喚醒模塊的運(yùn)算，若正確識(shí)別出語音喚醒信息，則控制音頻處理裝置播放語音提示音，完成車載語音喚醒及提示音播放操作；若識(shí)別出錯(cuò)，則繼續(xù)進(jìn)行第二步語音采集操作。
全文摘要
一種語音喚醒模塊的實(shí)現(xiàn)方法及應(yīng)用，包括語音輸入(1)、語音喚醒算法(2)和喚醒執(zhí)行(3)；語音喚醒算法(2)實(shí)現(xiàn)主要通過聲學(xué)特征提取(4)、喚醒詞檢測(cè)(5)、喚醒詞確認(rèn)(6)、構(gòu)建喚醒詞檢測(cè)網(wǎng)絡(luò)(7)、訓(xùn)練聲學(xué)模型(8)和構(gòu)建喚醒詞確認(rèn)網(wǎng)絡(luò)(9)等實(shí)現(xiàn)。本發(fā)明即使在嘈雜環(huán)境下不論是否有播放音樂，都可以通過語音喚醒詞開啟語音喚醒功能，識(shí)別喚醒效果好；本發(fā)明的實(shí)現(xiàn)方法能夠被移植到ARM或DSP通用處理器上運(yùn)行，應(yīng)用于車載及家電相關(guān)領(lǐng)域。
文檔編號(hào)G10L15/22GK102999161SQ20121045517
公開日2013年3月27日 申請(qǐng)日期2012年11月13日 優(yōu)先權(quán)日2012年11月13日
發(fā)明者操文祥, 王海坤, 康懷茂, 錢勇, 謝信珍, 黃海兵 申請(qǐng)人:安徽科大訊飛信息科技股份有限公司