本發(fā)明涉及聲音識(shí)別，尤其涉及一種錄音筆關(guān)鍵詞聲音識(shí)別方法、裝置及設(shè)備。

背景技術(shù)：

1、統(tǒng)的錄音筆關(guān)鍵詞識(shí)別方法主要依賴于頻域分析和特征匹配，在復(fù)雜環(huán)境下容易受到噪聲干擾，導(dǎo)致識(shí)別準(zhǔn)確率下降。

2、現(xiàn)有的錄音筆關(guān)鍵詞識(shí)別技術(shù)往往將聲音特征提取和關(guān)鍵詞識(shí)別作為獨(dú)立任務(wù)處理，忽視了兩個(gè)任務(wù)之間的內(nèi)在聯(lián)系，且特征提取過程中未充分考慮不同環(huán)境條件下聲音特征的差異性，導(dǎo)致識(shí)別模型的環(huán)境適應(yīng)性不足。這種割裂的處理方式限制了系統(tǒng)的整體性能。此外，傳統(tǒng)方法在處理非平穩(wěn)噪聲時(shí)表現(xiàn)欠佳，缺乏有效的噪聲抑制機(jī)制和自適應(yīng)特征權(quán)重調(diào)整策略，難以準(zhǔn)確捕捉關(guān)鍵詞的聲學(xué)特征。同時(shí)，現(xiàn)有方法普遍缺乏可靠的基線特征庫(kù)和模型評(píng)估機(jī)制，無法對(duì)識(shí)別結(jié)果進(jìn)行有效的優(yōu)化和校正。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種錄音筆關(guān)鍵詞聲音識(shí)別方法、裝置及設(shè)備，本發(fā)明提升了錄音筆的關(guān)鍵詞聲音識(shí)別結(jié)果的準(zhǔn)確性。

2、第一方面，本發(fā)明提供了一種錄音筆關(guān)鍵詞聲音識(shí)別方法，所述錄音筆關(guān)鍵詞聲音識(shí)別方法包括：

3、對(duì)錄音筆采集的原始聲音信號(hào)進(jìn)行傅里葉變換和時(shí)域隨機(jī)化處理，得到目標(biāo)時(shí)域聲音信號(hào)；

4、提取所述目標(biāo)時(shí)域聲音信號(hào)中音調(diào)特征、音色特征和響度特征，生成目標(biāo)聲音特征向量；

5、基于多個(gè)標(biāo)準(zhǔn)語(yǔ)音樣本建立標(biāo)準(zhǔn)基線特征庫(kù)；

6、對(duì)所述目標(biāo)聲音特征向量進(jìn)行加權(quán)k-means聚類分析，生成動(dòng)態(tài)特征權(quán)重矩陣；

7、將所述目標(biāo)聲音特征向量和所述動(dòng)態(tài)特征權(quán)重矩陣輸入圖結(jié)構(gòu)多任務(wù)學(xué)習(xí)模型進(jìn)行關(guān)鍵詞識(shí)別，輸出初始關(guān)鍵詞識(shí)別結(jié)果；

8、根據(jù)所述標(biāo)準(zhǔn)基線特征庫(kù)，對(duì)所述初始關(guān)鍵詞識(shí)別結(jié)果進(jìn)行加權(quán)優(yōu)化，生成目標(biāo)關(guān)鍵詞識(shí)別結(jié)果。

9、第二方面，本發(fā)明提供了一種錄音筆關(guān)鍵詞聲音識(shí)別裝置，所述錄音筆關(guān)鍵詞聲音識(shí)別裝置包括：

10、變換模塊，用于對(duì)錄音筆采集的原始聲音信號(hào)進(jìn)行傅里葉變換和時(shí)域隨機(jī)化處理，得到目標(biāo)時(shí)域聲音信號(hào)；

11、提取模塊，用于提取所述目標(biāo)時(shí)域聲音信號(hào)中音調(diào)特征、音色特征和響度特征，生成目標(biāo)聲音特征向量；

12、建立模塊，用于基于多個(gè)標(biāo)準(zhǔn)語(yǔ)音樣本建立標(biāo)準(zhǔn)基線特征庫(kù)；

13、分析模塊，用于對(duì)所述目標(biāo)聲音特征向量進(jìn)行加權(quán)k-means聚類分析，生成動(dòng)態(tài)特征權(quán)重矩陣；

14、識(shí)別模塊，用于將所述目標(biāo)聲音特征向量和所述動(dòng)態(tài)特征權(quán)重矩陣輸入圖結(jié)構(gòu)多任務(wù)學(xué)習(xí)模型進(jìn)行關(guān)鍵詞識(shí)別，輸出初始關(guān)鍵詞識(shí)別結(jié)果；

15、生成模塊，用于根據(jù)所述標(biāo)準(zhǔn)基線特征庫(kù)，對(duì)所述初始關(guān)鍵詞識(shí)別結(jié)果進(jìn)行加權(quán)優(yōu)化，生成目標(biāo)關(guān)鍵詞識(shí)別結(jié)果。

16、本發(fā)明第三方面提供了一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；所述至少一個(gè)處理器調(diào)用所述存儲(chǔ)器中的所述指令，以使得所述計(jì)算機(jī)設(shè)備執(zhí)行上述的錄音筆關(guān)鍵詞聲音識(shí)別方法。

17、本發(fā)明的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述的錄音筆關(guān)鍵詞聲音識(shí)別方法。

