自定义唤醒词的确定方法和用于确定自定义唤醒词的装置与流程

本发明涉及语音交互技术领域，尤其涉及一种自定义唤醒词的确定方法和用于确定自定义唤醒词的装置。

背景技术：

随着语音交互技术的日增月益，目前主流的语音唤醒模型主要有两种，一种是基于语言模型，另一种是基于无语言模型，基于语言模型的唤醒模型包括声学模型和语言模型，需要经过两个模型的校验处理，虽然校验的准确率较高，得到的唤醒词利用率和可用性较高，但需要极大的计算量，所以该模型的处理过程缓慢，效率低。对于基于无语言模型的唤醒模型只进行声学校验，计算量小，处理速度快，但是在用户应用该模型自定义唤醒词时就比较麻烦，准确率和可用性会降低。

技术实现要素：

为了解决上述问题，实现唤醒词自定义设置，并且保证自定义唤醒词的可用性更高、更准确，发明人在现有技术的标准上构思了评估语音唤醒词的方法，对于确定内容的唤醒词进一步评估打分，对唤醒词进行敏感词检测、重复叠词检测、口语词检测和发声不饱满词检测，并且为其设立唤醒词阈值这样就保证了用户在使用该自定义的唤醒词的唤醒率升高，误唤醒率降低。并且由于其能够很好的保证自定义部分的唤醒词的质量，所以使得提升了语音产品的可玩性，整个产品的用户体验得到很大的提升。

第一方面，本发明实施例提供了一种自定义唤醒词的确定方法，包括：

接收第一用户指令；根据第一用户指令确定自定义内容；对自定义内容进行唤醒词评估；根据评估结果确定自定义唤醒词。

第二方面，本发明实施例提供了一种用于确定自定义唤醒词的装置，包括：第一接收模块，用于接收第一用户指令；自定义内容获取模块，用于根据第一用户指令确定自定义内容；唤醒词评估模块，用于对自定义内容进行唤醒词评估；唤醒阈值生成模块，用于根据评估结果为确定作为自定义唤醒词的自定义内容生成唤醒阈值。

第三方面，本发明实施例提供一种电子设备，其包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使至少一个处理器能够执行自定义唤醒词的确定方法的步骤。

第四方面，本发明实施例提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现自定义唤醒词的确定方法的步骤。

本发明实施例的有益效果在于：基于本发明实施例的自定义唤醒词的确定方法和装置，可以实现获取误唤醒率低的自定义的唤醒词，并且获得唤醒词的过程更加高效迅速，而且对于生成的唤醒词还会根据唤醒词阈值进行评估，大大的提高了唤醒词的利用率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施方式的自定义唤醒词的确定方法流程图；

图2为本发明一又实施方式的自定义唤醒词的确定方法流程图；

图3为本发明一实施方式的用于确定自定义唤醒词的装置框图；

图4为本发明一实施方式的电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

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。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明实施例中的用于确定自定义唤醒词的方法及装置应用于终端设备上，该智能终端上配置有显示屏或者该终端设备能够投影出显示界面用于用户进行交互操作，例如，智能电视、智能手机、平板电脑、pc、智能家居、投影仪等任何智能硬件，本发明对此不作限定。

图1示意性地显示了根据本发明的自定义唤醒词的确定方法流程图。如图1所示，本实施例包括如下步骤：

步骤s101：接收第一用户指令。具体实现为，用户将想要设置的唤醒词输入，以根据用户设置的唤醒词内容生成第一用户指令，即第一用户指令包括有用户设置的唤醒词内容，该唤醒词内容为汉字。

步骤s102：根据第一用户指令确定自定义内容。

对于该步骤的实现方法，本实施例中示例性地将其实现为：

预先配置有汉字拼音词库，其内部包含有新华词典等专业的汉字词典，可以使每个汉字都有对应的拼音。由于汉字的博大精深，很多汉字往往都是多音字，而且一些为人熟知的汉字往往具有很多生僻读音，所以在优选的实施方式中，还可以将该汉字拼音词库进行优化，将生僻的多音字的读音进行筛除，保留常用的读音。例如“野”字实际有“ye”和“ya”读音，由于“ya”这个读音并不常用，所以对其优化时会筛除掉“ya”这个读音，这样可以提高后续处理的效率。用户输入的唤醒词可以为单个字、短语或句子，比如用户想要以“我到了”短语作为唤醒词。

