公开(公告)号：CN119889321A

公开(公告)日：2025-04-25

申请号：CN202510361911.5

申请日：2025-03-26

Applicant: 科大讯飞股份有限公司

Inventor： 王磊磊 ,  刘可为 ,  陈健祥 ,  武珺珺 ,  郑辰

IPC: G10L15/22 ,  G10L15/25 ,  G06F3/04883 ,  G06F3/01

Abstract: 本申请提出一种语音识别方法、装置、设备和计算机程序产品，该方法能够从语音识别对象的图像中提取图像特征，从语音识别对象的音频中提取语音特征，其中图像特征包括唇部动作特征、手势特征以及面部表情特征。然后根据语音识别对象所处的光线条件和声学条件等，分别确定图像特征和语音特征的权重。最后根据图像特征和语音特征的权重，对图像特征和语音特征进行加权融合得到融合特征，通过融合特征确定语音识别结果。如此设置，可以从识别对象的语音、唇部动作、手势动作、面部表情动作等多个维度对语音进行识别，同时根据环境条件适应性调整不同维度对应的权重，进而避免环境对语音识别结果的影响，提高语音识别的准确性。

公开(公告)号：CN119832911A

公开(公告)日：2025-04-15

申请号：CN202411656699.7

申请日：2024-11-19

Applicant: 科大讯飞股份有限公司

Inventor： 王磊磊 ,  刘可为 ,  陈健祥 ,  郑辰 ,  武珺珺

IPC: G10L15/22 ,  G10L15/24 ,  G10L25/51 ,  G06V40/16 ,  G06V40/20

Abstract: 本发明提供一种设备唤醒方法、装置及系统，所述方法包括：在检测到环境声音的情况下，获取环境声音来源区域的目标人物图像；对目标人物图像进行动作分析，确定目标人物的身体语言；基于身体语言与目标身体语言的匹配度，唤醒设备。本发明提供的设备唤醒方法、装置及系统，在检测到环境声音的情况下，获取环境声音来源区域的目标人物图像，从而可以结合声音信息和视觉信息准确识别用户是否存在唤醒意图，避免仅基于声音信息识别唤醒意图影响唤醒精度的问题。