本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及语音唤醒方法和装置。
背景技术：
随着人工智能技术的发展和语音技术的逐渐成熟，以对话式为主的类人式对话交互正在成为一种新型的交互革新，并逐步实现产品化，例如，智能机器人、智能音箱、智能电视、智能冰箱等等，这些智能设备可以将人们的双手从触摸式交互中解放出来。
在一些场景下，用户可以使用唤醒语音对智能设备进行唤醒，之后智能设备能够对用户的语音指令进行响应。
技术实现要素：
本申请实施例提出了语音唤醒方法和装置。
第一方面，本申请实施例提供了一种语音唤醒方法，包括：接收用户的语音信息；基于上述语音信息得到对应于上述语音信息的唤醒置信度；根据上述唤醒置信度确定上述语音信息是否为疑似唤醒语音信息；响应于确定上述语音信息为疑似唤醒语音信息，对上述语音信息进行二次判断得到二次判断结果，根据上述二次判断结果确定是否执行唤醒操作。
在一些实施例中，基于上述语音信息得到对应于上述语音信息的唤醒置信度，包括：将上述语音信息输入预先建立的识别模型，得到针对上述语音信息的唤醒置信度，其中，上述识别模型用于表征语音信息与唤醒置信度的对应关系。
在一些实施例中，上述识别模型为神经网络模型，上述神经网络模型是通过以下方式训练得到的：获取样本集合，其中，样本包括样本语音信息和样本语音信息是否为唤醒语音信息的标注信息；执行以下训练步骤：将上述样本集合中的至少一个样本语音信息分别输入至初始神经网络模型，得到上述至少一个样本语音信息中的每个样本语音信息对应的预测信息，其中，预测信息表征样本语音信息为唤醒语音信息的概率；将上述至少一个样本语音信息中的每个样本语音信息对应的预测信息与标注信息进行比较；根据比较结果确定上述初始神经网络模型是否达到预设的优化目标；响应于确定上述初始神经网络模型达到预设的优化目标，将上述初始神经网络模型作为训练完成的神经网络模型。
在一些实施例中，训练上述神经网络模型的步骤还包括：响应于确定上述初始神经网络模型未达到预设的优化目标，调整上述初始神经网络模型的网络参数，以及继续执行上述训练步骤。
在一些实施例中，上述标注信息包括第一标识和第二标识，其中，第一标识表征是唤醒语音信息，第二标识表征不是唤醒语音信息。
在一些实施例中，上述二次判断结果包括确认唤醒和确认不唤醒；以及上述对上述语音信息进行二次判断得到二次判断结果，根据上述二次判断结果确定是否执行唤醒操作，包括：将上述语音信息发送到服务端，由上述服务端根据上述语音信息生成二次判断结果；接收上述二次判断结果；响应于确定上述二次判断结果为确认唤醒，执行唤醒操作。
第二方面，本申请实施例又提供了一种语音唤醒方法，包括：接收终端发送的疑似唤醒语音信息；将上述疑似唤醒语音信息进行语音识别，得到语音识别结果；将上述语音识别结果与上述终端的目标唤醒词进行匹配；根据匹配结果向上述终端发送二次判断结果，由上述终端根据上述二次判断结果确定是否执行唤醒操作，其中，上述二次判断结果包括确认唤醒或确认不唤醒。
在一些实施例中，上述根据匹配结果向上述终端发送二次判断结果，包括：响应于确定上述语音识别结果与上述目标唤醒词匹配成功，向上述终端发送确认唤醒；响应于确定上述语音识别结果与上述目标唤醒词匹配不成功，向上述终端发送确认不唤醒。
第三方面，本申请实施例提供了一种语音唤醒装置，包括：接收单元，用于接收用户的语音信息；生成单元，用于基于上述语音信息得到对应于上述语音信息的唤醒置信度；第一确定单元，用于根据上述唤醒置信度确定上述语音信息是否为疑似唤醒语音信息；第二确定单元，用于响应于确定上述语音信息为疑似唤醒语音信息，对上述语音信息进行二次判断得到二次判断结果，根据上述二次判断结果确定是否执行唤醒操作。
在一些实施例中，上述生成单元进一步用于：将上述语音信息输入预先建立的识别模型，得到针对上述语音信息的唤醒置信度，其中，上述识别模型用于表征语音信息与唤醒置信度的对应关系。
在一些实施例中，上述识别模型为神经网络模型；以及上述装置还包括模型训练单元，上述模型训练单元包括：获取单元，用于获取样本集合，其中，样本包括样本语音信息和样本语音信息是否为唤醒语音信息的标注信息；执行单元，用于执行以下训练步骤：将上述样本集合中的至少一个样本语音信息分别输入至初始神经网络模型，得到上述至少一个样本语音信息中的每个样本语音信息对应的预测信息，其中，预测信息表征样本语音信息为唤醒语音信息的概率；将上述至少一个样本语音信息中的每个样本语音信息对应的预测信息与标注信息进行比较；根据比较结果确定上述初始神经网络模型是否达到预设的优化目标；响应于确定上述初始神经网络模型达到预设的优化目标，将上述初始神经网络模型作为训练完成的神经网络模型。