在具体应用中，当接收到用户发出的第一用户指令，即收到用户手动输入提交的自定义唤醒词时，会先获取设置的自定义汉字，并将自定义汉字中的各个汉字进行拼音转换，确定可选发音序列，即先对自定义汉字进行拆分，确定单一汉字，例如“我到了”，将其拆分成“我”、“到”、“了”三个字，根据优选汉字拼音词库或汉字拼音库确定单一汉字的发音，示例性地将其对应为“wo”、“dao”、“le”，在具体实例中确定的单一汉字的发音可能不止一个，之后会根据单一汉字的发音，生成可选发音序列。优选地，为了避免确定的可选发音序列太多，还可以对自定义汉字进行语义解析，根据自定义汉字的语义来进行可选发音序列筛选，得到更符合实际情况的可选发音序列输出。对于确定出的可选发音序列仅有一个的情况，即可以直接得出唯一的发音序列的情况，就可以直接确定自定义的内容为该唯一的读音。对于确定出的可选发音序列有一个以上的情况，则可以根据语义解析确定出唯一的发音序列，或利用图2所示的方法进行发音序列的确定。由于汉字拼音词库不同于现有技术的要存放在处理区域，而是存储至外接的数据库中，所以不占用资料，处理的速度也会更快，效率更高。

步骤s103：对自定义内容进行唤醒词评估。具体实现为：当获取到准确的自定义内容后，为了降低误唤醒率，就需要对该唤醒词进行评估，评估的内容包括敏感词检测，例如包含有国家领导人、政治因素等的词语、重复叠词检测、口语词检测和发声不饱满词检测，其中对唤醒词的内容进行评估的方法可以参照现有技术实现。

步骤s104：根据评估结果确定自定义唤醒词。具体实现为：在对自定义内容根据上述的评估内容评估后，会得出评估结果，如果自定义内容含有不符合评估内容的词语时会提醒用户修改或重新输入适当的自定义内容。当自定义内容符合评估内容时，即该自定义内容适合作唤醒词时，就会生成评估结果。为了提高唤醒词的利用率和降低误唤醒率，就需要为该自定义内容确定唤醒阈值，将自定义内容和唤醒阈值确定为最终的自定义唤醒词。在数据库中会配置有至少两个汉字阈值词库，该词库可以根据机器经验为每个字分配其对应的阈值，生成阈值词库，如对历代的唤醒词进行统计，“我”这个字的出现率较高，分值为0.6，“到”这个字出现次高，分值为“0.7”，“了”这个字出现不怎么高，分值为“0.3”，将这些分值相加得到联合分数，作为唤醒词的唤醒阈值。

根据本发明提供的自定义唤醒词的确定方法，可以实现根据用户自定义的内容高效的确定其是否适合做唤醒词，并且还为其配置有阈值，大大的提高了用户自定义的唤醒词的利用率，并且降低了误唤醒率。

图2示意性地显示了根据本发明一又实施方式的自定义唤醒词的确定方法流程图。如图2所示，本实施例包括如下步骤：

步骤s201：接收第一用户指令。具体实现方式可以参照步骤s101。

步骤s202：根据第一用户指令获取输入的自定义汉字，对自定义汉字进行拼音转换，确定可选发音序列并呈现给用户。其具体实现方式与步骤s102基本相同，不同之处在于，由于用户输入的词句可能含有多个多音字，例如“谁在干嘛”，“谁”字含有两种读音，“shui”、“shei”，“干”字含有两种读音“gan”的一声和四声，嘛字有两种读音，“ma”的轻声和二声。所以这四个字排列组合有6种读音，当有多种读音的组合的情况下，就不能直接呈现给用户确定的自定义内容，需要根据上个实施例提到的优选词库，将这六种发音的组合进行排序，即最常见的放在首位，之后将其以列表的形式呈现给用户。

步骤s203：接收用户根据所呈现的内容发出的第二用户指令，根据第二用户指令确定输入的自定义汉字的指定发音序列。具体实现为：当把可能的读音以列表的形式呈现给用户时，用户会根据列表选择出符合自己设定的唤醒词的发音，确定后会发出第二用户指令，将该选定的语音作为最终唤醒词。

步骤s204至步骤s205可以参照步骤s103至步骤s104所示，在此不进行赘述。

根据本实施例可以解决了汉字中涉及的多音字而导致识别过程不准确的问题。

上述实施例的自定义唤醒词的设置方法能够同时适用于语言模型和无语言模型，适用于语言模型时，能够进一步保证自定义唤醒词的可用性，保证设置出唤醒率较高的自定义唤醒词，提升用户体验。而适用于无语言模型时，通过对接收到的用户自定义的唤醒词进行发音和词序的检测，以确定输入的自定义汉字的正确发音，使得无语言模型下自定义唤醒词的可用性更高、更准确。另外，由于本发明实施例将检测发音和词序的词典存储在数据库中，且对词库词典进行优化，这样就可以大大降低内部资源的占用率，使得处理速度更快。

