技术新讯 > 乐器声学设备的制造及制作,分析技术 > 唤醒模型迭代方法、装置、存储介质及电子装置与流程  >  正文

唤醒模型迭代方法、装置、存储介质及电子装置与流程

  • 国知局
  • 2024-06-21 11:27:09

本申请涉及智能家居/智慧家庭,具体而言,涉及一种唤醒模型迭代方法、装置、存储介质及电子装置。

背景技术:

1、随着智能科技的兴起,各种家用电器一直朝着智能化的方向发展。例如,用户可以通过语音唤醒的方式对家用电器进行控制。

2、现有的语音唤醒模型应用在家用电器上时,受限于家用电器上的硬件资源限制,往往使用的模型结构都比较简单,性能较差,无法满足不同用户在不用场景下的需要,用户的使用体验较差。

技术实现思路

1、本申请提供一种唤醒模型迭代方法、装置、存储介质及电子装置,以解决现有的语音唤醒模型性能较差,无法满足不同用户在不用场景下的需要,用户的使用体验较差的技术问题。

2、本申请提供一种唤醒模型迭代方法,包括:

3、确定第一唤醒模型;所述第一唤醒模型与目标设备中的第二唤醒模型相同;

4、基于获取到的用户唤醒数据集对所述第一唤醒模型进行优化训练,得到所述第一唤醒模型的优化参数;所述用户唤醒数据集是基于唤醒关键词对所述目标设备中第二唤醒模型识别到的唤醒语音数据进行准确性校验后确定的;

5、将所述优化参数发送至所述目标设备,以使所述目标设备基于所述优化参数对所述第二唤醒模型进行优化迭代。

6、根据本申请提供的唤醒模型迭代方法,所述用户唤醒数据集是基于如下步骤确定的:

7、接收目标设备发送的第二唤醒模型识别到的唤醒语音数据;

8、将所述唤醒语音数据输入唤醒语音校验模型,由所述唤醒语音校验模型基于唤醒关键词确定所述唤醒语音数据对应的准确性校验结果;

9、基于所述唤醒语音数据,以及所述唤醒语音数据对应的准确性校验结果,确定所述用户唤醒数据集。

10、根据本申请提供的唤醒模型迭代方法,所述唤醒语音校验模型的神经网络层数大于所述第二唤醒模型的神经网络层数,和/或,所述唤醒语音校验模型中神经网络层的神经元数量大于所述第二唤醒模型中神经网络层的神经元数量。

11、根据本申请提供的唤醒模型迭代方法,所述用户唤醒数据集是基于如下步骤扩增的:

12、接收各个候选设备发送的网络地址;所述候选设备与所述目标设备的设备类型相同;

13、基于各个候选设备的网络地址,确定各个候选设备的地理位置;

14、基于各个候选设备的地理位置,确定各个候选设备的唤醒语言类别;

15、将与所述目标设备的唤醒语言类别相同的候选设备发送的唤醒语音数据,增加至所述用户唤醒数据集。

16、根据本申请提供的唤醒模型迭代方法,所述基于获取到的用户唤醒数据集对所述第一唤醒模型进行优化训练,得到所述第一唤醒模型的优化参数,包括:

17、确定基础训练数据集和基础测试数据集;

18、基于所述基础训练数据集和所述用户唤醒数据集中的训练数据集,对所述第一唤醒模型进行训练;

19、基于所述基础测试数据集和所述用户唤醒数据集中的测试数据集,分别对训练前的第一唤醒模型和训练后的第一唤醒模型进行测试,确定所述第一唤醒模型的训练前识别准确率和训练后识别准确率;

20、在所述训练后识别准确率与所述训练前识别准确率之差大于或等于预设差值的情况下,将训练后的第一唤醒模型中的模型参数确定为所述第一唤醒模型的优化参数。

21、根据本申请提供的唤醒模型迭代方法,所述将所述优化参数发送至所述目标设备,包括:

22、向所述目标设备发送包含所述优化参数的模型迭代指令,并将所述第二唤醒模型的当前模型参数保存为历史模型参数;

23、接收所述目标设备发送的所述历史模型参数对应的识别成功率和所述优化参数对应的识别成功率;所述识别成功率是基于所述目标设备接收到的语音数据数量和识别的唤醒语音数据数量确定的;

24、在所述优化参数对应的识别成功率低于所述历史模型参数对应的识别成功率的情况下,向所述目标设备发送包含历史模型参数的模型迭代指令。

25、根据本申请提供的唤醒模型迭代方法,所述确定第一唤醒模型,包括:

