本公開涉及一種音頻識(shí)別方法、裝置、介質(zhì)及芯片。本公開的音頻識(shí)別方法包括：采集待識(shí)別的音頻數(shù)據(jù)；將音頻數(shù)據(jù)進(jìn)行特征提取，獲得音頻數(shù)據(jù)對(duì)應(yīng)的音頻特征；將音頻特征輸入訓(xùn)練完成的音頻識(shí)別模型，獲取音頻數(shù)據(jù)在多個(gè)候選分類下的預(yù)測(cè)輸出，其中，候選分類包括喚醒詞分類和環(huán)境音分類，候選分類下的預(yù)測(cè)輸出用于表示音頻數(shù)據(jù)為候選分類的概率；根據(jù)多個(gè)預(yù)測(cè)輸出，確定音頻數(shù)據(jù)的分類識(shí)別結(jié)果。通過本公開，可以對(duì)音頻數(shù)據(jù)中是否包含喚醒詞和環(huán)境音進(jìn)行識(shí)別，通過一次識(shí)別可以獲得更加全面的識(shí)別結(jié)果，提高分類識(shí)別結(jié)果的準(zhǔn)確性，還能有效降低音頻識(shí)別模型在部署時(shí)的資源占用，拓寬該音頻識(shí)別方法的使用范圍，提升音頻識(shí)別效率。提升音頻識(shí)別效率。提升音頻識(shí)別效率。
【技術(shù)實(shí)現(xiàn)步驟摘要】
音頻識(shí)別方法、裝置、介質(zhì)及芯片
[0001]本公開涉及通信
，尤其涉及一種音頻識(shí)別方法、裝置、介質(zhì)及芯片。
技術(shù)介紹
[0002]用戶在使用智能硬件產(chǎn)品時(shí)，通常可以通過喚醒詞來喚醒智能硬件產(chǎn)品，然后再進(jìn)行下一步的語音交互，例如，智能音箱、電視、手機(jī)、語音助手等智能硬件產(chǎn)品。
[0003]智能硬件產(chǎn)品可以和用戶進(jìn)行語音交互，也可以和聲音世界進(jìn)行交互，實(shí)現(xiàn)對(duì)環(huán)境音的識(shí)別，以便于對(duì)用戶進(jìn)行通知提示。在相關(guān)技術(shù)中，語音喚醒技術(shù)和環(huán)境音識(shí)別技術(shù)作為兩個(gè)獨(dú)立的任務(wù)，運(yùn)行消耗資源多，功耗高。
技術(shù)實(shí)現(xiàn)思路
[0004]為克服相關(guān)技術(shù)中存在的問題，本公開提供一種音頻識(shí)別方法、裝置、介質(zhì)及芯片。
[0005]根據(jù)本公開實(shí)施例的第一方面，提供一種音頻識(shí)別方法，包括：
[0006]采集待識(shí)別的音頻數(shù)據(jù)；
[0007]將所述音頻數(shù)據(jù)進(jìn)行特征提取，獲得所述音頻數(shù)據(jù)對(duì)應(yīng)的音頻特征；
[0008]將所述音頻特征輸入訓(xùn)練完成的音頻識(shí)別模型，獲取所述音頻數(shù)據(jù)在多個(gè)候選分類下的預(yù)測(cè)輸出，其中，所述候選分類包括喚醒詞分類和環(huán)境音分類，所述候選分類下的預(yù)測(cè)輸出用于表示所述音頻數(shù)據(jù)為所述候選分類的概率；
[0009]根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果。
[0010]可選地，所述根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，包括：
[0011]獲取多個(gè)所述預(yù)測(cè)輸出中對(duì)應(yīng)于喚醒詞分類的喚醒詞預(yù)測(cè)輸出；
[0012]若所述喚醒詞分類對(duì)應(yīng)的最大喚醒詞預(yù)測(cè)輸出大于或等于喚醒詞閾值，則將所述最大喚醒詞預(yù)測(cè)輸出對(duì)應(yīng)的喚醒詞分類添加至所述分類識(shí)別結(jié)果。
[0013]可選地，所述根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，還包括：
[0014]獲取多個(gè)所述預(yù)測(cè)輸出中對(duì)應(yīng)于環(huán)境音分類的環(huán)境音預(yù)測(cè)輸出；
[0015]針對(duì)每一所述環(huán)境音分類，若所述環(huán)境音分類下的環(huán)境音預(yù)測(cè)輸出大于或等于所述環(huán)境音分類對(duì)應(yīng)的分類閾值，則將所述環(huán)境音分類作為環(huán)境音分類結(jié)果；
[0016]將確定出的至少一個(gè)所述環(huán)境音分類結(jié)果添加至所述分類識(shí)別結(jié)果。
[0017]可選地，所述方法還包括：
[0018]根據(jù)所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，確定所述音頻數(shù)據(jù)對(duì)應(yīng)的響應(yīng)模式；
[0019]根據(jù)所述響應(yīng)模式，控制終端對(duì)所述音頻數(shù)據(jù)進(jìn)行響應(yīng)。
[0020]可選地，所述根據(jù)所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，確定所述音頻數(shù)據(jù)對(duì)應(yīng)的響應(yīng)模式，包括：
[0021]若所述分類識(shí)別結(jié)果表示所述音頻數(shù)據(jù)對(duì)應(yīng)的分類為喚醒詞分類，確定所述響應(yīng)
