语音验证方法及装置、电子设备和计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种语音验证方法及装置、电子设备和计算机可读存储介质，该方法包括：实时采集声音信号；提取声音信号的音频特征；将音频特征输入多分类验证模型，并通过多分类验证模型输出置信度集合，置信度集合包括非命令词置信度以及多个命令词的置信度；在置信度集合中选择最大置信度；基于最大置信度不是非命令词置信度的情况，加载最大置信度所属的目标命令词所对应的二分类验证模型；将音频特征输入二分类验证模型，并通过二分类验证模型输出目标命令词的目标置信度；基于目标置信度大于指定阈值的情况，执行与目标命令词相匹配的功能。通过本发明专利技术的技术方案，使得设备在节省电量消耗和系统资源消耗的同时，能够保证命令词检测的准确性。

Speech verification method and device, electronic equipment and computer readable storage medium

【技术实现步骤摘要】
语音验证方法及装置、电子设备和计算机可读存储介质
本专利技术涉及神经网络
，尤其涉及一种语音验证方法及装置、电子设备和计算机可读存储介质。
技术介绍
目前常常在语音控制中设置匹配多种命令的多种命令词，以为方便用户使用，而用于验证多种命令词的神经网络模型往往结构复杂、参数众多，其训练数据多、训练时间长，运作起来消耗的电量就会很多。然而，对于耳机等低电量设备，模型的高复杂度和高运算量，会消耗大量电量，而若为节省电量而降低模型的复杂度，则会影响命令词识别的准确性。并且，由于低电量设备本身的运算局限性，使用高精确度的复杂模型还会造成语音唤醒的高延迟，这些均会降低设备的用户体验。因此，如何在减少设备功耗的同时保证语音控制的准确性，成为目前亟待解决的技术问题。
技术实现思路
本专利技术提供一种语音验证方法及装置、电子设备和计算机可读存储介质，针对相关技术中低电量设备难以兼顾电量保护和语音控制的准确性的技术问题，可通过轻量模型筛选出可能的命令词后，再唤醒该命令词对应的具有高准确性的二分类验证模型。本专利技术第一方面提供一种语音验证方法，包括：实时采集声音信号；提取所述声音信号的音频特征；将所述音频特征输入多分类验证模型，并通过所述多分类验证模型输出置信度集合，所述置信度集合包括非命令词置信度以及多个命令词的置信度；在所述置信度集合中选择最大置信度；基于所述最大置信度不是所述非命令词置信度的情况，加载所述最大置信度所属的目标命令词所对应的二分类验证模型；将所述音频特征输入所述二分类验证模型，并通过所述二分类验证模型输出所述目标命令词的目标置信度；基于所述目标置信度大于指定阈值的情况，执行与所述目标命令词相匹配的功能。在本专利技术上述实施例中，可选地，所述提取所述声音信号的音频特征的步骤，具体包括：提取单帧声音信号的Fbank音频特征；所述将所述音频特征输入多分类验证模型的步骤，具体包括：将所述单帧声音信号的所述Fbank音频特征输入所述多分类验证模型；则所述语音验证方法还包括：基于所述最大置信度是所述非命令词置信度的情况，返回所述提取所述声音信号的音频特征的步骤，以提取所述单帧声音信号的下一帧声音信号的Fbank音频特征。在本专利技术上述实施例中，可选地，在所述提取所述声音信号的音频特征的步骤之前，还包括：将所述声音信号存储至缓冲区；则所述将所述音频特征输入所述二分类验证模型的步骤，具体包括：将所述缓冲区中包括所述单帧声音信号在内的全部声音信号的音频特征输入所述二分类验证模型。在本专利技术上述实施例中，可选地，还包括：根据预定命令词的长度，设置所述缓冲区的大小；则所述语音验证方法还包括：基于所述缓冲区的全部存储空间被占用的情况，删除所述缓冲区中满足指定条件的声音信号，其中，所述指定条件包括：存储时间早于指定时间或帧序号小于预定序号。在本专利技术上述实施例中，可选地，在所述实时采集声音信号的步骤之前，还包括：获取训练样本集合，所述训练样本集合中的每个训练样本包括同一样本命令词的一组样本音频特征和对应的样本置信度；初始化初始二分类验证模型的模型参数；将所述每个训练样本的样本音频特征输入所述初始二分类验证模型，得到所述每个训练样本对应的置信度预测值；基于所述每个训练样本的所述置信度预测值和所述样本置信度的差异，对所述初始二分类验证模型的模型参数进行调整，得到所述样本命令词的所述二分类验证模型。本专利技术第二方面提供一种语音验证装置，包括：声音信号采集单元，用于实时采集声音信号；音频特征提取单元，用于提取所述声音信号的音频特征；第一模型验证单元，用于将所述音频特征输入多分类验证模型，并通过所述多分类验证模型输出置信度集合，所述置信度集合包括非命令词置信度以及多个命令词的置信度；最大置信度选择单元，用于在所述置信度集合中选择最大置信度；模型验证加载单元，用于基于所述最大置信度不是所述非命令词置信度的情况，加载所述最大置信度所属的目标命令词所对应的二分类验证模型；第二模型验证单元，用于将所述音频特征输入所述二分类验证模型，并通过所述二分类验证模型输出所述目标命令词的目标置信度；功能执行单元，用于基于所述目标置信度大于指定阈值的情况，执行与所述目标命令词相匹配的功能。在本专利技术上述实施例中，可选地，所述音频特征提取单元具体用于：提取单帧声音信号的Fbank音频特征；所述第一模型验证单元用于：将所述单帧声音信号的所述Fbank音频特征输入所述多分类验证模型；所述第一模型验证单元还用于：基于所述最大置信度是所述非命令词置信度的情况，返回所述提取所述声音信号的音频特征的步骤，以提取所述单帧声音信号的下一帧声音信号的Fbank音频特征。在本专利技术上述实施例中，可选地，还包括：声音信号存储单元，用于在所述音频特征提取单元提取所述声音信号的音频特征之前，将所述声音信号存储至缓冲区；则所述第二模型验证单元具体用于：将所述缓冲区中包括所述单帧声音信号在内的全部声音信号的音频特征输入所述二分类验证模型。在本专利技术上述实施例中，可选地，还包括：缓冲区设置单元，用于根据预定命令词的长度，设置所述缓冲区的大小；则所述第二模型验证单元还用于：基于所述缓冲区的全部存储空间被占用的情况，删除所述缓冲区中满足指定条件的声音信号，其中，所述指定条件包括：存储时间早于指定时间或帧序号小于预定序号。在本专利技术上述实施例中，可选地，还包括：训练样本获取单元，用于在所述声音信号采集单元实时采集所述声音信号之前，获取训练样本集合，所述训练样本集合中的每个训练样本包括同一样本命令词的一组样本音频特征和对应的样本置信度；模型初始化单元，用于初始化初始二分类验证模型的模型参数；模型训练单元，用于将所述每个训练样本的样本音频特征输入所述初始二分类验证模型，得到所述每个训练样本对应的置信度预测值；模型调整单元，用于基于所述每个训练样本的所述置信度预测值和所述样本置信度的差异，对所述初始二分类验证模型的模型参数进行调整，得到所述样本命令词的所述二分类验证模型。本专利技术第三方面提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述第一方面和第二方面中任一项所述的方法。本专利技术第四方面提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述第一方面和第二方面中任一项所述的方法流程。本专利技术的技术方案，针对相关技术中低电量设备难以兼顾电量保护和语音控制的准确性的技术问题，可为单个命令词设置具有高准确性的二分类验证模型，并将这些二分类验证模型设置为休眠状态，只有在通过轻量级的多分类验证模型筛选出命令词后，再激活该命令词对应的二分类验证模型进行语音验证。具体来说，可实时采集声音信号，接着，对于采集到的声音信号，可逐帧提取音频特征，以通过该音频特征作为命令词验证的依据。命令词验证的过程通过神经网络模型来实现，此处，可将音频特征输入预设的多分类验证模型。其中，多分类验证模型为轻量模型，用于初步本文档来自技高网...

