一种分布式语音交互方法、系统及分布式中心技术方案

本申请实施例公开了一种分布式语音交互方法、系统及分布式中心。其中，该方法包括：接收唤醒设备上传的唤醒词段音频特征和唤醒词时间范围；其中，唤醒设备为多个智能语音设备中被唤醒词唤醒的智能语音设备，唤醒词段音频特征包括第一达到时间差tdoa特征和第一音频质量特征；根据第一tdoa特征和唤醒词时间范围选择唤醒词到达时间最早的唤醒设备作为响应设备；根据第一音频质量特征选择唤醒词音频质量最好的唤醒设备作为识别阶段的拾音设备。可见，本申请实施例中能保证总是距离用户最近的语音智能设备来对用户进行响应，使得响应能够更好地被用户感知；还能保证采集得到的识别语句音频质量较好，从而可以获得更准确的识别效果。果。果。

【技术实现步骤摘要】
一种分布式语音交互方法、系统及分布式中心


[0001]本申请涉及语音交互
，更具体的说，涉及一种分布式语音交互方法、系统及分布式中心。

技术介绍

[0002]随着智能语音设备的普及，同一环境下可能会存在多个智能语音设备同时工作。例如：家居环境下，电视机、空调、冰箱和洗衣机等家电都可能具备智能语音交互功能。而由于在同一环境中同时存在多个智能语音设备，导致多个智能语音设备可能会在短时间内先后对用户的语音指令进行响应，会出现“一呼多应”的现象。
[0003]目前，是通过选择唤醒词时间段信号能量最大的智能语音设备作为响应设备，并将响应设备直接作为识别阶段的拾音设备，以避免“一呼多应”的现象。
[0004]但是，该方法过分依赖于唤醒词时间段内的信号能量，在实际情况中会受到噪声、说话人朝向等因素的影响，可能无法将距离最近的智能语音设备作为响应设备。而且，将响应设备直接作为识别阶段的拾音设备，无法保证识别阶段采集得到的语音数据的质量，语音识别效果较差。

技术实现思路

[0005]有鉴于此，本申请实施例公开一种分布式语音交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式语音交互方法，其特征在于，所述方法包括：接收唤醒设备上传的唤醒词段音频特征和唤醒词时间范围；其中，所述唤醒设备为多个智能语音设备中被唤醒词唤醒的智能语音设备，所述唤醒词段音频特征包括第一达到时间差tdoa特征和第一音频质量特征；根据所述第一tdoa特征和所述唤醒词时间范围选择唤醒词到达时间最早的唤醒设备作为响应设备；根据所述第一音频质量特征选择唤醒词音频质量最好的唤醒设备作为识别阶段的拾音设备。2.根据权利要求1所述的方法，其特征在于，所述唤醒设备为多个，所述第一tdoa特征为多个，所述根据所述第一tdoa特征和所述唤醒词时间范围选择唤醒词到达时间最早的唤醒设备作为响应设备，包括：根据多个第一tdoa特征分别对应的唤醒词时间范围，从所述多个第一tdoa特征中分别取出共同时间段的tdoa子特征，得到多个tdoa子特征；将所述多个tdoa子特征输入预设的第一判决模型，得到第一判决结果；其中，所述第一判决模型利用多条到达时间差已知的第一音频训练数据训练得到，所述第一音频训练数据包括唤醒词；根据所述第一判决结果选择唤醒词到达时间最早的唤醒设备作为响应设备。3.根据权利要求1所述的方法，其特征在于，所述唤醒设备为多个，所述第一音频质量特征为多个，所述根据所述第一音频质量特征选择唤醒词音频质量最好的唤醒设备作为识别阶段的拾音设备，包括：将多个第一音频质量特征输入预设的第二判决模型，得到第二判决结果；其中，所述第二判决模型利用多个音频质量已知的第二音频训练数据训练得到，所述第二音频训练数据包括唤醒词；根据所述第二判决结果选择唤醒词音频质量最好的唤醒设备作为识别阶段的拾音设备。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过如下构建过程构建第一提取模型和第一判决模型：构造第一训练集；其中，所述第一训练集包括多条第一音频训练数据，每一条所述第一音频训练数据包括N个阵列的音频，每个阵列的音频包括一个唤醒词，所述唤醒词在N个阵列的到达时间差已知，所述N≥2；将每一条第一音频训练数据中的每个阵列的音频独立输入第一初始提取模型，得到每一条第一音频训练数据对应的N个第二tdoa特征；随机将每一条第一音频训练数据对应的p个第二tdoa特征置零，得到p个第一置零特征；其中所述p满足0≤p≤N
‑
2；以得到N
×
1维向量为训练目标，将每一条第一音频训练数据对应的p个第一置零特征和N
‑
p个未置零的第二tdoa特征输入第一初始判决模型，对所述第一初始提取模型和所述第一初始判决模型进行联合迭代训练，得到训练好的所述第一提取模型和所述第一判决模型；其中，所述第一提取模型用于提取所述第一tdoa特征，所述第一判决模型用于选择唤醒词到达时间最早的唤醒设备。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过如下构建过程构建第二提取模型和第二判决模型：构造第二训练集；其中，所述第二训练集包括多条第二音频训练数据，每一条所述第二音频训练数据包括M个阵列的音频，每个阵列的音频包括一个唤醒词，在M个阵列中所述唤醒词的音频质量已知，所述M≥2；将每一条第二音频训练数据中的每个阵列的音频独立输入第二初始提取模型，得到每一条第二音频训练数据对应的M个第二音频质量特征；随机将每一条第二音频训练数据对应的q个第二音频质量特征置零，得到q个第二置零特征；其中所述q满足0≤q≤M
‑
2；以得到M
×
1维向量为训练目标，将每一条第二音频训练数据对应q个第二置零特征和M
‑
q个未置零的第二音频质量特征输入第二初始判决模型，对所述第二初始提取模型和所述第二初始判决模型进行联合迭代训练，得到训练好的所述第二提取模型和所述第二判决模型；其...

【专利技术属性】
技术研发人员：曹圣红，马峰，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：