基于人工智能的摆件语音识别方法及系统技术方案

本发明专利技术实施例提供的基于人工智能的摆件语音识别方法及系统，通过改进控制任务事件识别算法的算法架构，使得控制任务事件识别算法仅关注待识别摆件控制语音输入信息中与目标控制任务事件相关的语音向量，减少控制任务事件识别算法的处理开销，从而提高结合控制任务事件识别算法生成摆件控制执行策略的时效性和准确性

【技术实现步骤摘要】
基于人工智能的摆件语音识别方法及系统


[0001]本专利技术涉及人工智能
，特别涉及一种基于人工智能的摆件语音识别方法及系统
。

技术介绍

[0002]电动音控摆件是一种通过电力驱动并能根据音乐节奏或声音变化而自动摆动的装饰品
。
它通常由一个或多个摆动的部件组成，内置了传感器和音频设备，以便能够感知环境中的声音并作出相应的反应
。
当它检测到声音时，它会以不同的速度
、
幅度或方向进行摆动，从而创造出视觉上的动感效果
。
这些摆件可以采用各种形状和设计，例如舞台表演者
、
动物
、
乐器等
。
电动音控摆件常被用于家居装饰
、
娱乐场所或音乐活动中，为环境增添趣味和活力
。
传统的电动音控摆件大多仅能根据简单的语音指令进行动作，而随着用户对摆件控制的复杂度的提到，现有技术难以通过相对复杂的语音指令实现准确及时的摆件控制
。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本专利技术提供了一种基于人工智能的摆件语音识别方法及系统
。
[0004]第一方面，本专利技术实施例提供了一种基于人工智能的摆件语音识别方法，应用于
AI
语音识别处理系统，所述方法包括：获得待识别摆件控制语音输入信息；将所述待识别摆件控制语音输入信息加载到控制任务事件识别算法，通过所述控制任务事件识别算法第一语音描述向量挖掘分支集对所述待识别摆件控制语音输入信息进行语音描述向量挖掘得到控制任务事件需求描述数据，所述第一语音描述向量挖掘分支集包括同步的控制任务事件需求描述挖掘组件和与各个同步的控制任务事件需求描述挖掘组件相连的第一特征聚合组件；依据所述控制任务事件识别算法将所述控制任务事件需求描述数据加载到第二语音描述向量挖掘分支集，得到所述待识别摆件控制语音输入信息中的目标控制任务事件对应的控制任务相对分布描述数据，所述第二语音描述向量挖掘分支集包括同步的控制任务相对分布描述挖掘组件和与各个同步的控制任务相对分布描述挖掘组件相连的第二特征聚合组件；基于所述控制任务相对分布描述数据生成所述目标控制任务事件对应的摆件控制执行策略
。
[0005]在一些可选的方案中，通过所述控制任务事件识别算法第一语音描述向量挖掘分支集对所述待识别摆件控制语音输入信息进行语音描述向量挖掘得到控制任务事件需求描述数据，包括：将所述待识别摆件控制语音输入信息输入第一深度学习组件，提取得到第一摆件控制语音语义向量；将所述第一摆件控制语音语义向量加载到同步的第一滑动平均组件和第一特征
下采样组件，所述第一深度学习组件
、
所述第一滑动平均组件和所述第一特征下采样组件包括语义提炼过程；通过所述第一滑动平均组件生成摆件控制语音滑动平均向量，通过所述第一特征下采样组件生成局部结构控制逻辑特征；将所述摆件控制语音滑动平均向量和所述局部结构控制逻辑特征通过所述第一特征聚合组件进行
AI
知识融合得到所述控制任务事件需求描述数据
。
[0006]在一些可选的方案中，依据所述控制任务事件识别算法将所述控制任务事件需求描述数据加载到第二语音描述向量挖掘分支集，得到所述待识别摆件控制语音输入信息中的目标控制任务事件对应的控制任务相对分布描述数据，包括：将所述控制任务事件需求描述数据输入第二深度学习组件，提取得到第二摆件控制语音语义向量；将所述第二摆件控制语音语义向量加载到同步的第二滑动平均组件
