一种语音识别方法、装置、设备及存储介质
文献发布时间:2023-06-19 09:32:16
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种语音识别方法、装置、设备及存储介质。
背景技术
随着科技的不断进步,语音控制技术逐渐普及。大多数的终端设备基本具有可以进行语音交互的对话系统。通过和终端设备的对话系统进行语音交互,使得对终端设备的操作变得更加简单、便捷。用户每次在和终端设备或者终端设备中的应用进行交互之前,需要使用固定的唤醒词唤醒终端设备,等到终端设备或者终端设备中的应用进入唤醒状态后,进行语音交互。
相关技术中,终端设备上的语音识别的技术都是基于获取终端设备的麦克风权限后,使用麦克风获取可识别的音频内容进行分析。终端设备需要调用麦克风获取音频内容进行唤醒识别。
由于麦克风权限在终端设备操作系统中(Android/iOS/等)属于较高的权限,需要用户同意方可调用打开使用。因此,相关技术中,需要终端设备的用户同意,方可调用麦克风获取音频内容进行唤醒识别。此外,终端设备调用麦克风获取音频内容进行唤醒识别时,会停止终端设备的其它冲突应用进程,如音频播放、视频播放、录制等,无法在不中断会与麦克风权限冲突的应用进程的情况下完成唤醒识别,而应用进程经常中断会导致用户体验非常不佳。
发明内容
本发明实施例提供一种语音识别方法、装置、设备及存储介质,可以在用户无感知的情况下进行唤醒识别,提高用户体验。
第一方面,本发明实施例提供了一种语音识别方法,包括:
通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号;
通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤;
将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号;
将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息;
在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。
第二方面,本发明实施例还提供了一种语音识别装置,包括:
信号采集模块,用于通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号;
信号过滤模块,用于通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤;
信号重组模块,用于将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号;
信号识别模块,用于将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息;
设备唤醒模块,用于在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。
第三方面,本发明实施例还提供了一种终端设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例所述的语音识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如本发明实施例所述的语音识别方法。
本发明实施例的技术方案,通过加速度传感器和角速度传感器对语音信号进行采集,得到与语音信号对应的加速度信号和角速度信号,在通过预设的信号过滤法规则,对加速度信号和所述角速度信号进行过滤之后,将过滤后的加速度信号和过滤后的角速度信号输入至预设的语音重组模型中,输出与语音信号对应的重组语音信号,然后将重组语音信号输入至预设的语音识别模型中,输出与重组语音信号对应的文本信息,在检测到文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒,可以通过加速度传感器和角速度传感器对用户输入的语音信号进行采集,得到与用户输入的语音信号对应的加速度信号和角速度信号,并根据加速度信号和角速度信号重构出用户输入的语音信号,然后对重构出的语音信号进行唤醒识别,从而达到对用户输入的语音信号进行唤醒识别的效果,可以使用较低权限的加速度传感器和角速度传感器获取可识别的音频内容进行唤醒识别,无需终端设备的用户同意就可获取可识别的音频内容进行唤醒识别,且不会中断会与麦克风权限冲突的应用进程,将对用户行为的干扰做到最低无感知的状态,可以在用户无感知的情况下进行唤醒识别,既能保证唤醒识别效率又做到无干扰,提高用户体验。
附图说明
图1为本发明实施例一提供的一种语音识别方法的流程图。
图2为本发明实施例二提供的一种语音识别方法的流程图。
图3为本发明实施例三提供的一种语音识别装置的结构示意图。
