语音唤醒方法、装置、电子设备及可读存储介质与流程

技术特征：
1.一种语音唤醒方法，其特征在于，包括：获取音频数据以及所述音频数据中的目标音频帧，所述目标音频帧包括所述音频数据中包含人声的音频帧；提取所述目标音频帧的声学特征；使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果；基于所述识别结果获取所述音频数据的置信度；在所述置信度大于预设阈值的情况下，唤醒目标设备。2.如权利要求1所述的方法，其特征在于，所述神经网络模型包括第一循环神经网络变换器模型；所述使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果，包括：使用预先训练的所述第一循环神经网络变换器模型对所述声学特征进行识别，以获取所述音频数据的拼音序列。3.如权利要求2所述的方法，其特征在于，所述神经网络模型还包括第二循环神经网络变换器模型；所述使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果，还包括：使用预先训练的所述第二循环神经网络变换器模型对所述拼音序列进行识别，以获取所述音频数据的文字序列；所述使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果之后，所述方法还包括：输出所述文字序列。4.如权利要求1所述的方法，其特征在于，所述识别结果包括第一唤醒词；所述使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果之后，所述方法还包括：获取唤醒词集合；若所述第一唤醒词包括第二唤醒词，唤醒所述目标设备，其中，所述第二唤醒词属于所述唤醒词集合。5.如权利要求4所述的方法，其特征在于，所述基于所述识别结果获取所述音频数据的置信度，包括：若所述第一唤醒词不包括所述第二唤醒词，基于所述识别结果获取所述音频数据的置信度；所述基于所述识别结果获取所述音频数据的置信度之后，所述方法还包括：在所述置信度小于或等于所述预设阈值的情况下，获取所述唤醒词集合中与所述第一唤醒词相似度最高的第三唤醒词；输出第一消息，所述第一消息包括将所述第三唤醒词替换为所述第一唤醒词，以唤醒所述目标设备；在接收到第二消息的情况下，唤醒所述设备，所述第二消息包括同意将所述第三唤醒
词替换为所述第一唤醒词，以唤醒所述目标设备。6.如权利要求5所述的方法，其特征在于，所述在所述置信度小于或等于所述预设阈值的情况下，获取所述唤醒词集合中与所述第一唤醒词相似度最高的第三唤醒词，包括：在所述置信度小于或等于所述预设阈值的情况下，获取所述第一唤醒词对应的第一向量，以及所述唤醒词集合中每个唤醒词对应的第二向量集；确定所述第二向量集中与所述第一向量的距离最近的第三向量；获取所述第三向量对应的第三唤醒词。7.如权利要求1所述的方法，其特征在于，所述识别结果包括后验概率；所述基于所述识别结果获取所述音频数据的置信度，包括：基于所述后验概率获取所述音频数据的置信度。8.一种语音唤醒装置，其特征在于，包括：第一获取模块，用于获取音频数据以及所述音频数据中的目标音频帧，所述目标音频帧包括所述音频数据中包含人声的音频帧；提取模块，用于提取所述目标音频帧的声学特征；识别模块，用于使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果；第二获取模块，用于基于所述识别结果获取所述音频数据的置信度；第一唤醒模块，用于在所述置信度大于预设阈值的情况下，唤醒目标设备。9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的语音唤醒方法的步骤。10.一种计算机可读存储介质，其特征在于，用于存储程序，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的语音唤醒方法中的步骤。

技术总结
本申请提供一种语音唤醒方法、装置、电子设备及可读存储介质，所述方法包括：获取音频数据以及所述音频数据中的目标音频帧，所述目标音频帧包括所述音频数据中包含人声的音频帧；提取所述目标音频帧的声学特征；使用预先训练的神经网络模型对所述声学特征进行识别，以获取所述音频数据的识别结果；基于所述识别结果获取所述音频数据的置信度；在所述置信度大于预设阈值的情况下，唤醒目标设备。本申请可以提高语音唤醒的实时性。可以提高语音唤醒的实时性。可以提高语音唤醒的实时性。


技术研发人员：潘昕 侯雷静 张世磊 邓超 冯俊兰
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2021.08.06
技术公布日：2023/2/17