18、本發(fā)明提供的技術(shù)方案中，通過引入時(shí)域隨機(jī)化處理和自適應(yīng)濾波技術(shù)，有效抑制錄音信號(hào)中的非平穩(wěn)噪聲，提高了聲音信號(hào)的質(zhì)量，采用全卷積神經(jīng)網(wǎng)絡(luò)結(jié)合全連接層和稀疏連接層的雙重特征提取機(jī)制，實(shí)現(xiàn)了聲音特征的高效提取和篩選，提升了特征表示的準(zhǔn)確性；建立標(biāo)準(zhǔn)基線特征庫(kù)，結(jié)合隨機(jī)森林回歸和概率密度分布模型，構(gòu)建了可靠的特征評(píng)估基準(zhǔn)，增強(qiáng)了識(shí)別結(jié)果的可信度；設(shè)計(jì)基于加權(quán)k-means聚類的動(dòng)態(tài)特征權(quán)重調(diào)整機(jī)制，使系統(tǒng)能夠根據(jù)不同環(huán)境條件自適應(yīng)調(diào)整特征權(quán)重，提高了模型的環(huán)境適應(yīng)能力；采用圖結(jié)構(gòu)多任務(wù)學(xué)習(xí)模型，將聲音特征提取和關(guān)鍵詞識(shí)別任務(wù)進(jìn)行聯(lián)合優(yōu)化，通過參數(shù)共享提升了模型的泛化能力；引入基于注意力機(jī)制的特征增強(qiáng)網(wǎng)絡(luò)，加強(qiáng)了對(duì)關(guān)鍵聲音特征的捕捉能力，提高了關(guān)鍵詞識(shí)別的精確度；設(shè)計(jì)了基于多層次評(píng)估的識(shí)別結(jié)果優(yōu)化機(jī)制，通過特征相似度分析和一致性評(píng)估，提升了最終識(shí)別結(jié)果的準(zhǔn)確性。

技術(shù)特征：

1.一種錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述對(duì)錄音筆采集的原始聲音信號(hào)進(jìn)行傅里葉變換和時(shí)域隨機(jī)化處理，得到目標(biāo)時(shí)域聲音信號(hào)，包括：

3.根據(jù)權(quán)利要求2所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述提取所述目標(biāo)時(shí)域聲音信號(hào)中音調(diào)特征、音色特征和響度特征，生成目標(biāo)聲音特征向量，包括：

4.根據(jù)權(quán)利要求3所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述基于多個(gè)標(biāo)準(zhǔn)語(yǔ)音樣本建立標(biāo)準(zhǔn)基線特征庫(kù)，包括：

5.根據(jù)權(quán)利要求4所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述對(duì)所述目標(biāo)聲音特征向量進(jìn)行加權(quán)k-means聚類分析，生成動(dòng)態(tài)特征權(quán)重矩陣，包括：

6.根據(jù)權(quán)利要求5所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述將所述目標(biāo)聲音特征向量和所述動(dòng)態(tài)特征權(quán)重矩陣輸入圖結(jié)構(gòu)多任務(wù)學(xué)習(xí)模型進(jìn)行關(guān)鍵詞識(shí)別，輸出初始關(guān)鍵詞識(shí)別結(jié)果，包括：

7.根據(jù)權(quán)利要求6所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，其特征在于，所述根據(jù)所述標(biāo)準(zhǔn)基線特征庫(kù)，對(duì)所述初始關(guān)鍵詞識(shí)別結(jié)果進(jìn)行加權(quán)優(yōu)化，生成目標(biāo)關(guān)鍵詞識(shí)別結(jié)果，包括：

8.一種錄音筆關(guān)鍵詞聲音識(shí)別裝置，其特征在于，用于執(zhí)行如權(quán)利要求1-7中任一項(xiàng)所述的錄音筆關(guān)鍵詞聲音識(shí)別方法，所述錄音筆關(guān)鍵詞聲音識(shí)別裝置包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的錄音筆關(guān)鍵詞聲音識(shí)別方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器運(yùn)行時(shí)使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的錄音筆關(guān)鍵詞聲音識(shí)別方法。

技術(shù)總結(jié)
本發(fā)明涉及聲音識(shí)別技術(shù)領(lǐng)域，公開了一種錄音筆關(guān)鍵詞聲音識(shí)別方法、裝置及設(shè)備，該方法包括：對(duì)錄音筆采集的原始聲音信號(hào)進(jìn)行傅里葉變換和時(shí)域隨機(jī)化處理，得到目標(biāo)時(shí)域聲音信號(hào)；提取目標(biāo)時(shí)域聲音信號(hào)中音調(diào)特征、音色特征和響度特征，生成目標(biāo)聲音特征向量；基于多個(gè)標(biāo)準(zhǔn)語(yǔ)音樣本建立標(biāo)準(zhǔn)基線特征庫(kù)；對(duì)目標(biāo)聲音特征向量進(jìn)行加權(quán)k?means聚類分析，生成動(dòng)態(tài)特征權(quán)重矩陣；將目標(biāo)聲音特征向量和所述動(dòng)態(tài)特征權(quán)重矩陣輸入圖結(jié)構(gòu)多任務(wù)學(xué)習(xí)模型進(jìn)行關(guān)鍵詞識(shí)別，輸出初始關(guān)鍵詞識(shí)別結(jié)果；根據(jù)標(biāo)準(zhǔn)基線特征庫(kù)，對(duì)初始關(guān)鍵詞識(shí)別結(jié)果進(jìn)行加權(quán)優(yōu)化，生成目標(biāo)關(guān)鍵詞識(shí)別結(jié)果，本發(fā)明提升了錄音筆的關(guān)鍵詞聲音識(shí)別結(jié)果的準(zhǔn)確性。

技術(shù)研發(fā)人員：盧庚圣,鄧奕文
受保護(hù)的技術(shù)使用者：深圳市匯通博泰數(shù)碼科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8