[发明专利]用于低资源设备的高准确度关键短语检测的方法和系统

权利要求书

1.一种计算机实现的音频关键短语检测的方法，包括：

生成与接收到的音频输入相关联的亚语音单位的分数的时间系列和添加的静默分数；

基于亚语音单位的分数的时间系列中的至少一些，来更新基于起始状态的排斥模型和与预先确定的关键短语相关联的关键短语模型，其中，所述排斥模型和所述关键短语模型都具有通过过渡互连的状态；

经由所述过渡从所述排斥模型并通过所述关键短语模型来传播分数相关值，并且包括通过一系列连续的静默状态来传播所述值以在口语关键短语的至少一部分之前或之后或者之前和之后有意地添加静默；以及

取决于通过使用所述关键短语模型所计算的关键短语检测似然分数而进行关键短语检测确定。

2.根据权利要求1所述的方法，其中，更新所述静默状态包括从声学模型给多个静默状态提供相同分数。

3.根据权利要求1所述的方法，其中，每个静默状态具有多个自循环以接收对每个静默状态而言相同的多个分数。

4.根据权利要求1所述的方法，其中，被使用的连续静默状态的数量对应于预先确定的静默的持续时间。

5.根据权利要求1所述的方法，其中，所述静默状态被放置在所述排斥模型之后和所述关键短语模型的关键短语状态之前，并且沿着值经由所述过渡的流动而放置。

6.根据权利要求1所述的方法，其中，到个别静默状态的过渡包括多个过渡，每个单个过渡与所述过渡的组内的不同音频环境相关联。

7.根据权利要求6所述的方法，所述方法包括形成相同的两个状态之间的所述多个过渡的单个代表性分数，并且用所述代表性分数更新所述状态中的一个。

8.根据权利要求7所述的方法，其中，最后静默状态通过使用输入到所述最后静默状态的所述代表性分数来生成单个过渡值并且提供给所述关键短语模型的关键短语状态。

9.根据权利要求1所述的方法，其中，所述排斥模型被布置为接收一个或多个上下文相关排斥语音三音素的排斥分数，其中，上下文相关三音素具有一个或两个音素，该一个或两个因素从形成一个或多个所接受的关键短语语音三音素的音素变化而来。

10.根据权利要求1所述的方法，其中，所述排斥模型被布置为接收三音素的分数，每个三音素具有中心音素，该中心音素在词汇表分类数据结构中具有一个或多个最多发生的中心音素分数，所述词汇表分类数据结构接收形成词汇表的单音素作为该结构的输入。

11.一种用于执行关键短语检测的系统，包括：

存储器，所述存储器被配置为存储声学模型、基于起始状态的排斥模型、以及与预先确定的关键短语相关联的至少一个关键短语模型；以及

至少一个处理器，所述至少一个处理器耦合到所述存储器并且通过以下步骤来操作：

生成所述声学模型以生成亚语音单位的分数的时间系列，以便基于亚语音单位的分数的时间系列中的至少一些来更新所述排斥模型和所述关键短语模型以生成关键短语似然分数；

生成所述排斥模型以接收三音素的排斥分数，所述三音素形成所述声学模型的亚语音单位，其中，所述排斥分数是排斥语音非关键短语三音素的分数，所述排斥语音非关键短语三音素具有从以下音素改变而来的音素中的一个或两个：这些音素形成所述声学模型的至少一个所接受的关键短语三音素输出，所述输出形成要检测的关键短语的一部分；以及

生成所述关键短语模型，以从所述排斥模型接收值来生成所述关键短语似然分数以进行关键短语检测确定。

12.根据权利要求11所述的系统，其中：

仅所述关键短语三音素的中心音素被改变，

仅所述关键短语三音素的左音素或右音素或这两者被改变，

仅所述关键短语三音素的辅音被改变，

或者仅所述关键短语三音素的元音被改变。