在一些实施例中，上述模型训练单元还包括：调整单元，用于响应于确定上述初始神经网络模型未达到预设的优化目标，调整上述初始神经网络模型的网络参数，以及继续执行上述训练步骤。
在一些实施例中，上述标注信息包括第一标识和第二标识，其中，第一标识表征是唤醒语音信息，第二标识表征不是唤醒语音信息。
在一些实施例中，上述二次判断结果包括确认唤醒和确认不唤醒；以及上述第二确定单元进一步用于：将上述语音信息发送到服务端，由上述服务端根据上述语音信息生成二次判断结果；接收上述二次判断结果；响应于确定上述二次判断结果为确认唤醒，执行唤醒操作。
第四方面，本申请实施例提供了一种语音唤醒装置，包括：信息接收单元，用于接收终端发送的疑似唤醒语音信息；识别单元，用于将上述疑似唤醒语音信息进行语音识别，得到语音识别结果；匹配单元，用于将上述语音识别结果与上述终端的目标唤醒词进行匹配；信息发送单元，用于根据匹配结果向上述终端发送二次判断结果，由上述终端根据上述二次判断结果确定是否执行唤醒操作，其中，上述二次判断结果包括确认唤醒或确认不唤醒。
在一些实施例中，上述信息发送单元进一步用于：响应于确定上述语音识别结果与上述目标唤醒词匹配成功，向上述终端发送确认唤醒；响应于确定上述语音识别结果与上述目标唤醒词匹配不成功，向上述终端发送确认不唤醒。
第五方面，本申请实施例提供了一种终端，该终端包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
第七方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第二方面中任一实现方式描述的方法。
第八方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第二方面中任一实现方式描述的方法。
本申请实施例提供的语音唤醒方法和装置，首先基于接收到的用户的语音信息得到对应于所述语音信息的唤醒置信度，而后根据上述唤醒置信度确定上述语音信息是否为疑似唤醒语音信息，然后，响应于确定上述语音信息为疑似唤醒语音信息，对上述语音信息进行二次判断得到二次判断结果，以及根据上述二次判断结果确定是否执行唤醒操作，从而实现了语音信息的二次验证，降低了智能设备被误唤醒的概率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的语音唤醒方法的一个实施例的流程图；
图3是根据本申请的语音唤醒方法的一个应用场景的示意图；
图4是根据本申请的语音唤醒方法的又一个实施例的流程图；
图5是根据本申请的语音唤醒装置的一个实施例的结构示意图；
图6是根据本申请的语音唤醒装置的又一个实施例的结构示意图；
图7是适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的语音唤醒方法或语音唤醒装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是能够接收语音信息的各种电子设备，包括但不限于智能手机、智能手表、智能机器人、智能音箱、智能电视、智能冰箱等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的信息进行处理的后台服务器。后台服务器可以对终端设备101、102、103发送的语音信息进行二次判断，并将二次判断结果反馈给终端设备。
需要说明的是，本申请图2对应实施例所提供的语音唤醒方法一般由终端设备101、102、103执行，相应地，图5对应的语音唤醒装置一般设置于终端设备101、102、103中；图4对应实施例所提供的语音唤醒方法一般由服务器105执行，相应地，图6对应的语音唤醒装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的语音唤醒方法的一个实施例的流程200。该语音唤醒方法，包括以下步骤：
步骤201，接收用户的语音信息。
在本实施例中，语音唤醒方法运行于其上的电子设备(例如图1所示的终端设备101、102、103)可以接收用户发送的语音信息。作为示例，当上述电子设备处于工作状态时，可以实时监听周围声音，从而接收用户的语音信息。
步骤202，基于语音信息得到对应于语音信息的唤醒置信度。
在本实施例中，上述电子设备可以通过各种方式基于步骤201中接收到的语音信息得到对应于该语音信息的唤醒置信度。其中，唤醒置信度可以用于表征上述语音信息是用于唤醒上述电子设备的唤醒语音的概率。作为示例，上述电子设备可以首先提取上述语音信息的特征，之后将上述语音信息的特征与预先设定的标准唤醒语音信息的特征进行对比，最后根据对比结果得到上述语音信息的唤醒置信度。