模式為語音應(yīng)答響應(yīng)；
[0022]若所述分類識(shí)別結(jié)果表示所述音頻數(shù)據(jù)對(duì)應(yīng)的分類為預(yù)設(shè)的目標(biāo)環(huán)境音分類，將所述目標(biāo)環(huán)境音分類對(duì)應(yīng)的響應(yīng)模式確定為所述音頻數(shù)據(jù)對(duì)應(yīng)的響應(yīng)模式。
[0023]可選地，所述音頻識(shí)別模型通過以下方式進(jìn)行訓(xùn)練：
[0024]獲取訓(xùn)練樣本集，其中，所述訓(xùn)練樣本集中的訓(xùn)練樣本包括喚醒詞訓(xùn)練樣本和環(huán)境音訓(xùn)練樣本，所述訓(xùn)練樣本包含訓(xùn)練音頻和所述訓(xùn)練音頻對(duì)應(yīng)的標(biāo)注標(biāo)簽，所述標(biāo)注標(biāo)簽用于標(biāo)注所述訓(xùn)練音頻對(duì)應(yīng)的分類，所述喚醒詞訓(xùn)練樣本的標(biāo)注標(biāo)簽包括喚醒詞標(biāo)簽和環(huán)境音標(biāo)簽，所述環(huán)境音訓(xùn)練樣本的標(biāo)注標(biāo)簽包括環(huán)境音標(biāo)簽，所述喚醒詞標(biāo)簽用于標(biāo)注所述訓(xùn)練音頻在喚醒詞分類下所屬的分類，所述環(huán)境音標(biāo)簽用于標(biāo)注所述訓(xùn)練音頻在環(huán)境音分類下所屬的分類；
[0025]將所述訓(xùn)練樣本中的訓(xùn)練音頻進(jìn)行特征提取，獲得所述訓(xùn)練音頻對(duì)應(yīng)的訓(xùn)練音頻特征；
[0026]將所述訓(xùn)練音頻特征輸入預(yù)設(shè)模型，獲得所述訓(xùn)練音頻特征在多個(gè)訓(xùn)練分類下的預(yù)測(cè)輸出；
[0027]根據(jù)所述多個(gè)訓(xùn)練分類下的預(yù)測(cè)輸出和所述訓(xùn)練音頻對(duì)應(yīng)的標(biāo)注標(biāo)簽，確定所述預(yù)設(shè)模型的目標(biāo)損失；
[0028]根據(jù)所述目標(biāo)損失對(duì)所述預(yù)設(shè)模型進(jìn)行訓(xùn)練，并將訓(xùn)練完成的預(yù)設(shè)模型確定為所述音頻識(shí)別模型。
[0029]可選地，所述候選分類為所述音頻識(shí)別模型對(duì)應(yīng)的訓(xùn)練分類中的部分或全部分類
[0030]根據(jù)本公開實(shí)施例的第二方面，提供一種音頻識(shí)別裝置，包括：
[0031]采集模塊，用于獲取終端所在環(huán)境中的音頻數(shù)據(jù)；
[0032]第一獲取模塊，用于將所述音頻數(shù)據(jù)進(jìn)行特征提取，獲得所述音頻數(shù)據(jù)對(duì)應(yīng)的音頻特征；
[0033]第二獲取模塊，用于將所述音頻特征輸入訓(xùn)練完成的音頻識(shí)別模型，獲取所述音頻數(shù)據(jù)在多個(gè)候選分類下的預(yù)測(cè)輸出，其中，所述候選分類包括喚醒詞分類和環(huán)境音分類，所述候選分類下的預(yù)測(cè)輸出用于表示所述音頻數(shù)據(jù)為所述候選分類的概率；
[0034]第一確定模塊，用于根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果。
[0035]根據(jù)本公開實(shí)施例的第三方面，提供一種音頻識(shí)別裝置，包括：
[0036]處理器；
[0037]用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；
[0038]其中，所述處理器被配置為：執(zhí)行本公開實(shí)施例的第一方面所提供的音頻識(shí)別方法。
[0039]根據(jù)本公開實(shí)施例的第四方面，提供一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，該程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)本公開實(shí)施例的第一方面所提供的音頻識(shí)別方法。
[0040]根據(jù)本公開的實(shí)施例的第五方面，提供一種芯片，包括處理器和接口；所述處理器用于讀取指令以執(zhí)行本公開實(shí)施例的第一方面所提供的音頻識(shí)別方法。
[0041]本公開的實(shí)施例提供的技術(shù)方案可以包括以下有益效果：
[0042]通過上述技術(shù)方案，本公開可以在采集待識(shí)別的音頻數(shù)據(jù)后，對(duì)音頻數(shù)據(jù)進(jìn)行特
征提取，并將所提取的音頻特征輸入至訓(xùn)練完成的音頻識(shí)別模型，從而獲取音頻數(shù)據(jù)在多個(gè)候選分類下的預(yù)測(cè)輸出，其中，候選分類包括喚醒詞分類和環(huán)境音分類，候選分類下的預(yù)測(cè)輸出用于表示音頻數(shù)據(jù)為候選分類的概率，進(jìn)而可以根據(jù)多個(gè)預(yù)測(cè)輸出，確定音頻數(shù)據(jù)的分類識(shí)別結(jié)果。由此，通過上述技術(shù)方案，音頻識(shí)別模型中的候選分類可以包括喚醒詞分類和環(huán)境音分類，則可以通過音頻識(shí)別模型對(duì)音頻數(shù)據(jù)中是否包含喚醒詞和環(huán)境音進(jìn)行識(shí)別，通過一次識(shí)別可以獲得更加全面的識(shí)別結(jié)果，提高分類識(shí)別結(jié)果的準(zhǔn)確性。同時(shí)，可以通過部署該音頻識(shí)別模型實(shí)現(xiàn)對(duì)喚醒詞和環(huán)境音的識(shí)別，從而有效降低音頻識(shí)別模型在部署時(shí)的資源占用，拓寬該音頻識(shí)別方法的使用范圍，提升音頻識(shí)別效率。