图4为本发明实施例四提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种语音识别方法的流程图。本实施例可适用于进行语音识别的情况。该方法可以由本发明实施例提供的语音识别装置来执行,该装置可采用软件和/或硬件的方式实现,并一般可集成在终端设备中。例如,智能手机中。如图1所示,本实施例的方法具体包括:
步骤101、通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号。
其中,终端设备中包括加速度传感器和角速度传感器。加速度传感器是一种能够测量加速度的传感器。通常由质量块、阻尼器、弹性元件、敏感元件以及适调电路等部分组成。传感器在加速过程中,通过对质量块所受惯性力的测量,利用牛顿第二定律获得加速度值。角速度传感器,也称陀螺仪,是一种能够测量偏转、倾斜时的转动角速度的传感器。终端设备可以通过加速度传感器和角速度传感器感受终端设备的各种物理状态。加速度传感器和角速度传感器的使用权限在终端设备操作系统中属于较低的权限。可选的,使用加速度传感器和角速度传感器采集信号无需用户授权。
人的语音信号的频率为85~255Hz。终端设备的加速度传感器和角速度传感器可识别的信号频率范围包含人的语音信号的频率。人的语音信号所引起的震动,可以被加速度传感器和角速度传感器所识别。示例性的,终端设备的加速度传感器和角速度传感器可识别的信号频率范围为20~500Hz。
具体的,语音信号所引起的震动,将会被终端设备中的加速度传感器和角速度传感器接收并产生对应的加速度信号和角速度信号。终端设备通过加速度传感器和角速度传感器对语音信号进行采集,得到与语音信号对应的加速度信号和角速度信号。加速度信号为加速度传感器在接收语音信号所引起的震动时,产生的在x、y、z三个方向上的加速度值。角速度信号为角速度传感器在接收语音信号所引起的震动时,产生的角速度值。
可选的,语音信号的传播介质包括空气和固体。
可选的,语音信号发出位置与终端设备之间通过空气传播语音信号。语音信号所引起的震动,通过空气传播至终端设备,被终端设备中的加速度传感器和角速度传感器接收并产生对应的加速度信号和角速度信号。
可选的,语音信号可以通过终端设备的麦克风接收信号后对终端设备产生贴源的固体传播。语音信号所引起的震动,通过固体传播至终端设备,被终端设备中的加速度传感器和角速度传感器接收并产生对应的加速度信号和角速度信号。
可选的,在通过加速度传感器和角速度传感器对语音信号进行采集之前,还包括:将加速度传感器和角速度传感器的当前采样频率调整至采样频率最大值。
可选的,通过将加速度传感器和角速度传感器所对应的采样方法设置为最低延迟SENSOR_DELAY_FASTEST方法,将加速度传感器和角速度传感器的当前采样频率调整至采样频率最大值。由此,通过将加速度传感器和角速度传感器的当前采样频率调整至采样频率最大值,将加速度传感器和角速度传感器的采样频率调整到最快,保证所采集的信号的时效性。
步骤102、通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤。
可选的,通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤,包括:通过高通滤波器,对所述加速度信号和所述角速度信号中的低于预设频率阈值的信号进行过滤。
可选的,所述预设频率阈值为80Hz。终端设备通过高通滤波器,对加速度信号和角速度信号中的低于80Hz的信号进行过滤。
语音信号在传播过程中会受到各种因素的干扰而造成声源失真,如环境噪声,人为的动作产生的噪声等。环境噪声一般在22000Hz以上,远大于85-255Hz的人的语音信号的频率范围,故对语音信号的干扰较小。而经过实际收集发现,由于人为手持终端设备产生的正常偏移及运动导致的噪声的频率通常不超过80Hz。因此,终端设备可以通过高通滤波器过滤掉加速度信号和角速度信号中的80Hz以下的信号,对加速度信号和角速度信号进行降噪处理,保证后续的语音识别效果。
步骤103、将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号。
其中,终端设备将过滤后的加速度信号和过滤后的角速度信号输入至预设的语音重组模型中,输出与语音信号对应的重组语音信号。预设的语音重组模型根据输入的过滤后的加速度信号和过滤后的角速度信号进行语音重组,语音重组出加速度信号和角速度信号所对应的语音信号,并输出重组的语音信号。重组语音信号是语音重组模型根据输入的加速度信号和角速度信号重组的语音信号。即预设的语音重组模型可以根据通过加速度传感器和角速度传感器对用户实际输入的语音信号进行采集得到的与用户实际输入的语音信号对应的加速度信号和角速度信号,语音重组出用户实际输入的语音信号,从而将加速度信号和角速度信号还原为语音信号。
