龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：深圳中洲卓越科技有限公司
申请日：2024-04-17
公开（公告）日：2024-06-14
公开（公告）号：CN118197309A
主分类号：G10L15/22
分类号：G10L15/22;G10L25/24;G10L15/02;G10L15/14
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了基于AI语音识别的智能多媒体终端，涉及智能终端技术领域。它包括：唤醒判断部分、身份鉴别部分、语音识别部分和多媒体控制部分；所述唤醒判断部分，用于实时采集周围环境的语音信息，发送第一控制命令至身份鉴别部分；所述身份鉴别部分，用于对语音信息进行特征识别，判断是否为特定用户；所述语音识别部分，对语音信息进行语音识别，得到语音控制指令；所述多媒体控制部分，用于根据语音控制指令，控制多媒体终端的运行。本发明实现了对语音单元的状态转移和观测概率建模，从而提高了语音识别的准确性、实时性和稳定性，为用户带来更智能、便捷的多媒体使用体验。
主权项：1.基于AI语音识别的智能多媒体终端，其特征在于，它包括：唤醒判断部分、身份鉴别部分、语音识别部分和多媒体控制部分；所述唤醒判断部分，用于实时采集周围环境的语音信息，首先对语音信息进行声源定位，获取声源距离多媒体终端的距离，若距离在小于设定的距离阈值，则检测语音信息的分贝值，并判断分贝值是否处于预设分贝区间，若是，则计算语音信息的长度是否在预设长度区间，若是则判断语音信息是否为人声，若为人声，则发送第一控制命令至身份鉴别部分；所述身份鉴别部分，用于对语音信息进行特征识别，判断是否为特定用户，若是，则发送第二控制命令至语音识别部分；所述语音识别部分，对语音信息进行语音识别，得到语音控制指令，具体包括：使用梅尔滤波器对语音信号进行频谱分析，得到频谱特征；将频谱特征转换为倒谱系数；构建动态贝叶斯网络作为声学模型，将倒谱系数建模为动态贝叶斯网络的状态转移过程；将倒谱系数映射到状态空间中，每个状态代表一个语音单元；使用动态贝叶斯网络进行推断，估计每个状态的后验概率，即给定观察序列条件下每个状态的概率分布；对动态贝叶斯网络的输出进行稀疏编码，将每个状态的后验概率表示为稀疏向量；将稀疏向量映射到词汇表中的单词，得到语音信息对应的词序列，作为语音控制指令；所述多媒体控制部分，用于根据语音控制指令，控制多媒体终端的运行。
全文数据：
权利要求：
百度查询： 深圳中洲卓越科技有限公司 基于AI语音识别的智能多媒体终端
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号