本发明实施例涉及智能终端技术，尤其涉及一种语音识别方法、装置、设备及存储介质。
背景技术
随着科技的不断进步，语音控制技术逐渐普及。大多数的智能终端基本具有可以进行语音交互的对话系统。通过和智能终端的对话系统进行语音交互，使得对智能终端的操作变得更加简单、便捷。
现有技术实现方案中，每次在和对话系统的交互之前，使用固定的唤醒词唤醒对话系统，等到系统进入唤醒状态后，进行语音交互。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：用户会通过智能终端或关联智能终端播放语音信息，例如，通过智能终端或关联智能终端播放有声电子书。在播放的语音信息中包含与唤醒词类似的内容时，容易出现误唤醒的情况。即在用户没有唤醒智能终端的对话系统的需求时，将环境中播放的语音信息中与唤醒词类似的内容识别为唤醒词，误唤醒对话系统，对话系统进行语音交互，对用户造成打扰。
技术实现要素：
本发明提供一种语音识别方法、装置、设备及存储介质，以实现在智能终端进行唤醒识别时，有针对性地对环境中播放的语音信息进行屏蔽，避免出现误唤醒的情况，提高用户体验。
第一方面，本发明实施例提供了一种语音识别方法，包括：
终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合；
终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测。
第二方面，本发明实施例还提供了一种语音识别装置，包括：
词语集合获取模块，用于终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合；
唤醒词检测模块，用于终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测。
第三方面，本发明实施例还提供了一种设备，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，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明实施例所提供的语音识别方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所提供的语音识别方法。
本发明实施例的技术方案，通过终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合，并根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，可以在进行唤醒识别时，有针对性地根据待播放语音信息对环境中播放的语音信息进行屏蔽，避免出现误唤醒的情况，对唤醒识别进行优化，提高用户体验。
附图说明
图1为本发明实施例一提供的一种语音识别方法的流程图；
图2为本发明实施例二提供的一种语音识别方法的流程图；
图3为本发明实施例三提供的一种语音识别方法的流程图；
图4为本发明实施例四提供的一种语音识别方法的流程图；
图5为本发明实施例五提供的一种语音识别装置的结构框图；
图6为本发明实施例六提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种语音识别方法的流程图，本实施例可适用于对语音信号进行识别的情况，该方法可以由语音识别装置来执行，所述装置由软件和/或硬件来执行，并一般可集成在终端设备中。终端设备包括但不限定于计算机等。示例性的，终端设备可以是智能手表、智能手机、智能手环、智能音箱或者智能电视等。如图1所示，其具体包括如下步骤：
步骤101、终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合。
其中，为了节约终端设备的电量，延长终端设备的使用时长，在用户不使用终端设备时，终端设备处于睡眠状态，当用户需要使用终端设备时，唤醒终端设备，使得终端设备从睡眠状态进入工作状态。
唤醒词为用户预先设定或者为系统设定的一个单词或多个单词，例如可以是：你好，问问。具体的，唤醒词是不可拆分的，是连续的。例如，若用户输入的语音为：你好，小明同学，问问，则用户输入的语音中并不存在唤醒词。
可选的，终端设备设置有唤醒词唤醒功能。在终端设备进入睡眠过程前，用户手动开启终端设备的唤醒词唤醒功能后，可以通过预设的唤醒词对接收到的语音信息进行唤醒词检测，根据检测结果唤醒终端设备。接收到的语音信息为终端设备从中获取的语音信息。具体的，终端设备预先开启唤醒词唤醒功能，终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合，然后终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，在确定在语音信息中识别出唤醒词，则唤醒终端设备；在确定在语音信息中未识别出唤醒词时，不对终端设备进行唤醒。