【技术保护点】
1.一种语音验证方法，其特征在于，包括：/n实时采集声音信号；/n提取所述声音信号的音频特征；/n将所述音频特征输入多分类验证模型，并通过所述多分类验证模型输出置信度集合，所述置信度集合包括非命令词置信度以及多个命令词的置信度；/n在所述置信度集合中选择最大置信度；/n基于所述最大置信度不是所述非命令词置信度的情况，加载所述最大置信度所属的目标命令词所对应的二分类验证模型；/n将所述音频特征输入所述二分类验证模型，并通过所述二分类验证模型输出所述目标命令词的目标置信度；/n基于所述目标置信度大于指定阈值的情况，执行与所述目标命令词相匹配的功能。/n

【技术特征摘要】
1.一种语音验证方法，其特征在于，包括：
实时采集声音信号；
提取所述声音信号的音频特征；
将所述音频特征输入多分类验证模型，并通过所述多分类验证模型输出置信度集合，所述置信度集合包括非命令词置信度以及多个命令词的置信度；
在所述置信度集合中选择最大置信度；
基于所述最大置信度不是所述非命令词置信度的情况，加载所述最大置信度所属的目标命令词所对应的二分类验证模型；
将所述音频特征输入所述二分类验证模型，并通过所述二分类验证模型输出所述目标命令词的目标置信度；
基于所述目标置信度大于指定阈值的情况，执行与所述目标命令词相匹配的功能。


2.根据权利要求1所述的语音验证方法，其特征在于，所述提取所述声音信号的音频特征的步骤，具体包括：
提取单帧声音信号的Fbank音频特征；
所述将所述音频特征输入多分类验证模型的步骤，具体包括：
将所述单帧声音信号的所述Fbank音频特征输入所述多分类验证模型；
则所述语音验证方法还包括：
基于所述最大置信度是所述非命令词置信度的情况，返回所述提取所述声音信号的音频特征的步骤，以提取所述单帧声音信号的下一帧声音信号的Fbank音频特征。


3.根据权利要求1所述的语音验证方法，其特征在于，在所述提取所述声音信号的音频特征的步骤之前，还包括：
将所述声音信号存储至缓冲区；
则所述将所述音频特征输入所述二分类验证模型的步骤，具体包括：
将所述缓冲区中包括所述单帧声音信号在内的全部声音信号的音频特征输入所述二分类验证模型。


4.根据权利要求3所述的语音验证方法，其特征在于，还包括：
根据预定命令词的长度，设置所述缓冲区的大小；
则所述语音验证方法还包括：
基于所述缓冲区的全部存储空间被占用的情况，删除所述缓冲区中满足指定条件的声音信号，其中，
所述指定条件包括：存储时间早于指定时间或帧序号小于预定序号。


5.根据权利要求1至4中任一项所述的语音验证方法，其特征在于，在所述实时采集声音信号的步骤之前，还包括：
获取训练样本集合，所述训练样本集合中的每个训练样本包括同一样本命令词的一组样本音频特征和对应的样本置信度；
初始化初始二分类验证模型的模型参数；
将所述每个训练样本的样本音频特征输入所述初始二分类验证模型，得到所述每个训练样本对应...

【专利技术属性】
技术研发人员：崔凡，李深，雷欣，李志飞，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：北京;11