可选的,在通过加速度传感器和角速度传感器对语音信号进行采集之前,还包括:在预设时间区间内,通过麦克风、加速度传感器以及角速度传感器,对与包含唤醒词的用户语音信号对应的语音信号进行采集,得到包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号;通过预设的信号过滤法规则,对预设时间区间内的得到的包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号进行过滤;获取过滤后的预设时间区间内的得到的包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号,作为语音重组训练样本。
具体的,用户语音信号是用户输入的语音信号。在预设时间区间内,用户输入不同的包含唤醒词的用户语音信号。终端设备通过麦克风,对与包含唤醒词的用户语音信号对应的语音信号进行采集,得到包含唤醒词的用户语音信号的同时,通过加速度传感器和角速度传感器,对与包含唤醒词的用户语音信号对应的语音信号进行采集,得到与包含唤醒词的用户语音信号对应的加速度信号和角速度信号。然后终端设备通过预设的信号过滤法规则,对预设时间区间内的得到的包含唤醒词的用户语音信号、以及与包含唤醒词的用户语音信号对应的加速度信号和角速度信号进行过滤。
可选的,预设时间区间可以根据业务需求进行设置。示例性的,预设时间区间可以为10分钟。
可选的,终端设备通过高通滤波器,对预设时间区间内的得到的包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号中的低于80Hz的信号进行过滤,完成上述信号的降噪处理。
可选的,在通过加速度传感器和角速度传感器对语音信号进行采集之前,还包括:使用所述语音重组训练样本对机器学习模型进行训练学习,得到语音重组模型;其中,所述语音重组模型用于根据输入的加速度信号和角速度信号,输出与加速度信号和角速度信号所对应的语音信号对应的重组语音信号。
具体的,机器学习模型基于语音重组训练样本,通过深度学习算法对包含唤醒词的用户语音信号、以及对应的加速度信号和角速度信号之间的关系进行分析和学习,得到语音重组模型。语音重组模型根据输入的加速度信号和角速度信号进行语音重组,语音重组出加速度信号和角速度信号所对应的语音信号,并输出重组的语音信号。重组语音信号是语音重组模型根据输入的加速度信号和角速度信号重组的语音信号。即语音重组模型可以根据通过加速度传感器和角速度传感器对用户实际输入的语音信号进行采集得到的与用户实际输入的语音信号对应的加速度信号和角速度信号,语音重组出用户实际输入的语音信号。
步骤104、将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息。
其中,终端设备将重组语音信号输入至预设的语音识别模型中,输出与重组语音信号对应的文本信息,从而通过语音识别技术将重组语音信号转化为文本信息。
可选的,在通过加速度传感器和角速度传感器对语音信号进行采集之前,还包括:获取设定数量的历史语音信号、以及与各历史语音信号对应的文本信息,作为语音识别训练样本。
可选的,在通过加速度传感器和角速度传感器对语音信号进行采集之前,还包括:使用所述语音识别训练样本对机器学习模型进行训练学习,得到语音识别模型;其中,所述语音识别模型用于根据输入的语音信号,输出与语音信号对应的文本信息。
步骤105、在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。
可选的,在通过加速度传感器和角速度传感器对语音信号进行采集之前,还包括:根据用户输入的唤醒词设置信息,设置与终端设备对应的唤醒词。
其中,唤醒词设置信息是用于设置唤醒词的信息。唤醒词为一个词语或多个词语。
可选的,在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒之前,还包括:检测所述文本信息中是否包含唤醒词。
可选的,检测所述文本信息中是否包含唤醒词,包括:对所述文本信息进行分词处理,得到与所述文本信息对应的词语集合;根据预设的词语相似度算法,计算所述词语集合中的每一个词语与唤醒词之间的相似程度;根据所述词语集合中的每一个词语与唤醒词之间的相似程度,以及预设的相似度阈值,确定所述文本信息中是否包含唤醒词。
可选的,根据所述词语集合中的每一个词语与唤醒词之间的相似程度,以及预设的相似度阈值,确定所述文本信息中是否包含唤醒词,包括:判断所述词语集合中的每一个词语与唤醒词之间的相似程度是否都小于预设的相似度阈值;如果所述词语集合中的每一个词语与唤醒词之间的相似程度都小于预设的相似度阈值,则确定所述文本信息中不包含唤醒词;如果所述词语集合中存在至少一个词语与唤醒词之间的相似程度大于预设的相似度阈值,则确定所述文本信息中包含唤醒词。
具体的,预设的相似度阈值可以根据业务需求进行设置。当词语与预先设定的唤醒词之间的相似程度大于预设的相似度阈值时,确定词语为唤醒词的相同词语。如果词语集合中存在至少一个词语与唤醒词之间的相似程度大于预设的相似度阈值,则确定文本信息中包含唤醒词。如果词语集合中的每一个词语与唤醒词之间的相似程度都小于预设的相似度阈值,则确定文本信息中不包含唤醒词。
