关键词识别方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种关键词识别方法、装置、电子设备及存储介质。该方法包括：获取待识别语音在各个时间窗口下的频谱特征；将所述各个时间窗口下的频谱特征分别输入到特征提取网络，得到所述待识别语音在不同频率下的频域特征；其中，每个频率下的频域特征是按照时间窗口从前往后的顺序对所述待识别语音在每个频率下的频域特征进行累积得到的；将所述不同频率下的频域特征输入到抉择网络，得到所述待识别语音的关键词；其中，所述特征提取网络的网络参数以及所述抉择网络的网络参数是基于动力学预先设定的，所述特征提取网络和所述抉择网络之间的网络参数是通过训练得到的。

【技术实现步骤摘要】

本专利技术涉及人工智能，具体涉及一种关键词识别方法、装置、电子设备及存储介质。

技术介绍

1、近年来，随着深度学习技术的快速发展，深度神经网也越来越用来进行关键词语音识别。深度神经网络可以被用于对语音信号端到端建模，深度网络的学习容量大，可以在大数据量上进行有监督。常用的模型有，深度卷积神经网络，循环神经网络如lstm，gru等，基于注意力机制的神经网络等。深度神经网络用于关键词语音识别大致可以分为两个部分，一个部分为特征提取，一个部分为时空特征整合识别。例如，深度卷积神经网络用于语音识别时，通常将语音转换为mfcc特征，然后只是单纯的将mfcc特征视为图片进行识别，导致识别精度比较低。

技术实现思路

1、本申请提供了一种关键词识别方法、装置、电子设备及存储介质，提高对语音关键词的识别精度，以及提高对语音关键词识别的鲁棒性。

2、第一方面，本申请实施例提供一种关键词识别方法，包括：

3、获取待识别语音在各个时间窗口下的频谱特征；

4、将所述各个时间窗口下的频谱特征分别输入到本文档来自技高网...

【技术保护点】

1.一种关键词识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，

6.根据权利要求1-5中任一项所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求7所述的方法，其特征在于，

9.根据权利要求6-8中任一项所述的方法，其特征在于，所述根据所述第U层子抉择网络中的各个神经元在各个时间窗口下的突触电流，得到所述待...

【技术特征摘要】

1.一种关键词识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，

6.根据权利要求1-5中任一项所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求7所述的方法，其特征在于，

9.根据权利要求6-8中任一项所述的方法，其特征在于，所述根据所述第u层子抉择网络中的各个神经元在各个时间窗口下的突触电流，得到所述待识别语音的关键词，包括：

10.根据权利要求1-9中任一项所述的方法，其特征在于，获取待识别语音各个时间窗口下的频谱特征之前，所述方法还包括：

11.根据权利要求10所述的方法，其特征在于，

12.一种关键词识别装置，其特征在于，包括：获取单元和处理单元；

13.根据权利要求12所述的装置，其特征在于，

【专利技术属性】
技术研发人员：弭元元，邹晓龙，郭青海，程捷，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：