可选的，终端设备在检测到进入睡眠过程时，自动开启唤醒词唤醒功能。
在终端设备进入睡眠过程前，在终端设备未开启唤醒词唤醒功能时，不能通过预设的唤醒词对接收到的语音信息进行唤醒词检测，根据检测结果唤醒终端设备。
可选的，在用户不使用终端设备的预设应用时，终端设备的预设应用处于睡眠状态，当用户需要使用终端设备的预设应用时，唤醒终端设备的预设应用，使得终端设备的预设应用从睡眠状态进入工作状态。例如，在用户不使用终端设备的对话系统时，对话系统处于睡眠状态，当用户需要使用对话系统时，唤醒对话系统，使得对话系统从睡眠状态进入工作状态，与用户进行语音交互。
其中，在终端设备的对话系统进入睡眠过程前，终端设备开启唤醒词唤醒功能后，可以通过预设的唤醒词对接收到的语音信息进行唤醒词检测，根据检测结果唤醒终端设备的对话系统。具体的，终端设备预先开启唤醒词唤醒功能，终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合，然后终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，在确定在语音信息中识别出唤醒词时，唤醒终端设备的对话系统；在确定在语音信息中未识别出唤醒词时，不对终端设备的对话系统进行唤醒。
终端设备在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放。设定播放类应用程序为可以播放音频文件的应用程序。设定音频文件可以包括音乐文件和有声电子书文件。
待播放语音信息对应的词语集合为待播放语音信息的常用词语的集合。根据设定音频文件可以获取待播放语音信息的常用词语，从而生成与待播放语音信息对应的词语集合。
步骤102、终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测。
其中，根据预设的词语相似度算法计算词语集合中的每一个词语与预先设定的唤醒词之间的相似程度。然后根据每一个词语与预先设定的唤醒词之间的相似程度，以及预设的相似度阈值确定词语集合中是否包含唤醒词的相似词语以及唤醒词的相同词语。具体的，预设的相似度阈值包括相似词语阈值和相同词语阈值。相似词语阈值小于相同词语阈值。当词语与预先设定的唤醒词之间的相似程度大于相似词语阈值，且小于相同词语阈值时，确定词语为唤醒词的相似词语；当词语与预先设定的唤醒词之间的相似程度大于相同词语阈值时，确定词语为唤醒词的相同词语。
终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测。词语集合与预先设定的唤醒词之间的相似程度包括：词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语；终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语；终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语。
具体的，终端设备在确定词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语时，需要根据语音信息对应的识别结果与唤醒词之间的匹配得分，以及语音信息对应的识别结果与相似词语之间的匹配得分，判断是否在语音信息中识别出唤醒词。在根据语音信息对应的识别结果与唤醒词之间的匹配得分大于等于语音信息对应的识别结果与相似词语之间的匹配得分时，确定在语音信息中识别出唤醒词；在根据语音信息对应的识别结果与唤醒词之间的匹配得分小于语音信息对应的识别结果与相似词语之间的匹配得分时，确定在语音信息中未识别出唤醒词，不对终端设备或终端设备的预设应用进行唤醒，避免误唤醒的情况。终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语时，直接根据预设的唤醒词进行唤醒词检测。终端设备在根据相似程度确定词语集合中包含唤醒词的相同词语时，需要根据先根据声纹特征对用户进行身份验证，以确认接收到的语音信息是否为用户的语音信息。在确认接收到的语音信息为用户的语音信息时，直接根据预设的唤醒词进行唤醒词检测。
在确定在语音信息中识别出唤醒词时，唤醒终端设备或终端设备的预设应用；在确定在语音信息中未识别出唤醒词时，不对终端设备或终端设备的预设应用进行唤醒。
本实施例提供的一种语音识别方法，通过终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合，并根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，可以在进行唤醒识别时，有针对性地根据待播放语音信息对环境中播放的语音信息进行屏蔽，避免出现误唤醒的情况，对唤醒识别进行优化，提高用户体验。
实施例二