终端设备在检测到文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。终端设备在检测到文本信息中不包含唤醒词时,不对终端设备或终端设备的预设应用进行唤醒,继续通过加速度传感器和角速度传感器对语音信号进行采集,得到与语音信号对应的加速度信号和角速度信号。
可选的,终端设备的预设应用可以为终端设备的语音助手。
本发明实施例提供了一种语音识别方法,通过加速度传感器和角速度传感器对语音信号进行采集,得到与语音信号对应的加速度信号和角速度信号,在通过预设的信号过滤法规则,对加速度信号和所述角速度信号进行过滤之后,将过滤后的加速度信号和过滤后的角速度信号输入至预设的语音重组模型中,输出与语音信号对应的重组语音信号,然后将重组语音信号输入至预设的语音识别模型中,输出与重组语音信号对应的文本信息,在检测到文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒,可以通过加速度传感器和角速度传感器对用户输入的语音信号进行采集,得到与用户输入的语音信号对应的加速度信号和角速度信号,并根据加速度信号和角速度信号重构出用户输入的语音信号,然后对重构出的语音信号进行唤醒识别,从而达到对用户输入的语音信号进行唤醒识别的效果,可以使用较低权限的加速度传感器和角速度传感器获取可识别的音频内容进行唤醒识别,无需终端设备的用户同意就可获取可识别的音频内容进行唤醒识别,且不会中断会与麦克风权限冲突的应用进程,将对用户行为的干扰做到最低无感知的状态,可以在用户无感知的情况下进行唤醒识别,既能保证唤醒识别效率又做到无干扰,提高用户体验。
实施例二
图2为本发明实施例二提供的一种语音识别方法的流程图。本发明实施例可以与上述一个或者多个实施例中各个可选方案结合,在本发明实施例中,通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤,包括:通过高通滤波器,对所述加速度信号和所述角速度信号中的低于预设频率阈值的信号进行过滤。
以及,在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒之前,还包括:检测所述文本信息中是否包含唤醒词。
如图2所示,本实施例的方法具体包括:
步骤201、通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号。
步骤202、通过高通滤波器,对所述加速度信号和所述角速度信号中的低于预设频率阈值的信号进行过滤。
可选的,所述预设频率阈值为80Hz。终端设备通过高通滤波器,对加速度信号和角速度信号中的低于80Hz的信号进行过滤。
步骤203、将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号。
步骤204、将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息。
步骤205、检测所述文本信息中是否包含唤醒词:如果检测到所述文本信息中包含唤醒词,则执行步骤206;如果检测到所述文本信息中不包含唤醒词,则返回执行步骤201。
可选的,检测所述文本信息中是否包含唤醒词,包括:对所述文本信息进行分词处理,得到与所述文本信息对应的词语集合;根据预设的词语相似度算法,计算所述词语集合中的每一个词语与唤醒词之间的相似程度;根据所述词语集合中的每一个词语与唤醒词之间的相似程度,以及预设的相似度阈值,确定所述文本信息中是否包含唤醒词。
可选的,根据所述词语集合中的每一个词语与唤醒词之间的相似程度,以及预设的相似度阈值,确定所述文本信息中是否包含唤醒词,包括:判断所述词语集合中的每一个词语与唤醒词之间的相似程度是否都小于预设的相似度阈值;如果所述词语集合中的每一个词语与唤醒词之间的相似程度都小于预设的相似度阈值,则确定所述文本信息中不包含唤醒词;如果所述词语集合中存在至少一个词语与唤醒词之间的相似程度大于预设的相似度阈值,则确定所述文本信息中包含唤醒词。
具体的,预设的相似度阈值可以根据业务需求进行设置。当词语与预先设定的唤醒词之间的相似程度大于预设的相似度阈值时,确定词语为唤醒词的相同词语。如果词语集合中存在至少一个词语与唤醒词之间的相似程度大于预设的相似度阈值,则确定文本信息中包含唤醒词。如果词语集合中的每一个词语与唤醒词之间的相似程度都小于预设的相似度阈值,则确定文本信息中不包含唤醒词。
步骤206、对终端设备或终端设备的预设应用进行唤醒。
本发明实施例提供了一种语音识别方法,通过高通滤波器,对加速度信号和角速度信号中的低于预设频率阈值的信号进行过滤,将过滤后的加速度信号和过滤后的角速度信号输入至预设的语音重组模型中,输出与语音信号对应的重组语音信号,然后将重组语音信号输入至预设的语音识别模型中,输出与重组语音信号对应的文本信息,检测文本信息中是否包含唤醒词,在检测到文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒,可以对加速度信号和角速度信号进行降噪处理,保证后续的语音识别效果,可以通过语音识别技术将重组语音信号转化为文本信息,检测文本信息中是否包含唤醒词,从而对重构出的语音信号进行唤醒识别,达到对用户输入的语音信号进行唤醒识别的效果。