在优选实施例中，数据库中会配置有两个汉字阈值词库，其中一个汉字阈值词库为高阈值词库，另一汉字阈值词库为低阈值词库，其中，高阈值词库中对每个汉字的阈值设置较高，以适用实际应用中由于阈值较低而导致很容易唤醒的情况，在低阈值词库中对每个汉字的阈值设置较低，以适用实际应用中由于阈值较高而导致不容易唤醒的情况，由此可以保证唤醒率。

图3示意性地显示了根据本发明一实施方式的用于确定自定义唤醒词的装置框图。如图3所示，

用于确定自定义唤醒词的装置1包括第一接收模块2、自定义内容获取模块3、唤醒词评估模块4和唤醒阈值生成模块5。

第一接收模块2用于接收第一用户指令，可以实现通过用户界面接收用户输入，由用户手动输入自定义的内容之后点击确定，即视为发出第一用户指令，第一接收模块2即可接收到该指令。

自定义内容获取模块3用于根据第一用户指令确定自定义内容，自定义内容获取模块3包括发音序列获取单元301和自定义内容确定单元302。发音序列获取单元301用于根据第一用户指令确定输入的自定义汉字的可选发音序列并呈现给用户。可以参照图1的实现方式，即用户输出的自定义汉字只有唯一的发音时，可以不经过用户确认直接呈现。自定义内容确定单元302用于接收用户根据所呈现的内容发出的第二用户指令，根据第二用户指令确定输入的自定义汉字的指定发音序列。可以参照图2的实现方式，即用户输入的自定义汉字有多种发音组合时，就会根据装置内置的词库进行优先级排列，以列表的形式呈现给用户，由用户进行第二次选择确认，即生成了第二用户指令。

另外，装置还包括内置的词库，具体地，其包括第一汉字拼音词库6和优选汉字拼音词库7，第一汉字拼音词库6用于存储汉字以及与各汉字适配的所有发音的拼音；优选汉字拼音词库7用于存储汉字以及与各汉字适配的常见发音的拼音。发音序列获取单元301根据第一汉字拼音词库6或所述优选汉字拼音词库7确定输入的自定义汉字的可选发音序列。根据优选汉字拼音词库7可以大大降低处理的工作量，对于一些不常用的读音来说，可以快速筛除掉。并且，这两个词库均不占用装置的资源空间，存储至外接的数据库中，并且可以实时更新，这样就可以提高装置的处理速度，提高了效率。

唤醒词评估模块4用于对自定义内容进行唤醒词评估，其中，唤醒词评估模块4根据指定发音序列对自定义汉字进行唤醒词评估，评估的内容包括敏感词检测，例如包含有国家领导人、政治因素等的词语、重复叠词检测、口语词检测和发声不饱满词检测。评估的方式可以参照上述方法部分，在此不进行赘述。

唤醒阈值生成模块5用于根据评估结果为确定作为自定义唤醒词的自定义内容生成唤醒阈值，将自定义内容和唤醒阈值确定为自定义唤醒词输出或存储。其中，确定唤醒阈值可以通过配置汉字阈值词库，基于上述方法部分的描述进行实现。这样就可以提高唤醒词的利用率并降低误唤醒率。

该装置不仅能够实现自定义唤醒词的设置，且设置的自定义唤醒词具有较高的可用性和唤醒率。并且由于该装置能够很好的保证自定义部分的唤醒词的质量，所以使得利用其进行唤醒词定义的产品受益，提升了语音产品的可玩性，整个产品的用户体验得到很大的提升。

在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项自定义唤醒词的确定方法。

在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项自定义唤醒词的确定方法。

在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行自定义唤醒词的确定方法。

在一些实施例中，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时自定义唤醒词的确定方法。

上述本发明实施例的用于确定自定义唤醒词的装置可用于执行本发明实施例的自定义唤醒词的确定方法，并相应的达到上述本发明实施例的实现自定义唤醒词的确定方法所达到的技术效果，这里不再赘述。本发明实施例中可以通过硬件处理器(hardwareprocessor)来实现相关功能模块。

图4是本申请另一实施例提供的执行自定义唤醒词的确定方法的电子设备的硬件结构示意图，如图4所示，该设备包括：

一个或多个处理器410以及存储器420，图4中以一个处理器410为例。

执行自定义唤醒词的确定方法的设备还可以包括：输入装置430和输出装置440。

处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储器420作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的自定义唤醒词的确定方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例自定义唤醒词的确定方法。

存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据语音控制装置的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至语音控制装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可接收输入的数字或字符信息，以及产生与自定义唤醒词的确定装置的用户设置以及功能控制有关的信号。输出装置440可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器420中，当被所述一个或者多个处理器410执行时，执行上述任意方法实施例中的自定义唤醒词的确定方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。