在本实施例的一些可选的实现方式中，上述步骤201可以具体包括：上述电子设备可以将步骤201中接收到的语音信息输入预先建立的识别模型，得到针对上述语音信息的唤醒置信度。在这里，上述识别模型可以用于表征语音信息与唤醒置信度的对应关系。作为示例，上述识别模型可以首先提取上述语音信息中的特征信息得到一个特征向量，然后，根据预先建立的特征向量与唤醒置信度的对应关系表，得到针对上述语音信息的唤醒置信度，需要说明的是，上述特征向量与唤醒置信度的对应关系表可以是技术人员基于对大量的特征向量和唤醒置信度的统计而预先制定的、存储有多个特征向量与唤醒置信度的对应关系的对应关系表。此外，提取语音信息中的特征信息得到特征向量是目前广泛研究和应用的公知技术，在此不再赘述。
在一些可选的实现方式中，上述识别模型可以为神经网络模型。在这里，上述神经网络模型可以是人工神经网络，人工神经网络从信息处理角度对人脑神经元进行抽象，建立某种简单模型，按不同的连接方式组成不同的网格。通常由大量的节点(或称神经元)之间相互联接构成，每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重(又叫做参数)，网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。上述神经网络模型可以是上述电子设备或者其他用于训练上述神经网络模型的电子设备通过以下方式训练得到的：
首先，获取样本集合，其中，样本可以包括样本语音信息和样本语音信息是否为唤醒语音信息的标注信息。然后，可以执行以下训练步骤：s1，将上述样本集合中的至少一个样本语音信息分别输入至初始神经网络模型，可以得到上述至少一个样本语音信息中的每个样本语音信息对应的预测信息，其中，预测信息可以表征样本语音信息为唤醒语音信息的概率。s2，将上述至少一个样本语音信息中的每个样本语音信息对应的预测信息与标注信息进行比较。s3，根据比较结果确定上述初始神经网络模型是否达到预设的优化目标，作为一个示例，上述优化目标可以是预测信息与标注信息之间的差异小于预设差异阈值。作为另一个示例，上述优化目标可以是上述初始神经网络模型的预测准确率大于预设准确率阈值。s4，响应于确定上述初始神经网络模型达到预设的优化目标，可以将上述初始神经网络模型作为训练完成的神经网络模型。在这里，上述初始神经网络模型可以是未经训练的神经网络模型或未训练完成的神经网络模型。
可选的，上述训练上述神经网络模型的步骤还可以包括：s5，响应于确定上述初始神经网络模型未达到预设的优化目标，可以调整上述初始神经网络模型的网络参数，以及继续执行上述训练步骤。作为示例，可以采用反向传播算法(backpropgationalgorithm，bp算法)和梯度下降法(例如随机梯度下降算法)对上述初始神经网络模型的网络参数进行调整。需要说明的是，反向传播算法和梯度下降法是目前广泛研究和应用的公知技术，在此不再赘述。
在一些可选的实现方式中，上述标注信息可以包括第一标识和第二标识，其中，第一标识可以表征是唤醒语音信息，第二标识可以表征不是唤醒语音信息。例如，第一标识可以是1，第二标识可以是0。
步骤203，根据唤醒置信度确定语音信息是否为疑似唤醒语音信息。
在本实施例中，上述电子设备可以根据步骤202中得到唤醒置信度确定上述语音信息是否为疑似唤醒语音信息。作为示例，上述电子设备可以根据预先设定的至少一个阈值确定上述语音信息是否为疑似唤醒语音信息。例如，可以预先设定一个阈值，当上述唤醒置信度大于该阈值时，可以确定上述语音信息是用于唤醒上述电子设备的唤醒语音，此时，上述电子设备可以执行唤醒操作；当上述唤醒置信度小于该阈值时，可以确定上述语音信息为疑似唤醒语音信息。又例如，可以根据由小到大的顺序依次设置第一阈值，第二阈值和第三阈值，当上述唤醒置信度小于第一阈值时，可以确定上述语音信息不是用于唤醒上述电子设备的唤醒语音；当上述唤醒置信度大于第一阈值，且小于第二阈值时，可以确定上述语音信息为疑似唤醒语音信息；当上述唤醒置信度大于第二阈值时，可以确定上述语音信息是用于唤醒上述电子设备的唤醒语音，此时，上述电子设备可以执行唤醒操作。
步骤204，响应于确定语音信息为疑似唤醒语音信息，对语音信息进行二次判断得到二次判断结果，根据二次判断结果确定是否执行唤醒操作。
在本实施例中，响应于确定上述语音信息为疑似唤醒语音信息，上述电子设备可以对上述语音信息进行二次判断得到二次判断结果，根据二次判断结果确定是否执行唤醒操作。
在本实施例的一些可选的实现方式中，上述二次判断结果可以包括确认唤醒和确认不唤醒；以及上述步骤204可以具体包括：首先，上述电子设备可以将上述语音信息发送到服务端，由上述服务端根据上述语音信息生成二次判断结果。之后，上述电子设备可以从上述服务端接收上述二次判断结果，最后，响应于确定上述二次判断结果为确认唤醒，上述电子设备可以执行唤醒操作。在这里，上述服务端可以是硬件，也可以是软件。当上述服务端为硬件时，可以是分布式服务器集群，也可以是一个服务器；当上述服务端为软件时，可以是分布式服务，也可以是一个软件提供的服务，在此不做限定。