图2为本发明实施例二提供的一种语音识别方法的流程图，本实施例在上述各实施例的基础上，对步骤102进行优化：终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，包括：终端设备在根据相似程度确定词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号；在检测到语音信息中存在唤醒词对应的语音信号时，获取唤醒词对应的语音信号与唤醒词的第一匹配分数，以及唤醒词对应的语音信号与相似词语的第二匹配分数，并比较第一匹配分数和第二匹配分数的大小；在第一匹配分数大于等于第二匹配分数时，确定在语音信息中识别出唤醒词。
如图2所示，该方法包括：
步骤201、终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合。
可选的，终端设备在睡眠过程中确定有待播放语音信息即将播放，包括：终端设备定期对本机系统中，和/或关联设备中设定播放类应用程序进行检测，在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放；和/或终端设备在接收到本机系统，和/或关联设备发送的音频文件播放提示信息时，确定有待播放语音信息即将播放。
其中，终端设备按照预设的周期，定期对本机系统中设定播放类应用程序进行检测，在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放。设定播放类应用程序为可以播放音频文件的应用程序。设定音频文件可以包括音乐文件和有声电子书文件。
可选的，终端设备定期对关联设备中设定播放类应用程序进行检测，在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放。关联设备可以为与终端设备连接同一个服务器的其他终端设备。可选的，关联设备可以为与终端设备共用同一个用户账号的其他终端设备。用户账号是用来记录用户的用户名和口令、隶属的组、可以访问的网络资源，以及用户的个人文件和设置。
可选的，终端设备定期对本机系统中和关联设备中设定播放类应用程序进行检测，在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放。
可选的，终端设备在接收到本机系统发送的音频文件播放提示信息时，确定有待播放语音信息即将播放。
其中，本机系统中设定播放类应用程序即将播放设定音频文件时，发送音频文件播放提示信息。终端设备根据接收到本机系统发送的音频文件播放提示信息，可以确定本机系统中设定播放类应用程序即将播放设定音频文件，即确定有待播放语音信息即将播放。
可选的，终端设备在接收到关联设备发送的音频文件播放提示信息时，确定有待播放语音信息即将播放。
其中，关联设备中设定播放类应用程序即将播放设定音频文件时，发送音频文件播放提示信息。终端设备根据接收到关联设备发送的音频文件播放提示信息，可以确定关联设备中设定播放类应用程序即将播放设定音频文件，即确定有待播放语音信息即将播放。
可选的，终端设备在接收到本机系统和关联设备发送的音频文件播放提示信息时，确定有待播放语音信息即将播放。
可选的，终端设备定期对本机系统中和关联设备中设定播放类应用程序进行检测，在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放的同时，终端设备在接收到本机系统和关联设备发送的音频文件播放提示信息时，确定有待播放语音信息即将播放。
可选的，获取与待播放语音信息对应的词语集合，包括：获取待播放语音信息的介绍信息；根据介绍信息获取待播放语音信息的常用词语，生成与待播放语音信息对应的词语集合。
其中，待播放语音信息的介绍信息为预设的用于介绍待播放语音信息对应的即将播放的设定音频文件的内容的信息。获取待播放语音信息的介绍信息后，根据介绍信息获取待播放语音信息的常用词语，生成与待播放语音信息对应的词语集合。具体的，通过预设统计算法提取介绍信息中的每一个词语在介绍信息中的统计特征，然后根据统计特征筛选出出现频次达到预设频次阈值的词语，将其确定为待播放语音信息的常用词语。根据所确定的全部常用词语生成与待播放语音信息对应的词语集合。
可选的，获取与待播放语音信息对应的词语集合，包括：获取待播放语音信息对应的即将播放的设定音频文件；根据设定音频文件获取待播放语音信息的常用词语，生成与待播放语音信息对应的词语集合。
其中，通过预设统计算法提取设定音频文件中的每一个词语在设定音频文件中的统计特征，然后根据统计特征筛选出出现频次达到预设频次阈值的词语，将其确定为待播放语音信息的常用词语。根据所确定的全部常用词语生成与待播放语音信息对应的词语集合。
步骤202、终端设备在根据相似程度确定词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号。