、
第三滑动平均组件和第二特征下采样组件，所述第二滑动平均组件和所述第三滑动平均组件的语音描述向量挖掘分支的规模存在差异，所述第二深度学习组件
、
所述第二滑动平均组件
、
所述第三滑动平均组件和所述第二特征下采样组件包括语义提炼过程；通过所述第二滑动平均组件生成第一相对分布滑动平均向量，通过所述第三滑动平均组件生成第二相对分布滑动平均向量，通过所述第二特征下采样组件生成相对分布上下游特征；将所述第一相对分布滑动平均向量
、
所述第二相对分布滑动平均向量和所述相对分布上下游特征通过所述第二特征聚合组件进行
AI
知识融合得到所述控制任务相对分布描述数据
。
[0007]在一些可选的方案中，所述基于所述控制任务相对分布描述数据生成所述目标控制任务事件对应的摆件控制执行策略，包括：基于所述控制任务相对分布描述数据确定所述待识别摆件控制语音输入信息中目标控制任务事件的事件状态；基于所述目标控制任务事件的事件状态确定所述目标控制任务事件的待控制部位个数；基于所述控制任务相对分布描述数据确定所述目标控制任务事件的关键部位分布特征；基于所述待控制部位个数和所述关键部位分布特征确定所述目标控制任务事件的摆件控制执行策略和摆件控制期望轨迹
。
[0008]在一些可选的方案中，所述控制任务事件识别算法的调试方法包括：获得摆件控制语音输入信息样例集，所述摆件控制语音输入信息样例集中的摆件控制语音输入信息样例包括控制任务事件样例对应的摆件控制执行策略样例；将所述摆件控制语音输入信息样例集中的摆件控制语音输入信息样例加载到待调试控制任务事件识别算法，所述待调试控制任务事件识别算法通过第一语音描述向量挖掘分支集对所述摆件控制语音输入信息样例进行语音描述向量挖掘得到调试控制任务事件需求描述数据，所述第一语音描述向量挖掘分支集包括同步的控制任务事件需求描述挖掘组件和与各个同步的控制任务事件需求描述挖掘组件相连的第一特征聚合组件；
通过所述待调试控制任务事件识别算法将所述调试控制任务事件需求描述数据加载到第二语音描述向量挖掘分支集，得到所述摆件控制语音输入信息样例中的控制任务事件样例对应的调试控制任务相对分布描述数据，所述第二语音描述向量挖掘分支集包括同步的控制任务相对分布描述挖掘组件和与各个同步的控制任务相对分布描述挖掘组件相连的第二特征聚合组件；基于所述调试控制任务相对分布描述数据和所述摆件控制执行策略样例优化所述待调试控制任务事件识别算法的算法变量，直到所述待调试控制任务事件识别算法生成的调试控制任务相对分布描述数据生成满足稳定状态要求，得到已调试的所述控制任务事件识别算法
。
[0009]在一些可选的方案中，所述方法还包括：获得所述摆件控制语音输入信息样例中的所述控制任务事件样例对应的摆件控制执行策略样例对应的先验调试学习依据；基于所述先验调试学习依据确定出控制任务事件识别算法对应的通用变量；基于所述通用变量对所述控制任务事件识别算法的算法变量进行调整，得到待调试控制任务事件识别算法
。
[0010]在一些可选的方案中，所述获得摆件控制语音输入信息样例集，所述摆件控制语音输入信息样例集中的摆件控制语音输入信息样例包括控制任务事件样例对应的摆件控制执行策略样例，包括：获得过往摆件控制语音输入信息集，所述过往摆件控制语音输入信息集中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的摆件语音识别方法，其特征在于，应用于
AI
