具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。

请参阅图1，图1是本申请回答评分方法一实施例的流程示意图。需要说明的是，本申请任一回答评分方法实施例可以应用于认知障碍筛查、心理健康测试、术后随访等任意问卷评分场景中，在此不做限定。具体而言，可以包括如下步骤：

步骤S11：对回答音频进行唤醒词检测，得到检测结果。

本公开实施例中，回答音频是在用户回答预设问题时采集到的，检测结果包括至少一个目标唤醒词，且至少一个目标唤醒词来自于唤醒词集，唤醒词集是基于预设问题的预设答案而得到的。

在一个实施场景中，唤醒词集具体可以是基于预设答案的得分词而创建的。以认知障碍筛查场景为例，预设问题可以包括“想象您有很多的1元、5元、10元的钱。现在您需要付给我13元，请给我3种付款方式。我不会找您零钱，您需要付给我13元整”，该题的得分点在于用户能够回答给出三种以及三种以上的付款组合方式，满分为3分，如预设答案可以为“一个10元，三个1元，二个5元，三个1元，十三个1元，一个5元，八个1元”，如果用户提供三种以及以上正确付款方式可得3分，如果用户提供两种正确付款方式可得2分，如果用户提供一种正确付款方式可得1分，其他情况得0分。在此基础上，可以认为预设答案中“1元”、“5元”、“10元”、“一个”、“二个”、“三个”“八个”、“十三个”均是得分词，故可以直接将上述得分词作为预设唤醒词，以创建得到唤醒词集(“1元”、“5元”、“10元”、“一个”、“二个”、“三个”“八个”、“十三个”)。其他情况可以以此类推，在此不再一一举例。

在另一个实施场景中，为了提高回答评分的鲁棒性，预设唤醒词可以包括第一唤醒词和第二唤醒词中至少一者，且第一唤醒词是基于预设声韵对得分词进行同义扩展得到的，第二唤醒词是基于预设方言对第一唤醒词进行方言转换得到的。

在一个具体的实施场景中，预设声韵可以根据实际需要进行设置，例如，经数据调查分析，目前语音唤醒交互中普遍采用的唤醒词包括如下形式及在此基础上的不同变化组合：小+字(如，小度、小爱)、叠字(如，问问)、非叠字(如，叮咚)，且其中尤以“名字+名字”(如，小度小度)的组合受欢迎。此外，由于一个汉字读音就是一个音节(声调+声母+韵母)，在声调方面，尤以阴平(1声)或平声(1声阴平+2声阳平)受欢迎，而在声母方面，尤以零声母(y、w)受欢迎，且在韵母方面，尤以单韵母受欢迎。在此基础上，仍以前述预设问题为例，可以依据上述得分词中平声声调(一、三、十、十三、元)、零声母(一、五)、单韵母(个)，以及通过舌尖后音对“个”进行同义扩展为“张”，通过单韵母对“个”进行同义扩展为“块”，在此基础上，可以得到包括但不限于如下第一唤醒词(1块、5块、10块、1元、5元、10元、13元、2个、8个)。在预设问题为其他问题的情况下，可以以此类推，在此不再一一举例。

在另一个具体的实施场景中，预设方言也可以根据实际需要设置为“合肥方言”、“南京方言”、“杭州方言”等等。仍以上述预设问题为例，利用合肥方言可以将上述“块”、“元”等转换为“硬币”、“个子的”、“毛个的”等。

在又一个具体的实施场景中，还可以对得分词进行组合扩展，仍以上述预设问题为例，可以组合扩展得到如下唤醒词，“五加五加三”、“十加三个一”等等，在此不做限定。在预设问题为其他问题的情况下，可以以此类推，在此不再一一举例。

需要说明的是，预设问题的唤醒词集可以是在用户进行回答评分之前创建的。也就是说，在获取到预设问题及其预设答案之后，即可针对每一预设问题创建其唤醒词集。

在一个实施场景中，请结合参阅图2，图2是基于语音唤醒的回答评分的框架示意图。如图2所示，在采集到用户对预设问题的回答音频之后，可以对回答音频进行VAD(VoiceActivity Detection，语音活动检测)端点处理，以在回答音频中定位语音开始位置和语音结束位置，从而可以在回答音频中提取有声段，并针对有声段进行唤醒词检测，进而在面对诸如老年人等口语表述能力退化人群时，大大缓解由于长时间思考、停顿造成回答音频中包含大量静音段或噪声环境对唤醒词检测的影响，有利于提高唤醒词检测的实时性，并减少资源消耗。端点处理的具体过程，可以参阅VAD相关技术细节，在此不再赘述。

