命令的识别方法、装置及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命令的识别方法、装置及计算机可读存储介质，方法包括：命令的识别装置获取第一语音信息；将第一语音信息输入命令识别模型，得到命令词的第一特征向量，命令识别模型通过用户自定义的各个命令训练得到；在命令词的特征向量库中存储有与第一特征向量匹配的第二特征向量时，响应第一语音信息对应的命令。本发明专利技术提高了命令的识别效率。本发明专利技术提高了命令的识别效率。本发明专利技术提高了命令的识别效率。

【技术实现步骤摘要】
命令的识别方法、装置及计算机可读存储介质


[0001]本专利技术涉及深度学习
，尤其涉及一种命令的识别方法、装置及计算机可读存储介质。

技术介绍

[0002]对于由于深度学习的出现，命令的识别变得越来越重要，大量的产品使用语音识别来控制家用与工业系统，但是由于系统不能及时响应相关的命令，则可能出现一系列事故，由此可见，现有技术对命令的识别效率低。

技术实现思路

[0003]本专利技术实施例通过提供一种命令的识别方法、装置及计算机可读存储介质，旨在解决现有技术对命令的识别效率低的技术问题。
[0004]本专利技术实施例提供一种命令的识别方法，所述命令的识别方法包括：
[0005]获取第一语音信息；
[0006]将所述第一语音信息输入命令识别模型，得到命令词的第一特征向量，所述命令识别模型通过用户自定义的各个命令训练得到；
[0007]在命令词的特征向量库中存储有与所述第一特征向量匹配的第二特征向量时，响应所述第一语音信息对应的命令。
[0008]在一实施例中，所述将所述第一语音信息输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种命令的识别方法，其特征在于，所述命令的识别方法包括：获取第一语音信息；将所述第一语音信息输入命令识别模型，得到命令词的第一特征向量，所述命令识别模型通过用户自定义的各个命令训练得到；在命令词的特征向量库中存储有与所述第一特征向量匹配的第二特征向量时，响应所述第一语音信息对应的命令。2.如权利要求1所述的方法，其特征在于，所述将所述第一语音信息输入命令识别模型的步骤之后，还包括：确定声纹特征向量库中是否存储有与第三特征向量匹配的第四特征向量，其中，所述第一语音信息输入命令识别模型得到命令词的第一特征向量以及声纹的第三特征向量；在确定声纹特征向量库中存储有与第三特征向量匹配的第四特征向量时，确定命令词的特征向量库中是否存储有与所述第一特征匹配的第二特征向量；在命令词的特征向量库中存储有与所述第一特征向量匹配的第二特征向量时，执行所述响应所述第一语音信息对应的命令的步骤。3.如权利要求2所述的方法，其特征在于，对所述命令词的第一特征向量以及声纹的第三特征向量进行维度规约。4.如权利要求3所述的方法，其特征在于，所述获取第一语音信息的步骤之前，所述方法还包括：获取各个训练样本，训练样本包括用户的声纹特征以及第二语音信息，所述第二语音信息包括用户自定义的命令；根据各个所述训练样本对预设模型进行训练，以得到所述命令识别模型并保存所述命令识别模型。5.如权利要求4所述的方法，其特征在于，所述根据各个所述训练样本对预设模型进行训练的步骤包括...

【专利技术属性】
技术研发人员：黄炜，钟晓雄，张伟哲，束建钢，艾建文，黄兴森，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：