作为示例，上述服务端首先可以对上述语音信息进行语音识别，得到上述语音信息对应的文本信息，而后服务端可以将得到的文本信息与上述电子设备的目标唤醒词进行匹配，最后根据匹配结果生成二次判断结果。在这里，上述电子设备的目标唤醒词可以用于唤醒上述电子设备，通常，用户可以通过说出目标唤醒词使上述电子设备执行唤醒操作，从而使上述电子设备从待机状态切换为唤醒状态，当上述电子设备处于唤醒状态时，可以与用户进行交互。
继续参见图3，图3是根据本实施例的语音唤醒方法的应用场景的一个示意图。在图3的应用场景中，智能设备301首先接收用户发送的语音信息；之后，智能设备301可以基于上述语音信息得到对应于上述语音信息的唤醒置信度；然后，智能设备301可以根据上述唤醒置信度确定上述语音信息是否为疑似唤醒语音信息；再次，响应于确定上述语音信息为疑似唤醒语音信息，智能设备301可以将上述语音信息发送到服务端302，由服务端302根据上述语音信息生成二次判断结果；最后，智能设备301可以接收上述二次判断结果，以及根据上述二次判断结果确定是否执行唤醒操作。
本申请的上述实施例提供的方法通过将疑似唤醒语音信息进行二次验证，可以有效降低智能设备被误唤醒的概率。
进一步参考图4，其示出了语音唤醒方法的又一个实施例的流程400。该语音唤醒方法的流程400，包括以下步骤：
步骤401，接收终端发送的疑似唤醒语音信息。
在本实施例中，语音唤醒方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行语音交互的终端接收疑似唤醒语音信息。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤402，将疑似唤醒语音信息进行语音识别，得到语音识别结果。
在本实施例中，上述电子设备可以对步骤401中接收到的疑似唤醒语音信息进行语音识别，得到语音识别结果。作为示例，上述电子设备可以对疑似唤醒语音信息进行语音识别，从而得到疑似唤醒语音信息对应的文本信息。需要说明的是，语音识别技术是目前广泛研究和应用的公知技术，在此不再赘述。
步骤403，将语音识别结果与终端的目标唤醒词进行匹配。
在本实施例中，上述电子设备可以将上述语音识别结果与上述终端的目标唤醒词进行匹配。作为示例，当上述语音识别结果中包含上述目标唤醒词时，可以认为匹配成功；当上述语音识别结果中不包含上述目标唤醒词时，可以认为匹配不成功。
步骤404，根据匹配结果向终端发送二次判断结果，由终端根据二次判断结果确定是否执行唤醒操作。
在本实施例中，上述电子设备可以根据匹配结果向上述终端发送二次判断结果，由上述终端根据上述二次判断结果确定是否执行唤醒操作。在这里，上述二次判断结果可以包括确认唤醒或确认不唤醒。
在本实施例的一些可选的实现方式中，上述步骤404可以具体包括：响应于确定上述语音识别结果与上述目标唤醒词匹配成功，上述电子设备可以向上述终端发送确认唤醒；响应于确定上述语音识别结果与上述目标唤醒词匹配不成功，上述电子设备可以向上述终端发送确认不唤醒。
本申请的上述实施例提供的方法可以对疑似唤醒语音信息进行语音识别，并将语音识别结果与终端的目标唤醒词进行匹配，根据匹配结果生成二次判断结果，从而实现了对疑似唤醒语音信息的验证，可以有效降低终端被误唤醒的概率。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种语音唤醒装置的一个实施例，该装置实施例与图2所示的方法实施例相对应。
如图5所示，本实施例的语音唤醒装置500包括：接收单元501、生成单元502、第一确定单元503和第二确定单元504。其中，接收单元501用于接收用户的语音信息；生成单元502用于基于上述语音信息得到对应于上述语音信息的唤醒置信度；第一确定单元503用于根据上述唤醒置信度确定上述语音信息是否为疑似唤醒语音信息；第二确定单元504用于响应于确定上述语音信息为疑似唤醒语音信息，对上述语音信息进行二次判断得到二次判断结果，根据上述二次判断结果确定是否执行唤醒操作。
本实施例中，语音唤醒装置500的接收单元501、生成单元502、第一确定单元503和第二确定单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述生成单元502可以进一步用于：将上述语音信息输入预先建立的识别模型，得到针对上述语音信息的唤醒置信度，其中，上述识别模型用于表征语音信息与唤醒置信度的对应关系。