在一个实施场景中，请继续结合参阅图2，可以基于唤醒引擎和唤醒词集进行唤醒词检测，唤醒引擎具体可以包括但不限于：HMM-GMM(Hidden Markov ModelGaussian MixedModel，即隐马尔科夫模型-高斯混合模型)、深度神经网络(如，卷积神经网络、长短期记忆网络、深度可分离卷积神经网络等)，在此不做限定。利用上述HMM-GMM、深度神经网络实现唤醒词检测的具体过程，可以参阅语音唤醒相关技术细节，在此不再赘述。

步骤S12：利用检测结果与预设答案进行匹配，得到回答得分。

具体地，通过对回答音频进行唤醒词检测，可以检测出唤醒词集中被唤醒的预设唤醒词，即上述目标唤醒词。在此基础上，可以利用包含目标唤醒词的检测结果与预设答案进行匹配，得到预设问题的回答得分。

在一个实施场景中，请继续结合参阅图2，根据预设问题的得分规则，在预设问题为关键词检出类问题(如，回忆类问题、看图识物等)的情况下，可以直接将检测结果与预设答案进行关键词匹配，得到回答得分。以预设问题为看图识物为例，预设问题可以为对“孔雀、斑马、蝴蝶、老虎”四种动物的图像识别，预设答案可以为(“孔雀”、“斑马”、“蝴蝶”、“老虎”)，所创建的唤醒词集可以为(“孔雀”、“斑马”、“蝴蝶”、“老虎”)，用户的回答音频可以为“啊，斑马，这个我不知道，这个是老虎”，通过唤醒词检测，可以得到包含目标唤醒词“斑马”和“老虎”的检测结果，并在此基础上，将该检测结果与预设答案进行关键词匹配，由于“斑马”和“老虎”匹配成功，则可以确定该预设问题的回答得分为2分。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，请继续结合参阅图2，根据预设问题的得分规则，在预设问题为模式提取组合类问题(如，数字朗读、找钱等)的情况下，可以对检测结果按照预设问题类型进行对应的规则处理，并与预设答案进行匹配，得到用户对预设问题的回答得分。仍以前述预设问题“想象您有很多的1元、5元、10元的钱。现在您需要付给我13元，请给我3种付款方式。我不会找您零钱，您需要付给我13元整”为例，检测结果包括如下目标唤醒词：“五元”、“一元”、“五元”、“十元”、“十元”、“硬币”、“两张”、“五元”、“硬币”、“十三个”、“硬币”，并在上述检测结果中进行模糊模式提取得到如下组合：<十元、硬币>、<两张、五元、硬币>、<十三个、硬币>，之后可以将上述组合与预设答案进行模糊匹配，例如，<两张、五元、硬币>可以模糊匹配到<2个5元、3个1元>，其他组合可以以此类推进行匹配，在此不再赘述。此外，用户在回答上述预设问题时，还可能包含与预设答案无关的其他数值钱币，如“1个7块，1个5块，7块分成2个1块和1个5块”，在此情况下，可以采用特殊标定符(如，4)来代替上述其他数值(如，7块)，以提高模糊匹配的精度。

在一个实施场景中，请结合参阅3，图3是本申请回答评分方法一实施例的过程示意图。如图3所示，除了语音回答类的预设问题，还可以包括触摸画图类的预设问题。例如，MMSE(Mini-Mental State Examination，简易精神状态量表)中的五边形问题，要求用户绘制两个五边形，且两个五边形相交构成一个四边形，两个五边形分别有一个顶点位于另一个五边形内。在此情况下，可以获取用户对此类预设问题的触摸数据，并对触摸数据进行诸如冗余轨迹点去除、笔画分割、笔画顺序确定、笔画轨迹平滑、冗余笔画去除等预处理，之后再利用判别引擎对预处理之后的触摸数据进行评分，得到此类预设问题的回答得分。需要说明的是，上述判别引擎可以包括但不限于判别规则、判别模型(如，支持向量机、逻辑回归模型、朴素贝叶斯模型、随机森林模型等)，在此不做限定。

