[发明专利]基于无监督学习的语音唤醒方法、装置、电子设备及介质

权利要求书

1.一种基于无监督学习的语音唤醒方法，其特征在于，所述方法包括：

获取待训练语音信号，对所述待训练语音信号进行第一预处理，得到无标签语音段；

构建无监督模型，基于所述无标签语音段训练所述无监督模型，得到训练好的无监督模型；

获取无监督模型训练过程中的多个模型参数，及从预设的数据库中获取预设数量的带标签的语音语料，及对所述带标签的语音语料进行第二预处理，得到带标签语音段；

调整所述训练好的无监督模型，得到语音唤醒模型；

根据所述多个模型参数更新所述语音唤醒模型中的模型参数，得到更新后的语音唤醒模型，并根据所述带标签语音段训练所述更新后的语音唤醒模型，得到目标语音唤醒模型；

当侦测到智能设备的目标语音信号时，对所述目标语音信号进行第三预处理，得到目标语音段，并将所述目标语音段输入至所述目标语音唤醒模型中，得到语音唤醒结果；

根据所述语音唤醒结果确定是否执行所述智能设备的语音唤醒操作。

2.如权利要求1所述的基于无监督学习的语音唤醒方法，其特征在于，所述无监督模型包括：

预训练的词嵌入模型、与所述预训练的词嵌入模型连接的transformer模型、与所述transformer模型连接的第一全连接层、及与所述第一全连接层连接的输出层，其中，所述transformer模型中包含有Multihead Attention层，与所述Multihead Attention层连接的第一AddNorm层、与所述第一AddNorm层连接的FFN层、及与所述FFN层连接的第二AddNorm层。

3.如权利要求1所述的基于无监督学习的语音唤醒方法，其特征在于，所述基于所述无标签语音段训练所述无监督模型包括：

将所述无标签语音段按照预设的遮挡规则进行随机遮挡，得到遮挡语音段和未遮挡语音段；

将所述遮挡语音段和未遮挡语音段输入至所述预训练的词嵌入模型中，得到词嵌入向量及每个词嵌入向量对应的位置编码；

将所述词嵌入向量及每个词嵌入向量对应的位置编码输入至所述transformer模型中，得到预测语音段的编码；

将所述预测语音段的编码输入至第一全连接层中进行特征提取，得到预测语音段；

计算所述未遮挡语音段与所述预测语音段之间的均方差损失值，基于所述均方差损失值进行网络梯度回传，训练无监督模型；

判断网络梯度回传后的均方差损失值是否大于预设的均方差损失值阈值；

当网络梯度回传后的均方差损失值小于或者等于所述预设的均方差损失值阈值时，结束所述无监督模型的训练；或者，当网络梯度回传后的均方差损失值大于所述预设的均方差损失值阈值时，迭代更新所述均方差损失值，并基于迭代更新后的均方差损失值进行二次网络梯度回传，重新训练所述无监督模型。

4.如权利要求1所述的基于无监督学习的语音唤醒方法，其特征在于，所述调整所述训练好的无监督模型，得到语音唤醒模型包括：

删除所述训练好的无监督模型中的与所述transformer模型连接的第一全连接层，并添加第二全连接层与所述transformer模型连接，得到语音唤醒模型。