技术特征:
1.一种提高唤醒性能的方法,其特征在于,包括:获取通用基准模型,其中,所述通用基准模型是通过带标注的语音训练神经网络得到的;获取不同年龄段的用户的唤醒语音数据;针对每个年龄段的所述用户,通过所述通用基准模型与所述用户的唤醒语音数据生成定制模型;组合每个年龄段的所述用户的定制模型生成全年龄段定制模型,以通过所述全年龄段定制模型进行唤醒操作。2.根据权利要求1所述的方法,其特征在于,所述年龄段包括:儿童年龄段、中青年人年龄段、老年人年龄段;所述唤醒语音数据覆盖所述用户的全年龄段。3.根据权利要求1所述的方法,其特征在于,所述定制模型是基于所述用户的唤醒语音数据对所述通用基准模型进行迁移学习得到的。4.根据权利要求1所述的方法,其特征在于,所述神经网络包括共享层与迁移层;不同年龄段的所述用户的定制模型的共享层相同,且迁移层参数不同。5.根据权利要求4所述的方法,其特征在于,所述全年龄段定制模型通过声学分进行唤醒操作;所述声学分由每个年龄段的所述定制模型中的所述迁移层的输出分数进行加权得到。6.一种提高唤醒性能的设备,其特征在于,包括:第一获取模块,用于获取通用基准模型,其中,所述通用基准模型是通过带标注的语音训练神经网络得到的;第二获取模块,用于获取不同年龄段的用户的唤醒语音数据;定制模块,用于针对每个年龄段的所述用户,通过所述通用基准模型与所述用户的唤醒语音数据生成定制模型;组合模块,用于组合每个年龄段的所述用户的定制模型生成全年龄段定制模型,以通过所述全年龄段定制模型进行唤醒操作。7.根据权利要求6所述的设备,其特征在于,所述年龄段包括:儿童年龄段、中青年人年龄段、老年人年龄段;所述唤醒语音数据覆盖所述用户的全年龄段。8.根据权利要求6所述的设备,其特征在于,所述定制模型是基于所述用户的唤醒语音数据对所述通用基准模型进行迁移学习得到的。9.根据权利要求6所述的设备,其特征在于,所述神经网络包括共享层与迁移层;不同年龄段的所述用户的定制模型的共享层相同,且迁移层参数不同。10.根据权利要求9所述的设备,其特征在于,所述全年龄段定制模型通过声学分进行唤醒操作;所述声学分由每个年龄段的所述定制模型中的所述迁移层的输出分数进行加权得到。
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。