[发明专利]一种语音搜索方法、装置及电子设备

说明书

本发明实施例提供了一种语音搜索方法、装置及电子设备，涉及音频处理技术领域，其中，上述方法包括：接收待识别语音；对所述待识别语音进行意图识别，获得发出所述待识别语音的目标用户的搜索意图；获得所述待识别语音的声纹特征，并将所述声纹特征作为待识别声纹特征；通过所述待识别声纹特征识别所述目标用户；基于所述目标用户，利用所述搜索意图进行搜索，获得搜索结果。应用本发明实施例提供的方案进行语音搜索，提高了语音搜索结果的准确率。

技术领域

本发明涉及音频处理技术领域，特别是涉及一种语音搜索方法、装置及电子设备。

背景技术

随着移动互联网和物联网的快速发展、软硬件技术的高速迭代以及音视频富媒体海量数据资源的不断增长，语音作为比文字更自然的表达方式，已成为了人机交互过程中不可或缺的一种手段。越来越多的人选择通过语音从网络上搜索自己需要的信息，然而，大部分现有的语音搜索方法通常是将用户的语音进行文本转换，然后根据转换获得的文本进行搜索，获得搜索结果。

然而，发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

在实际应用过程中，往往会出现多个用户使用同一个账户或同一台设备访问语音搜索服务的情况，尤其是在物联网设备中，多个家庭成员公用一个账号的现象非常普遍。这种情况下一般将多个家庭成员理解为一个用户，将用户的语音转换为文本后，结合账号下记录的用户特征和用户行为等信息进行搜索，获得搜索结果。应用上述方式虽然能够获得搜索结果，但是由于各个家庭成员往往具有不同的兴趣、爱好等等，将多个家庭成员理解为一个用户，这一个用户的用户特征、用户行为等信息难以准确表示每一家庭成员的情况，因此易导致搜索结果准确率低。

发明内容

本发明实施例的目的在于提供一种语音搜索方法、装置及电子设备，以提高搜索结果的准确率。具体技术方案如下：

一种语音搜索方法，所述方法包括：

接收待识别语音；

对所述待识别语音进行意图识别，获得发出所述待识别语音的目标用户的搜索意图；

获得所述待识别语音的声纹特征，并将所述声纹特征作为待识别声纹特征；

通过所述待识别声纹特征识别所述目标用户；

基于所述目标用户，利用所述搜索意图进行搜索，获得搜索结果。

可选的，所述对所述待识别语音进行意图识别，获得发出所述待识别语音的目标用户的搜索意图的步骤，包括：

对所述待识别语音进行语音识别，获得目标文本信息；

将所述目标文本信息输入到预先训练的第一模型，获得目标意图标签序列，其中，所述第一模型是：采用样本语音的样本文本信息以及样本文本的意图标签标注信息对预设神经网络模型进行模型训练获得的；

根据所述目标意图标签序列，获得发出所述待识别语音的目标用户的搜索意图。

可选的，所述通过所述待识别声纹特征识别所述目标用户的步骤，包括：

将所述待识别声纹特征输入至目标高斯混合模型，获得待识别初始声纹向量，根据所述待识别初始声纹向量计算待识别声纹向量，其中，所述目标高斯混合模型为：采用目标语音对预设高斯混合模型进行模型训练得到的模型；所述目标语音包括：上一次对所述预设高斯混合模型进行模型训练采用的语音、上一次对所述预设高斯混合模型进行模型训练后至本次对所述预设高斯混合模型进行模型训练之前需要进行语音识别的语音；

计算所述待识别声纹向量与发出目标语音的用户的声纹模型向量之间的相似度，其中，一个用户的声纹模型向量为根据该用户的初始声纹模型向量计算得到的，每一用户的初始声纹模型向量为：采用目标语音对所述预设高斯混合模型进行模型训练得到的输出向量；