实施例三
图3为本发明实施例三提供的一种语音识别装置的结构示意图。如图3所示,所述装置包括:信号采集模块301、信号过滤模块302、信号重组模块303、信号识别模块304以及设备唤醒模块305。
其中,信号采集模块301,用于通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号;信号过滤模块302,用于通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤;信号重组模块303,用于将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号;信号识别模块304,用于将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息;设备唤醒模块305,用于在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。
本发明实施例提供了一种语音识别装置,通过加速度传感器和角速度传感器对语音信号进行采集,得到与语音信号对应的加速度信号和角速度信号,在通过预设的信号过滤法规则,对加速度信号和所述角速度信号进行过滤之后,将过滤后的加速度信号和过滤后的角速度信号输入至预设的语音重组模型中,输出与语音信号对应的重组语音信号,然后将重组语音信号输入至预设的语音识别模型中,输出与重组语音信号对应的文本信息,在检测到文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒,可以通过加速度传感器和角速度传感器对用户输入的语音信号进行采集,得到与用户输入的语音信号对应的加速度信号和角速度信号,并根据加速度信号和角速度信号重构出用户输入的语音信号,然后对重构出的语音信号进行唤醒识别,从而达到对用户输入的语音信号进行唤醒识别的效果,可以使用较低权限的加速度传感器和角速度传感器获取可识别的音频内容进行唤醒识别,无需终端设备的用户同意就可获取可识别的音频内容进行唤醒识别,且不会中断会与麦克风权限冲突的应用进程,将对用户行为的干扰做到最低无感知的状态,可以在用户无感知的情况下进行唤醒识别,既能保证唤醒识别效率又做到无干扰,提高用户体验。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:样本信号采集模块,用于在预设时间区间内,通过麦克风、加速度传感器以及角速度传感器,对与包含唤醒词的用户语音信号对应的语音信号进行采集,得到包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号;样本信号过滤模块,用于通过预设的信号过滤法规则,对预设时间区间内的得到的包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号进行过滤;语音重组训练样本获取模块,用于获取过滤后的预设时间区间内的得到的包含唤醒词的用户语音信号、以及与所述包含唤醒词的用户语音信号对应的加速度信号和角速度信号,作为语音重组训练样本。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:语音重组模型训练模块,用于使用所述语音重组训练样本对机器学习模型进行训练学习,得到语音重组模型;其中,所述语音重组模型用于根据输入的加速度信号和角速度信号,输出与加速度信号和角速度信号所对应的语音信号对应的重组语音信号。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:采样频率调整模块,用于将加速度传感器和角速度传感器的当前采样频率调整至采样频率最大值。
在本发明实施例的一个可选实施方式中,可选的,信号过滤模块302具体用于:通过高通滤波器,对所述加速度信号和所述角速度信号中的低于预设频率阈值的信号进行过滤。
在本发明实施例的一个可选实施方式中,可选的,所述预设频率阈值为80Hz。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:唤醒词检测模块,用于检测所述文本信息中是否包含唤醒词。
在本发明实施例的一个可选实施方式中,可选的,唤醒词检测模块,包括:文本信息处理单元,用于对所述文本信息进行分词处理,得到与所述文本信息对应的词语集合;相似程度计算单元,用于根据预设的词语相似度算法,计算所述词语集合中的每一个词语与唤醒词之间的相似程度;唤醒词检测单元,用于根据所述词语集合中的每一个词语与唤醒词之间的相似程度,以及预设的相似度阈值,确定所述文本信息中是否包含唤醒词。