[0043]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。
附圖說明
[0044]此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本公開的實(shí)施例，并與說明書一起用于解釋本公開的原理。
[0045]圖1是根據(jù)一示例性實(shí)施例示出的一種音頻識(shí)別方法的流程圖。
[0046]圖2是根據(jù)一示例性實(shí)施例示出的一種音頻識(shí)別裝置的框圖。
[0047]圖3是根據(jù)一示例性實(shí)施例示出的一種用于音頻識(shí)別的裝置的框圖。
具體實(shí)施方式
[0048]這里將詳細(xì)地對(duì)示本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種音頻識(shí)別方法，其特征在于，應(yīng)用于終端，包括：采集待識(shí)別的音頻數(shù)據(jù)；將所述音頻數(shù)據(jù)進(jìn)行特征提取，獲得所述音頻數(shù)據(jù)對(duì)應(yīng)的音頻特征；將所述音頻特征輸入訓(xùn)練完成的音頻識(shí)別模型，獲取所述音頻數(shù)據(jù)在多個(gè)候選分類下的預(yù)測(cè)輸出，其中，所述候選分類包括喚醒詞分類和環(huán)境音分類，所述候選分類下的預(yù)測(cè)輸出用于表示所述音頻數(shù)據(jù)為所述候選分類的概率；根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，包括：獲取多個(gè)所述預(yù)測(cè)輸出中對(duì)應(yīng)于喚醒詞分類的喚醒詞預(yù)測(cè)輸出；若所述喚醒詞分類對(duì)應(yīng)的最大喚醒詞預(yù)測(cè)輸出大于或等于喚醒詞閾值，則將所述最大喚醒詞預(yù)測(cè)輸出對(duì)應(yīng)的喚醒詞分類添加至所述分類識(shí)別結(jié)果。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)多個(gè)所述預(yù)測(cè)輸出，確定所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，還包括：獲取多個(gè)所述預(yù)測(cè)輸出中對(duì)應(yīng)于環(huán)境音分類的環(huán)境音預(yù)測(cè)輸出；針對(duì)每一所述環(huán)境音分類，若所述環(huán)境音分類下的環(huán)境音預(yù)測(cè)輸出大于或等于所述環(huán)境音分類對(duì)應(yīng)的分類閾值，則將所述環(huán)境音分類作為環(huán)境音分類結(jié)果；將確定出的至少一個(gè)所述環(huán)境音分類結(jié)果添加至所述分類識(shí)別結(jié)果。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：根據(jù)所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，確定所述音頻數(shù)據(jù)對(duì)應(yīng)的響應(yīng)模式；根據(jù)所述響應(yīng)模式，控制終端對(duì)所述音頻數(shù)據(jù)進(jìn)行響應(yīng)。5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述音頻數(shù)據(jù)的分類識(shí)別結(jié)果，確定所述音頻數(shù)據(jù)對(duì)應(yīng)的響應(yīng)模式，包括：若所述分類識(shí)別結(jié)果表示所述音頻數(shù)據(jù)對(duì)應(yīng)的分類為喚醒詞分類，確定所述響應(yīng)模式為語音應(yīng)答響應(yīng)；若所述分類識(shí)別結(jié)果表示所述音頻數(shù)據(jù)對(duì)應(yīng)的分類為預(yù)設(shè)的目標(biāo)環(huán)境音分類，將所述目標(biāo)環(huán)境音分類對(duì)應(yīng)的響應(yīng)模式確定為所述音頻數(shù)據(jù)對(duì)應(yīng)的響應(yīng)模式。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述音頻識(shí)別模型通過以下方式進(jìn)行訓(xùn)練：獲取訓(xùn)練樣本集，其中，所述訓(xùn)練樣本集中的訓(xùn)練樣本包括喚...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王永慶，丁翰林，閆志勇，張俊博，王育軍，
申請(qǐng)(專利權(quán))人：北京小米松果電子有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。