[发明专利]语音唤醒方法及装置

说明书

本发明公开一种语音唤醒方法及装置。在该方法中，获取音频数据；在滑动窗口内对所获取的音频数据进行归一化处理，以生成相应的目标特征数据；将所述目标特征数据提供给语音唤醒模型，以由所述语音唤醒模型确定是否进行相应的语音唤醒操作。由此，可以避免突变的声场环境因归一化操作而被削弱的影响，有助于提高终端设备在较嘈杂的声学环境中的唤醒率。

技术领域

本发明属于语音处理技术领域，尤其涉及一种语音唤醒方法及装置。

背景技术

PCEN（Per-Channel Energy Normalization, 单通道能量归一化算法）是一种能量泛化算法，其可以对没有取对数的音频特征进行单通道能量归一化处理，能够替代特征提取部分的取对数运算，具有较强的声学自适应性。此外，通过测试结果显示，在远场测试环境下具有提升唤醒率的效果。

但是，在声音产生突变时，可能导致配置有PCEN算法的语音识别模型无法唤醒的情况，其一般是基于IIR（infinite impulse response, 无限脉冲响应）滤波器的，导致初始状态会一直对当前状态产生影响，而在声场环境突变时，特征的值会产生较大的改变，经过归一化处理后，这个改变被削弱，从而对唤醒结果产生一定影响。

举例来说，在家居环境中，有可能会出现尖锐的椅子腿摩擦地面的声音，如果用户在摩擦声之后说出唤醒词来试图唤醒设备，由于声场环境发生了巨大改变，很有可能导致设备无法唤醒。

针对上述问题，目前业界暂时并未提供较佳的解决方案。

发明内容

本发明实施例提供一种语音唤醒方法及装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种语音唤醒方法，包括：获取音频数据；在滑动窗口内对所获取的音频数据进行归一化处理，以生成相应的目标特征数据；将所述目标特征数据提供给语音唤醒模型，以由所述语音唤醒模型确定是否进行相应的语音唤醒操作。

第二方面，本发明实施例提供一种语音唤醒装置，包括：音频数据获取单元，被配置为获取音频数据；归一化处理单元，被配置为在滑动窗口内对所获取的音频数据进行归一化处理，以生成相应的目标特征数据；唤醒模型输入单元，被配置为将所述目标特征数据提供给语音唤醒模型，以由所述语音唤醒模型确定是否进行相应的语音唤醒操作。

第三方面，本发明实施例提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法的步骤。

第四方面，本发明实施例提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

本发明实施例的有益效果在于：

在对移动终端设备进行唤醒操作时，可以在滑动窗口内对所获取的音频数据进行归一化处理，以得到相应的特征数据，而不是针对音频数据整体进行归一化处理，可以避免突变的声场环境因归一化操作而被削弱的影响，有助于提高终端设备在较嘈杂的声学环境中的唤醒率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了根据本发明实施例的语音唤醒方法的一示例的流程图；

图2示出了根据本发明实施例的校准滑动窗口的窗口长度的一示例的流程图；

图3示出了根据本发明实施例的语音唤醒方法的一示例的架构示意图；