【技术实现步骤摘要】
基于Tensorflow唤醒模型的预测方法、装置和计算机设备
本申请涉及到计算机领域，特别是涉及到基于Tensorflow唤醒模型的预测方法、装置和计算机设备。
技术介绍
在智能产品中有一项重要的AI能力，就是语音唤醒。智能设备开启并自动加载好资源，这时它处于休眠状态。当用户说出特定的唤醒词时，设备就会被唤醒，自动切换到工作状态等待用户接下来的指令。但现有语音唤醒中正唤醒准确率不高，不能满足智能产品实时被唤醒的需求。
技术实现思路
本申请的主要目的为提供基于Tensorflow唤醒模型的预测方法，旨在解决现有语音唤醒不能满足智能产品实时被唤醒的需求的技术问题。本申请提出一种基于Tensorflow唤醒模型的预测方法，包括：将语音数据拆分成按照所述语音数据形成时序依次排布的多个帧音频数据段；依据所述语音数据的形成时序将相邻的各所述帧音频数据段进行部分重合，组合成唤醒模型的预测数据，其中，所述预测数据保持了所述语音数据的形成时序；分别提取预测数据对应的特征值，形成唤醒模型的输入...
【技术保护点】
1.一种基于Tensorflow唤醒模型的预测方法，其特征在于，包括：/n将语音数据拆分成按照所述语音数据形成时序依次排布的多个帧音频数据段；/n依据所述语音数据的形成时序将相邻的各所述帧音频数据段进行部分重合，组合成唤醒模型的预测数据，其中，所述预测数据保持了所述语音数据的形成时序；/n分别提取各所述预测数据对应的特征值，形成唤醒模型的输入数据；/n将各所述输入数据依次输入至所述唤醒模型进行预测，得到预测结果。/n
【技术特征摘要】
1.一种基于Tensorflow唤醒模型的预测方法，其特征在于，包括：
将语音数据拆分成按照所述语音数据形成时序依次排布的多个帧音频数据段；
依据所述语音数据的形成时序将相邻的各所述帧音频数据段进行部分重合，组合成唤醒模型的预测数据，其中，所述预测数据保持了所述语音数据的形成时序；
分别提取各所述预测数据对应的特征值，形成唤醒模型的输入数据；
将各所述输入数据依次输入至所述唤醒模型进行预测，得到预测结果。
2.根据权利要求1所述的基于Tensorflow唤醒模型的预测方法，其特征在于，所述依据所述语音数据的形成时序将相邻的各所述帧音频数据段进行部分重合，组合成唤醒模型的预测数据的步骤，包括：
按照所述语音数据的形成时序，将开始时刻至第一时刻对应的音频字节作为第一预测数据，其中，所述第一预测数据包含于所有所述预测数据中，所述开始时刻和所述第一时刻属于同一个帧音频数据段；
按照所述语音数据的形成时序，将第二时刻至第三时刻对应的音频字节作为第二预测数据，其中，所述第二预测数据包含于所有所述预测数据中，所述第二时刻位于所述第一时刻之前，所述第三时刻位于所述第一时刻之后，所述第二时刻和所述第三时刻分别属于相邻的两个帧音频数据段；
按照所述第一预测数据以及所述第二预测数据的形成过程，依次形成所述唤醒模型的所有预测数据。
3.根据权利要求2所述的基于Tensorflow唤醒模型的预测方法，其特征在于，所述按照所述语音数据的形成时序，将第二时刻至第三时刻对应的音频字节作为第二预测数据的步骤，包括：
在所述第一预测数据中，确定排布于中间位置处的指定音频字节；
获取所述指定音频字节对应的形成时刻；
将所述指定音频字节对应的形成时刻，作为所述第二时刻；
从所述指定音频字节起，按照所述语音数据的形成时序依次计数排在所述指定音频字节之后的音频字节，至所述计数等于所述指定数量时终止；
确定所述计数等于所述指定数量时对应的终止音频字节；
将所述终止音频字节对应的形成时刻，作为所述第三时刻。
4.根据权利要求1所述的基于Tensorflow唤醒模型的预测方法，其特征在于，所述将各所述预测数据依次输入至所述唤醒模型进行预测，得到预测结果的步骤之后，包括：
将所有所述预测结果分别保存于第一指定长度的预测平滑队列中；
将所述预测平滑队列中超过预设阈值的预测结果的唤醒标记记为1，将未超过预设阈值的预测结果的唤醒标记记为0；
将所有所述唤醒标记按照所述语音数据的形成时序，映射于第二指定长度的检验队列中；
依据所述检验队列输出所述唤醒结果。
5.根据权利要求4所述的基于Tensorflow唤醒模型的预测方法，其特征在于，所述预测结果对应的预测分析内容存储于预测日志，所述预测分析内容包括所述...
【专利技术属性】
技术研发人员：王天喜，王广新，杨汉丹，
申请(专利权)人：深圳市友杰智新科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。