语音识别处理系统，包括：获得待识别摆件控制语音输入信息；将所述待识别摆件控制语音输入信息加载到控制任务事件识别算法，通过所述控制任务事件识别算法第一语音描述向量挖掘分支集对所述待识别摆件控制语音输入信息进行语音描述向量挖掘得到控制任务事件需求描述数据，所述第一语音描述向量挖掘分支集包括同步的控制任务事件需求描述挖掘组件和与各个同步的控制任务事件需求描述挖掘组件相连的第一特征聚合组件；依据所述控制任务事件识别算法将所述控制任务事件需求描述数据加载到第二语音描述向量挖掘分支集，得到所述待识别摆件控制语音输入信息中的目标控制任务事件对应的控制任务相对分布描述数据，所述第二语音描述向量挖掘分支集包括同步的控制任务相对分布描述挖掘组件和与各个同步的控制任务相对分布描述挖掘组件相连的第二特征聚合组件；基于所述控制任务相对分布描述数据生成所述目标控制任务事件对应的摆件控制执行策略
。2.
如权利要求1所述的方法，其特征在于，通过所述控制任务事件识别算法第一语音描述向量挖掘分支集对所述待识别摆件控制语音输入信息进行语音描述向量挖掘得到控制任务事件需求描述数据，包括：将所述待识别摆件控制语音输入信息输入第一深度学习组件，提取得到第一摆件控制语音语义向量；将所述第一摆件控制语音语义向量加载到同步的第一滑动平均组件和第一特征下采样组件，所述第一深度学习组件
、
所述第一滑动平均组件和所述第一特征下采样组件包括语义提炼过程；通过所述第一滑动平均组件生成摆件控制语音滑动平均向量，通过所述第一特征下采样组件生成局部结构控制逻辑特征；将所述摆件控制语音滑动平均向量和所述局部结构控制逻辑特征通过所述第一特征聚合组件进行
AI
知识融合得到所述控制任务事件需求描述数据
。3.
如权利要求1所述的方法，其特征在于，依据所述控制任务事件识别算法将所述控制任务事件需求描述数据加载到第二语音描述向量挖掘分支集，得到所述待识别摆件控制语音输入信息中的目标控制任务事件对应的控制任务相对分布描述数据，包括：将所述控制任务事件需求描述数据输入第二深度学习组件，提取得到第二摆件控制语音语义向量；将所述第二摆件控制语音语义向量加载到同步的第二滑动平均组件
、
第三滑动平均组件和第二特征下采样组件，所述第二滑动平均组件和所述第三滑动平均组件的语音描述向量挖掘分支的规模存在差异，所述第二深度学习组件
、
所述第二滑动平均组件
、
所述第三滑动平均组件和所述第二特征下采样组件包括语义提炼过程；通过所述第二滑动平均组件生成第一相对分布滑动平均向量，通过所述第三滑动平均组件生成第二相对分布滑动平均向量，通过所述第二特征下采样组件生成相对分布上下游特征；将所述第一相对分布滑动平均向量
、
所述第二相对分布滑动平均向量和所述相对分布
上下游特征通过所述第二特征聚合组件进行
AI
知识融合得到所述控制任务相对分布描述数据
。4.
如权利要求1所述的方法，其特征在于，所述基于所述控制任务相对分布描述数据生成所述目标控制任务事件对应的摆件控制执行策略，包括：基于所述控制任务相对分布描述数据确定所述待识别摆件控制语音输入信息中目标控制任务事件的事件状态；基于所述目标控制任务事件的事件状态确定所述目标控制任务事件的待控制部位个数；基于所述控制任务相对分布描述数据确定所述目标控制任务事件的关键部位分布特征；基于所述待控制部位个数和所述关键部位分布特征确定所述目标控制任务事件的摆件控制执行策略和摆件控制期望轨迹
。5.
如权利要求1所述的方法，其特征在于，所述控制任务事件识别算法的调试方法包括：获得摆件控制语音输入信息样例集，所述摆件控制语音输入信息样例集中的摆件控制语音输入信息样例包括控制任务事件样例对应的摆件控制执行策略样例；将所述摆件控制语音输入信息样例集中的摆件控制语音输入信息样例加载到待调试控制任务事件识别算法，所述待调试控制任务事件识别算法通过第一语音描述向量挖掘分支集对所述摆件控制语音输入信息样例进行语音描述向量挖掘得到调试控制任务事件需求描述数...

【专利技术属性】
技术研发人员：陈建明，
申请(专利权)人：深圳市宏泰智能创意电子科技有限公司，
类型：发明
国别省市：