其中，终端设备在根据相似程度确定词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号。具体的，提取语音信息的声学特征，并将声学特征输入到预设的语音识别模型中，通过预设的语音识别模型来识别接收到的语音信息，得到语音信息对应的识别结果，并计算语音信息对应的识别结果与唤醒词之间的匹配得分，即第一匹配分数。其中，匹配得分的范围可以设为0分到10分。匹配得分越高，匹配程度越好。匹配得分的范围可根据实际需要进行设定。
在获得第一匹配分数后，可根据第一匹配分数和预设的第一匹配阈值来确定接收到的语音信息中是否存在唤醒词对应的语音信号。当第一匹配分数大于等于第一预设阈值时，表明语音信息对应的识别结果与唤醒词匹配，即检测接收到的语音信息中存在唤醒词对应的语音信号；当第一匹配分数小于第一预设阈值时，表明语音信息对应的识别结果与唤醒词并不匹配，即接检测接收到的语音信息中不存在唤醒词对应的语音信号。例如，匹配得分的范围可以设为0分到10分，第一预设阈值为8分。
步骤203、在检测到语音信息中存在唤醒词对应的语音信号时，获取语音信息与唤醒词的第一匹配分数，以及语音信息与相似词语的第二匹配分数，并比较第一匹配分数和第二匹配分数的大小。
其中，语音信息与唤醒词的第一匹配分数为语音信息对应的识别结果与唤醒词之间的匹配得分。语音信息与相似词语的第二匹配分数为语音信息对应的识别结果与相似词语之间的匹配得分。
检测接收到的语音信息中存在唤醒词对应的语音信号时，获取语音信息对应的识别结果与唤醒词之间的匹配得分，即第一匹配分数，并通过预设的语音识别模型计算语音信息对应的识别结果与相似词语之间的匹配得分，即第二匹配分数。获取语音信息与唤醒词的第一匹配分数，以及语音信息与相似词语的第二匹配分数后，比较第一匹配分数和第二匹配分数的大小。
步骤204、在第一匹配分数大于等于第二匹配分数时，确定在语音信息中识别出唤醒词。
其中，第一匹配分数大于第二匹配分数，表明语音信息对应的识别结果与唤醒词的匹配程度比语音信息对应的识别结果与相似词语的匹配程度高，则确定在语音信息中识别出唤醒词；第一匹配分数等于第二匹配分数，表明语音信息对应的识别结果与唤醒词的匹配程度比语音信息对应的识别结果与相似词语的匹配程度相近，则确定在语音信息中识别出唤醒词；第一匹配分数小于第二匹配分数，表明语音信息对应的识别结果与唤醒词的匹配程度比语音信息对应的识别结果与相似词语的匹配程度低，则确定在语音信息中未识别出唤醒词。
在语音信息对应的识别结果与唤醒词的匹配程度比语音信息对应的识别结果与相似词语的匹配程度高，或语音信息对应的识别结果与唤醒词的匹配程度比语音信息对应的识别结果与相似词语的匹配程度相近的情况下，确定在语音信息中识别出唤醒词。
在确定在语音信息中识别出唤醒词时，唤醒终端设备或终端设备的预设应用；在确定在语音信息中未识别出唤醒词时，不对终端设备或终端设备的预设应用进行唤醒。
本实施例提供的一种语音识别方法，通过终端设备在确定词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语的情况下，在检测到语音信息中存在唤醒词对应的语音信号时，比较唤醒词对应的语音信号与唤醒词的第一匹配分数，以及唤醒词对应的语音信号与相似词语的第二匹配分数的大小；在第一匹配分数大于等于第二匹配分数时，确定在语音信息中识别出唤醒词，可以在进行唤醒识别时，有针对性地根据待播放语音信息中的唤醒词的相似词语对环境中播放的语音信息进行屏蔽，避免出现误唤醒的情况。
实施例三
图3为本发明实施例三提供的一种语音识别方法的流程图，本实施例在上述实施例的基础上，对步骤102进行优化：终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，包括：终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号；在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词。
如图3所示，该方法包括：
步骤301、终端设备在在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合。
步骤302、终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号。
其中，终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号。具体的，提取语音信息的声学特征，并将声学特征输入到预设的语音识别模型中，通过预设的语音识别模型来识别接收到的语音信息，得到语音信息对应的识别结果，并计算语音信息对应的识别结果与唤醒词之间的匹配得分，即第一匹配分数。其中，匹配得分的范围可以设为0分到10分。匹配得分越高，匹配程度越好。匹配得分的范围可根据实际需要进行设定。