在本实施例的一些可选的实现方式中，上述识别模型为神经网络模型；以及上述装置500还可以包括模型训练单元(图中未示出)，上述模型训练单元可以包括：获取单元(图中未示出)，用于获取样本集合，其中，样本包括样本语音信息和样本语音信息是否为唤醒语音信息的标注信息；执行单元(图中未示出)，用于执行以下训练步骤：将上述样本集合中的至少一个样本语音信息分别输入至初始神经网络模型，得到上述至少一个样本语音信息中的每个样本语音信息对应的预测信息，其中，预测信息表征样本语音信息为唤醒语音信息的概率；将上述至少一个样本语音信息中的每个样本语音信息对应的预测信息与标注信息进行比较；根据比较结果确定上述初始神经网络模型是否达到预设的优化目标；响应于确定上述初始神经网络模型达到预设的优化目标，将上述初始神经网络模型作为训练完成的神经网络模型。
在本实施例的一些可选的实现方式中，上述模型训练单元还可以包括：调整单元(图中未示出)，用于响应于确定上述初始神经网络模型未达到预设的优化目标，调整上述初始神经网络模型的网络参数，以及继续执行上述训练步骤。
在本实施例的一些可选的实现方式中，上述标注信息可以包括第一标识和第二标识，其中，第一标识表征是唤醒语音信息，第二标识表征不是唤醒语音信息。
在本实施例的一些可选的实现方式中，上述二次判断结果可以包括确认唤醒和确认不唤醒；以及上述第二确定单元504可以进一步用于：将上述语音信息发送到服务端，由上述服务端根据上述语音信息生成二次判断结果；接收上述二次判断结果；响应于确定上述二次判断结果为确认唤醒，执行唤醒操作。
进一步参考图6，作为对上述各图所示方法的实现，本申请又提供了一种语音唤醒装置的一个实施例，该装置实施例与图4所示的方法实施例相对应。
如图6所示，本实施例的语音唤醒装置600包括：信息接收单元601、识别单元602、匹配单元603和信息发送单元604。其中，信息接收单元601用于接收终端发送的疑似唤醒语音信息；识别单元602用于将上述疑似唤醒语音信息进行语音识别，得到语音识别结果；匹配单元603用于将上述语音识别结果与上述终端的目标唤醒词进行匹配；信息发送单元604用于根据匹配结果向上述终端发送二次判断结果，由上述终端根据上述二次判断结果确定是否执行唤醒操作，其中，上述二次判断结果包括确认唤醒或确认不唤醒。
在本实施例中，语音唤醒装置600的信息接收单元601、识别单元602、匹配单元603和信息发送单元604的具体处理及其所带来的技术效果可分别参考图4对应实施例中步骤401、步骤402、步骤403和步骤404的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述信息发送单元604可以进一步用于：响应于确定上述语音识别结果与上述目标唤醒词匹配成功，向上述终端发送确认唤醒；响应于确定上述语音识别结果与上述目标唤醒词匹配不成功，向上述终端发送确认不唤醒。
下面参考图7，其示出了适于用来实现本申请实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(cpu，centralprocessingunit)701，其可以根据存储在只读存储器(rom，readonlymemory)702中的程序或者从存储部分708加载到随机访问存储器(ram，randomaccessmemory)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o，input/output)接口705也连接至总线704。
以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt，cathoderaytube)、液晶显示器(lcd，liquidcrystaldisplay)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan(局域网，localareanetwork)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、生成单元、第一确定单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收用户的语音信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收用户的语音信息；基于上述语音信息得到对应于上述语音信息的唤醒置信度；根据上述唤醒置信度确定上述语音信息是否为疑似唤醒语音信息；响应于确定上述语音信息为疑似唤醒语音信息，对上述语音信息进行二次判断得到二次判断结果，根据上述二次判断结果确定是否执行唤醒操作。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。