[发明专利]识别语音的方法和装置

权利要求书

1.一种识别语音的方法，包括：

将输入的声音信号分离为至少两个分离信号；

基于在所述声音信号的当前帧时从所述至少两个分离信号中选择出的主分离信号以及一个或多个副分离信号，生成在当前帧时的降噪信号；

对在当前帧时的多个关注信号中的每个关注信号执行初步识别，在当前帧时的多个关注信号包括所述至少两个分离信号和在当前帧时的降噪信号，并且在当前帧时的多个关注信号中的每个关注信号具有与在当前帧时的初步识别的结果相关联的在当前帧时的识别得分；以及

根据在当前帧时的多个关注信号中的每个关注信号在当前帧时的识别得分执行识别判决，

其中，在当前帧时所选择的主分离信号在所述声音信号的前一帧时的识别得分大于或等于所述至少两个分离信号中的任何其他分离信号在前一帧时的识别得分。

2.根据权利要求1所述的方法，其中，所述初步识别包括：

确定在当前帧时的多个关注信号中的每个关注信号在当前帧时的声学得分；以及

分别根据在当前帧时的多个关注信号中的每个关注信号在当前帧时的声学得分对在当前帧时的多个关注信号中的每个关注信号执行解码。

3.根据权利要求2所述的方法，其中，所述初步识别还包括：

确定在当前帧时的多个关注信号中的每个关注信号在当前帧时的解码的结果与包括一个或多个预定词的预定语句相匹配的置信度，在当前帧时的多个关注信号中的每个关注信号在当前帧时的识别得分取决于在当前帧时所确定的置信度。

4.根据权利要求2所述的方法，其中，所述初步识别还包括：

对在当前帧时的多个关注信号中的每个关注信号在当前帧时的解码的结果执行自然语言处理，在当前帧时的多个关注信号中的每个关注信号在当前帧时的识别得分取决于在当前帧时的自然语言处理得分。

5.根据权利要求1所述的方法，其中，所述识别判决包括：

将在当前帧时的多个关注信号中的满足预定条件的第一关注信号在当前帧时的初步识别的结果确定为在当前帧时针对所述声音信号的识别结果。

6.根据权利要求5所述的方法，其中，所述预定条件包括以下条件中的一个或多个：

所述第一关注信号在当前帧时的识别得分大于或等于在当前帧时的多个关注信号中的任何其他关注信号在当前帧时的识别得分；

与所述第一关注信号在当前帧时的初步识别的结果相对应的预定词命中次数大于或等于与当前帧时的多个关注信号中的任何其他关注信号在当前帧时的初步识别的结果相对应的预定词命中次数；以及

所述第一关注信号在当前帧时的识别得分大于或等于第一阈值。

7.根据权利要求1所述的方法，其中，所述当前识别判决包括：

根据预定条件将在当前帧时针对所述声音信号的识别结果确定为指示执行唤醒操作。

8.根据权利要求7所述的方法，其中，所述预定条件包括以下条件中的一个或多个：

在当前帧时的多个关注信号包括第一关注信号，所述第一关注信号在当前帧时的识别得分大于或等于第一阈值；

在当前帧时的多个关注信号中的第一预定数量的关注信号中的每个关注信号在当帧时的识别得分均大于或等于第二阈值；

在当前帧时的降噪信号的识别得分大于或等于第三阈值并且所述至少两个分离信号中的每个分离信号在当前帧时的识别得分均大于或等于第四阈值；以及

在当前帧时的降噪信号的识别得分大于或等于第五阈值并且在当前帧时的降噪信号的识别得分与所述至少两个分离信号中的第一分离信号在当前帧时的识别得分之间的差值小于第六阈值，所述第一分离信号在当前帧时的识别得分大于或等于所述至少两个分离信号中的任何其他分离信号在当前帧时的识别得分并且大于或等于第七阈值。

9.根据权利要求1所述的方法，还包括：

至少根据在当前帧时针对所述声音信号的识别结果确定话者的话者特征；以及

对所述话者特征进行训练以获得话者模型。