在获得第一匹配分数后，可根据第一匹配分数和预设的第一匹配阈值来确定接收到的语音信息中是否存在唤醒词对应的语音信号。当第一匹配分数大于等于第一预设阈值时，表明语音信息对应的识别结果与唤醒词匹配，即检测接收到的语音信息中存在唤醒词对应的语音信号；当第一匹配分数小于第一预设阈值时，表明语音信息对应的识别结果与唤醒词并不匹配，即接检测接收到的语音信息中不存在唤醒词对应的语音信号。例如，匹配得分的范围可以设为0分到10分，第一预设阈值为8分。
步骤303、在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词。
其中，在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词，则唤醒终端设备或终端设备的预设应用；在检测到语音信息中不存在唤醒词对应的语音信号时，确定在语音信息中未识别出唤醒词，则不对终端设备或终端设备的预设应用进行唤醒。
本实施例提供的一种语音识别方法，通过终端设备在确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语的情况下，检测接收到的语音信息中是否存在唤醒词对应的语音信号；在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词，可以在待播放语音信息中不存在唤醒词的相似词语和相同词语的情况下，直接根据唤醒词进行唤醒识别。
实施例四
图4为本发明实施例四提供的一种语音识别方法的流程图，本实施例在上述实施例的基础上，对步骤102进行优化：终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，包括：终端设备在根据相似程度确定词语集合中包含唤醒词的相同词语时，根据接收到的语音信息确定语音信息对应的声纹特征；判断声纹特征是否与预设声纹特征相匹配；在声纹特征与预设声纹特征相匹配时，检测语音信息中是否存在唤醒词对应的语音信号；在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词。
如图4所示，该方法包括：
步骤401、终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合。
步骤402、终端设备在根据相似程度确定词语集合中包含唤醒词的相同词语时，根据接收到的语音信息确定语音信息对应的声纹特征。
其中，确定语音信息对应的声纹特征的方式可以为对接收到的语音信息进行处理，进而提取接收到的语音信息对应的声纹特征。
步骤403、判断声纹特征是否与预设声纹特征匹配。
其中，预设声纹特征为预先设定的使用设备的用户的声纹特征。声纹特征的获取方式可以为用户直接设定，也可以为根据用户输入的语音信号进行分析，进而获取用户的声纹特征。可选的，预设声纹特征可以包括多个声纹特征。
步骤404、在声纹特征与预设声纹特征匹配时，检测语音信息中是否存在唤醒词对应的语音信号。
其中，声纹特征与预设声纹特征匹配，说明接收到的语音信息为使用终端设备的用户输入的语音信息，则检测语音信息中是否存在唤醒词对应的语音信号；声纹特征与预设声纹特征不匹配，则说明接收到的语音信息不是使用终端设备的用户输入的语音信息，可能是环境中的干扰语音信息，不再进行进一步处理。
步骤405、在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词。
其中，在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词，则唤醒终端设备或终端设备的预设应用；在检测到语音信息中不存在唤醒词对应的语音信号时，确定在语音信息中未识别出唤醒词，则不对终端设备或终端设备的预设应用进行唤醒。
本实施例提供的一种语音识别方法，通过在终端设备确定词语集合中包含唤醒词的相同词语的情况下，根据接收到的语音信息确定语音信息对应的声纹特征，并判断声纹特征是否与预设声纹特征相匹配，在声纹特征与预设声纹特征相匹配时，检测语音信息中是否存在唤醒词对应的语音信号，可以在待播放语音信息中存在唤醒词的相同词语的情况下，根据声纹特征进行唤醒识别，屏蔽环境中的干扰语音信息。
实施例五
图5为本发明实施例五提供的一种语音识别装置的结构框图。如图5所示，该装置包括：
词语集合获取模块501和唤醒词检测模块502。
其中，词语集合获取模块501，用于终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合；唤醒词检测模块502，用于终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测。
本实施例提供的一种语音识别装置，通过终端设备在在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合，并根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测，可以在进行唤醒识别时，有针对性地根据待播放语音信息对环境中播放的语音信息进行屏蔽，避免出现误唤醒的情况，对唤醒识别进行优化，提高用户体验。