在本发明实施例的一个可选实施方式中,可选的,唤醒词检测单元,包括:阈值判断子单元,用于判断所述词语集合中的每一个词语与唤醒词之间的相似程度是否都小于预设的相似度阈值;第一确定子单元,用于如果所述词语集合中的每一个词语与唤醒词之间的相似程度都小于预设的相似度阈值,则确定所述文本信息中不包含唤醒词;第一确定子单元,用于如果所述词语集合中存在至少一个词语与唤醒词之间的相似程度大于预设的相似度阈值,则确定所述文本信息中包含唤醒词。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:语音识别训练样本获取模块,用于获取设定数量的历史语音信号、以及与各历史语音信号对应的文本信息,作为语音识别训练样本。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:语音识别模型训练模块,用于使用所述语音识别训练样本对机器学习模型进行训练学习,得到语音识别模型;其中,所述语音识别模型用于根据输入的语音信号,输出与语音信号对应的文本信息。
在本发明实施例的一个可选实施方式中,可选的,语音识别装置还包括:唤醒词设置模块,用于根据用户输入的唤醒词设置信息,设置与终端设备对应的唤醒词。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
上述语音识别装置可执行本发明任意实施例所提供的语音识别方法,具备执行语音识别方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种终端设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性终端设备12的框图。图4显示的终端设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,终端设备12以通用计算设备的形式表现。终端设备12的组件可以包括但不限于:一个或者多个处理器16,存储器28,连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
终端设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被终端设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。终端设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
终端设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该终端设备12交互的设备通信,和/或与使得该终端设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,终端设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与终端设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合终端设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,实现本发明实施例所提供的语音识别方法:通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号;通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤;将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号;将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息;在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。
实施例五
本发明实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现本发明实施例所提供的语音识别方法:通过加速度传感器和角速度传感器对语音信号进行采集,得到与所述语音信号对应的加速度信号和角速度信号;通过预设的信号过滤法规则,对所述加速度信号和所述角速度信号进行过滤;将过滤后的所述加速度信号和过滤后的所述角速度信号输入至预设的语音重组模型中,输出与所述语音信号对应的重组语音信号;将所述重组语音信号输入至预设的语音识别模型中,输出与所述重组语音信号对应的文本信息;在检测到所述文本信息中包含唤醒词时,对终端设备或终端设备的预设应用进行唤醒。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或计算机设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
- 语音设备的语音识别方法、语音设备及可读存储介质
- 一种语音识别方法、装置、存储介质及语音设备