在一个实施场景中，请继续结合参阅图3，在用户回答完所有预设问题之后，即可统计所有预设问题的回答得分，得到综合得分，通过即时评分可以在认知障碍筛查、心理健康测试、术后随访等应用场景中辅助分析。以认知障碍筛查为例，通过设计用于检测记忆、语音、视空间、执行能力、计算和理解判断等方面的预设问题，并获取上述不同方面预设问题的回答得分，可以辅助分析用户在上述几方面认知功能中是否存在受损情况，并在受损情况影响其日常或社会能力时，可以认为存在认知障碍。需要说明的是，在认知障碍筛查场景中，预设问题可以来源于：MMSE、MOCA_B(Montreal cognitive assessment-basic，即蒙特利尔认知评估量表_基础版)等，在此不做限定。其他场景可以以此类推，在此不再一一举例。

上述方案，对回答音频进行唤醒词检测，得到检测结果，且回答音频是在用户回答预设问题时采集得到的，检测结果包括至少一个目标唤醒词，上述至少一个目标唤醒词来自于唤醒词集，且唤醒词集是基于预设问题的预设答案得到的，在此基础上，再利用检测结果与预设答案进行匹配，得到回答得分，即在回答评分过程中，一方面仅需采集用户回答预设问题的回答音频即可实现回答评分，使得回答评分尽可能地贴近于人人交互形式，另一方面只需对回答音频进行唤醒词检测即可得到回答音频中至少一个目标唤醒词，并基于至少一个目标唤醒词与预设答案进行匹配得到回答得分，而无需对整个回答音频进行语音转写，有利于尽可能地降低口语质量对回答评分的影响，故此能够提高回答评分的效率和准确性。

请参阅图4，图4是图1中步骤S11一实施例的流程示意图。具体而言，可以包括如下步骤：

步骤S41：对回答音频进行唤醒词检测，得到至少一个候选唤醒词的唤醒激励。

本公开实施例中，若干候选唤醒词来自于唤醒词集，且唤醒词集包括若干预设唤醒词和各个预设唤醒词对应的唤醒阈值，唤醒阈值是利用与预设唤醒词相关的样本音频测试得到的。需要说明的是，样本音频可以是在回答评分之前采集得到的，以在回答评分之前得到各个预设问题的唤醒词集。

在一个实施场景中，与预设唤醒词相关的样本音频可以包括第一音频、第二音频和第三音频，且第一音频包含预设唤醒词，第二音频包含预设唤醒词的第一参考词，第三音频包含预设唤醒词的第二参考词，第一参考词与预设唤醒词同义不同音，第二参考词与预设唤醒词同音不同义。上述方式，将与预设唤醒词相关的样本音频设置为包括第一音频、第二音频和第三音频，且第一音频包括预设唤醒词，第二音频包含第一参考词，第三音频包含第二参考词，第一参考词与预设唤醒词同义不同音，第二参考词与预设唤醒词同音不同义，即能够结合第一音频、第二音频和第三音频共同确定预设唤醒词的唤醒阈值，能够提高唤醒阈值的精确性，有利于提高唤醒词检测的准确性。

在一个具体的实施场景中，在获取预设问题的唤醒词集之后，针对其中每一预设唤醒词，可以获取与该预设唤醒词同义不同音的第一参考词，和与该预设唤醒词同音不同义的第二参考词，并采集得到包含预设唤醒词的第一音频，包含第一参考词的第二音频和包含第二参考词的第三音频。

在另一个具体的实施场景中，仍以前述预设问题“想象您有很多的1元、5元、10元的钱。现在您需要付给我13元，请给我3种付款方式。我不会找您零钱，您需要付给我13元整”为例，其唤醒词集的获取过程可以参阅前述公开实施例中相关描述，在此不再赘述。以其中预设唤醒词“硬币”为例，可以获取与该预设唤醒词同义不同音的第一参考词“钢镚”，以及与该预设唤醒词同音不同义的第二参考词“硬笔”，并采集包含预设唤醒词“硬币”的第一音频(如，“请找我硬币，不要纸币”、“这枚是新版的一元硬币”等)，和采集包含第一参考词的第二音频(如，“借我一个钢镚”、“我手上没有钢镚了，找你纸币”等)，以及采集包含第二参考词的第三音频(如，“这位老同志的硬笔书法很是了得”、“我也好久没练硬笔字了”等)。其他场景可以以此类推，在此不再一一举例。