在上述各实施例的基础上，词语集合获取模块501可以包括：
信息定期检测单元，用于终端设备定期对本机系统中，和/或关联设备中设定播放类应用程序进行检测，在检测出设定播放类应用程序中即将播放设定音频文件时，确定有待播放语音信息即将播放；和/或
信息接收单元，用于终端设备在接收到本机系统，和/或关联设备发送的音频文件播放提示信息时，则确定有待播放语音信息即将播放。
在上述各实施例的基础上，唤醒词检测模块502可以包括：
第一信号检测单元，用于终端设备在根据相似程度确定词语集合中包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号；
匹配分数比较单元，用于在检测到语音信息中存在唤醒词对应的语音信号时，获取语音信息与唤醒词的第一匹配分数，以及语音信息与相似词语的第二匹配分数，并比较第一匹配分数和第二匹配分数的大小；
第一识别单元，用于在第一匹配分数大于等于第二匹配分数时，确定在语音信息中识别出唤醒词。
在上述各实施例的基础上，唤醒词检测模块502可以包括：
第二信号检测单元，用于终端设备在根据相似程度确定词语集合中不包含唤醒词的相似词语且不包含唤醒词的相同词语时，检测接收到的语音信息中是否存在唤醒词对应的语音信号；
第二识别单元，用于在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词。
在上述各实施例的基础上，唤醒词检测模块502可以包括：
声纹特征确定单元，用于终端设备在根据相似程度确定词语集合中包含唤醒词的相同词语时，根据接收到的语音信息确定语音信息对应的声纹特征；
声纹判断单元，用于判断声纹特征是否与预设声纹特征匹配；
第三信号检测单元，用于在声纹特征与预设声纹特征匹配时，检测语音信息中是否存在唤醒词对应的语音信号；
第三识别单元，用于在检测到语音信息中存在唤醒词对应的语音信号时，确定在语音信息中识别出唤醒词。
在上述各实施例的基础上，词语集合获取模块501可以包括：
介绍信息获取单元，用于获取待播放语音信息的介绍信息；
词语集合生成单元，用于根据介绍信息获取待播放语音信息的常用词语，生成与待播放语音信息对应的词语集合。
本发明实施例所提供的语音识别装置可执行本发明任意实施例所提供的语音识别方法，具备执行方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备612的框图。图6显示的设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，设备612以通用计算设备的形式表现。设备612的组件可以包括但不限于：一个或者多个处理器或者处理单元616，系统存储器628，连接不同系统组件(包括系统存储器628和处理单元616)的总线618。
总线618表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)630和/或高速缓存存储器632。设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储器628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储器628中，这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
设备612也可以与一个或多个外部设备614(例如键盘、指向设备、显示器624等)通信，还可与一个或者多个使得用户能与该设备612交互的设备通信，和/或与使得该设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口622进行。并且，设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器620通过总线618与设备612的其它模块通信。应当明白，尽管图中未示出，可以结合设备612使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
处理单元616通过运行存储在系统存储器628中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的语音识别方法。
也即：终端设备在睡眠过程中确定有待播放语音信息即将播放时，获取与待播放语音信息对应的词语集合；终端设备根据词语集合与预先设定的唤醒词之间的相似程度，对接收到的语音信息进行唤醒词检测。
实施例七
本发明实施例七还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例所提供的语音识别方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。