26、确定所述用户唤醒数据集中唤醒语音数据的数量;

27、在唤醒语音数据的数量大于或等于预设数量的情况下,向所述目标设备发送模型参数获取指令;

28、接收所述目标设备基于所述模型参数获取指令发送的所述第二唤醒模型的当前模型参数;

29、基于所述当前模型参数,以及所述第二唤醒模型的模型结构,构建所述第一唤醒模型。

30、本申请提供一种唤醒模型迭代装置,包括:

31、确定单元,用于确定第一唤醒模型;所述第一唤醒模型与目标设备中的第二唤醒模型相同;

32、训练单元,用于基于获取到的用户唤醒数据集对所述第一唤醒模型进行优化训练,得到所述第一唤醒模型的优化参数;所述用户唤醒数据集是基于唤醒关键词对所述目标设备中第二唤醒模型识别到的唤醒语音数据进行准确性校验后确定的;

33、迭代单元,用于将所述优化参数发送至所述目标设备,以使所述目标设备基于所述优化参数对所述第二唤醒模型进行优化迭代。

34、本申请提供一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行所述的唤醒模型迭代方法。

35、本申请提供一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述的唤醒模型迭代方法。

36、本申请提供的唤醒模型迭代方法、装置、存储介质及电子装置,确定第一唤醒模型;第一唤醒模型与目标设备中的第二唤醒模型相同;根据用户唤醒数据集对第一唤醒模型进行训练,得到第一唤醒模型的优化参数;将优化参数发送至目标设备,以使目标设备根据优化参数对第二唤醒模型进行迭代;通过在远程服务器中设置与目标设备中的唤醒模型相同的模型,将优化训练后的参数发送至目标设备,实现了目标设备中的唤醒模型的参数迭代,无需消耗目标设备的硬件资源,由于用户唤醒数据集是经过准确性校验后确定的,具有更高的可信度,包含了目标设备对应的用户的语音特性,使得采用优化参数迭代后的唤醒模型具有较高的识别准确率,而且更能够贴近用户的使用习惯,提高了用户的使用体验。

技术特征:

1.一种唤醒模型迭代方法,其特征在于,包括:

2.根据权利要求1所述的唤醒模型迭代方法,其特征在于,所述用户唤醒数据集是基于如下步骤确定的:

3.根据权利要求2所述的唤醒模型迭代方法,其特征在于,所述唤醒语音校验模型的神经网络层数大于所述第二唤醒模型的神经网络层数,和/或,所述唤醒语音校验模型中神经网络层的神经元数量大于所述第二唤醒模型中神经网络层的神经元数量。

4.根据权利要求2所述的唤醒模型迭代方法,其特征在于,所述用户唤醒数据集是基于如下步骤扩增的:

5.根据权利要求1所述的唤醒模型迭代方法,其特征在于,所述基于获取到的用户唤醒数据集对所述第一唤醒模型进行优化训练,得到所述第一唤醒模型的优化参数,包括:

6.根据权利要求1所述的唤醒模型迭代方法,其特征在于,所述将所述优化参数发送至所述目标设备,包括:

7.根据权利要求1至6任一项所述的唤醒模型迭代方法,其特征在于,所述确定第一唤醒模型,包括:

8.一种唤醒模型迭代装置,其特征在于,包括:

9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至7中任一项所述的唤醒模型迭代方法。

10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的唤醒模型迭代方法。

技术总结本申请公开了一种唤醒模型迭代方法、装置、存储介质及电子装置,涉及智能家居/智慧家庭技术领域,其中方法包括:确定第一唤醒模型;所述第一唤醒模型与目标设备中的第二唤醒模型相同;基于获取到的用户唤醒数据集对所述第一唤醒模型进行优化训练,得到所述第一唤醒模型的优化参数;所述用户唤醒数据集是基于唤醒关键词对所述目标设备中第二唤醒模型识别到的唤醒语音数据进行准确性校验后确定的;将所述优化参数发送至所述目标设备,以使所述目标设备基于所述优化参数对所述第二唤醒模型进行优化迭代。本申请提供的方法和装置,使得采用优化参数迭代后的唤醒模型具有较高的识别准确率,而且更能够贴近用户的使用习惯,提高了用户的使用体验。技术研发人员:葛路奇受保护的技术使用者:青岛海尔科技有限公司技术研发日:技术公布日:2024/2/8

本文地址:https://www.jishuxx.com/zhuanli/20240618/21609.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。