本申請公開了一種確定自定義喚醒詞閾值的方法以及裝置、存儲介質、電子裝置。該方法包括根據預設聲學模型的測試測試集產生的后驗結果對用戶定義的喚醒參數打分，得到誤喚醒指標，其中所述預設聲學模型用于將前向計算存儲后驗；根據所述誤喚醒指標，確定自...

本發明涉及一種語音識別交互的實現方法及裝置，所述方法包括獲取待識別語音并發送至語音喚醒引擎中進行分析處理，輸出喚醒結果和喚醒延時信息；將所述喚醒延時信息發送至語音識別引擎，輸出識別結果。本發明通過語音喚醒引擎中設置的邊界處理以及喚醒時延...

本發明涉及一種基于多音區的語音識別方法、裝置及計算機設備，所述方法包括獲取麥克風組收集的語音環境中的語音數據；其中，對麥克風組中的每個麥克風設置目標音區，語音環境包括多個環境音區，目標音區為多個環境音區中的一個；將語音數據輸入至語音端點...

本發明公開了一種語義理解方法、裝置、電子設備及存儲介質，其中該方法包括：獲取第一語音，將第一語音與預置句式進行匹配，得到第一語義集合；根據第一語義集合中每個第一語義元素對應的第一相似度，選取第一相似度大于第一閾值的第一語義元素作為候選語...

本發明涉及一種基于邏輯表達式的AI建模方法及裝置，所述方法包括采用測試集對預構建的AI模型進行測試，得到模型測試結果，確定所述測試結果中的遺漏樣本；其中，所述遺漏樣本為測試集中標注為正，而AI模型輸出為反的樣本；針對所述遺漏樣本對應設置...

本發明涉及一種基于端到端的拼接合成音庫制作方法及裝置，所述方法包括錄制新音色；將所述新音色輸入至預構建的端到端合成模型中，基于所述新音色的特征對所述端到端模型進行訓練，得到新音色模型；獲取基于拼接合成模型所需的待合成語料原始文本，將所述...

本申請公開了一種語音合成方法以及裝置、存儲介質、電子裝置。該方法包括獲取文本數據；通過預設的NAT處理模型，得到文本數據合成的語音音頻數據，其中，所述預設的NAT處理模型中包括編碼器、高斯上采樣模塊、解碼器，所述編碼器采用單向長短時記憶...

本發明提供一種自動支持多語種語音交互的系統和方法，同時提出了一種基于多語種混合的聲學模型訓練方法，用于提升智能語音交互過程中的用戶體驗；交互過程中，喚醒模塊和識別模塊分別采用基于多語種混合的語音喚醒模型和基于多語種混合的語音識別模型，實...

本申請公開了一種熱詞增強的語音識別方法以及裝置、存儲介質、電子裝置。該方法包括根據預設解碼網絡對每一幀語音信號的聲學特征進行解碼，其中所述解碼的過程包括多個解碼路徑；判斷所述解碼路徑中是否包含熱詞，其中所述熱詞按照預設規則存入熱詞集合中...

本發明公開了一種基于CTC模型解碼的實現方法、裝置、設備及可讀存儲介質，包括：將待解碼聲音送入解碼模型；其中，待解碼聲音包括空白字符字符和非空白字符；由解碼模型對待解碼聲音進行解碼；其中，解碼模型包括DNN結構與HMM結構；DNN結構用...

本發明公開了一種問卷數據處理方法、裝置、電子設備及存儲介質，其中該方法包括：獲取第一語音信息作為根節點的流程信息，對流程信息進行識別得到第一標識；根據第一標識對子節點集合的識別信息進行匹配得到目標節點，并輸出目標節點中的第一語音回復；根...

本發明公開了基于關鍵詞識別技術的語音喚醒方法、裝置、設備以及可讀存儲介質，包括：將獲取到的語音數據輸入預先訓練好的神經網絡模型進行計算，以獲取語音數據的語音特征的概率分布；將概率分布輸入神經網絡模型進行快速校驗；對快速校驗的結果進行判斷...

本申請公開了一種行業數據處理方法以及裝置、存儲介質、電子裝置。該方法包括通過分析行業歷史業務數據，生成行業領域包，其中所述行業歷史業務數據中覆蓋有不同的業務場景數據，每個所述行業領域包有對應行業數據；將所述行業領域包存儲至目標服務端或者...

本申請公開了一種基于WEB端的界面化編輯方法以及裝置、存儲介質、電子裝置。該方法包括確定待進行流程分析的任務，其中所述待進行流程分析的任務至少包括如下之一：分析話術的流程、分析事件的流程，所述分析話術的流程用于作為預設場景中的命中結果；...

本發明提供一種混淆矩陣的生成方法、裝置、設備及存儲介質，該方法包括：將音頻數據輸入聲學模型，得到每一幀的聲學得分列表聲學得分列表中包括至少一個聲學得分，聲學得分表征發音單元的聲學后驗概率；獲取音頻數據的每一幀的中心元素，根據聲學得分列表...

本發明提供一種語種識別方法、裝置、電子設備及介質，該語種識別方法包括：獲取多語種音頻數據，根據音頻數據提取對應的聲學特征；創建深度神經網絡，以聲學特征作為輸入，通過訓練得到已訓練的深度神經網絡；根據語種識別請求，獲取音頻序列并提取聲學特...

本發明提供一種合成語音評估方法、裝置、設備及存儲介質，涉及人工智能，包括：將自然語音輸入至第一語音神經網絡模型，選取至少一個編碼層，獲取該至少一個編碼層提取的編碼結果作為第一編碼集；其中該至少一個編碼層不包括第一神經網絡模型的輸出層；將...

本申請公開了一種靜音處理方法以及裝置、存儲介質、電子裝置。該方法包括在預設RTP時間戳可用的情況下，根據所述預設RTP時間戳檢測當前語音數據中是否進行靜音補齊處理；在所述預設RTP時間戳不可用的情況下，則根據預設RTP包的接收時間檢測所...

本發明提供一種情緒識別方法、裝置、設備及存儲介質，涉及人工智能，該方法包括：根據幀級別特征，獲取音頻數據的統計特征；將幀級別特征輸入至深度神經網絡，得到第一情感分值；其中，深度神經網絡從輸入側至輸出側依次包括：DNN層、BLSTM模型、...

本發明公開了一種語音識別的置信度估計方法、裝置及設備，包括：獲取待估計語句；將待估計語句送入聲學模型進行計算和解碼，以獲取待估計語句中每個音素對應聲學模型狀態的后驗值；將音素的后驗值送入預先構建的音素模糊矩陣，計算單音素置信度；根據單音...