请结合参阅图5，图5是获取唤醒阈值一实施例的流程示意图。具体可以包括如下步骤：

步骤S51：利用第一音频、第二音频和第三音频分别进行唤醒测试，得到预设唤醒词的第一数据分布、第一参考词的第二数据分布和第二参考词的第三数据分布。

具体地，第一数据分布包括第一初始阈值和第一音量均值，第二数据分布包括第二初始阈值和第二音量均值，第三数据分布包括第三初始阈值和第三音量均值。为了便于描述，可以将第一初始阈值记为S₀，将第二初始阈值记为S₁，并将第三初始阈值记为S₂，类似地，可以将第一音量均值记为v₀，将第二音量均值记为v₁，并将第三音量均值记为v₂，故预设唤醒词的第一数据分布可以表示为(S₀,v₀)，第一参考词的第二数据分布可以表示(S₁,v₁)，第二参考词的第三数据分布可以表示为(S₂,v₂)。

在一个实施场景中，可以统计测试音频中有声段的音量幅值均值，得到音量均值。测试音频中的有声段可以利用前述VAD端点处理得到，在此不再赘述。需要说明的是，在唤醒词为预设唤醒词的情况下，上述测试音频表示第一音频，上述音量均值表示第一音量均值v₀，而在唤醒词为第一参考词的情况下，上述测试音频表示第二音频，上述音量均值表示第二音量均值v₁，以及在唤醒词为第二参考词的情况下，上述测试音频表示第三音频，上述音量均值表示第三音量均值v₂。

在一个实施场景中，可以利用测试音频对唤醒词进行唤醒测试，统计选择不同测试唤醒阈值时分别对应的唤醒成功率，并选择唤醒成功率高于预设阈值的测试唤醒阈值作为初始阈值。具体地，在利用测试音频对唤醒词进行唤醒测试之后，可以得到唤醒词的唤醒激励，唤醒激励越高，表示测试音频中包含唤醒词的可能性越大，反之唤醒激励越低，表示测试音频中包含唤醒词的可能性越小。在此情况下，可以设置不同的测试唤醒阈值(如，0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9等)，并统计在选择不同测试唤醒阈值的情况下，唤醒词对应的唤醒成功率。例如，在唤醒激励大于测试唤醒阈值的情况下，可以确定测试音频中包含唤醒词，且若测试音频中实际也包含唤醒词，则可以认为唤醒成功，基于此，可以分别统计得到上述不同测试唤醒阈值对应的唤醒成功率，并选择唤醒成功率高于预设阈值的测试唤醒阈值作为初始阈值(如，测试唤醒阈值0.6对应的唤醒成功率高于预设阈值，则将其作为初始阈值)。需要说明的是，在唤醒词为预设唤醒词的情况下，上述测试音频表示第一音频，上述初始阈值表示第一初始阈值S₀，在唤醒词为第一参考词的情况下，上述预测音频表示第二音频，上述初始阈值表示第二初始阈值S₁，在唤醒词为第二参考词的情况下，上述测试音频表示第三音频，上述初始阈值表示第三初始阈值S₂。

步骤S52：基于第一数据分布与第二数据分布之间的差异，得到第一调整权值，并基于第一数据分布与第三数据分布之间的差异，得到第二调整权值。

在一个实施场景中，可以度量第一数据分布与第二数据分布之间的差异，得到分布差距d₁，并获取第二初始阈值与第一初始阈值之间的阈值差值S₁-S₀，以及获取第二音量均值与第一音量均值之间的音量差值v₁-v₀，从而基于分布差距d₁、阈值差值S₁-S₀和音量差值v₁-v₀，得到第一调整权值f₁，且第一调整权值f₁与分布差距d₁负相关，第一调整权值f₁与阈值差值S₁-S₀正相关，第一调整权值f₁与音量差值v₁-v₀负相关。具体地，第一调整权值f₁可以表示为：

f₁＝((S₁-S₀)/d₁)/((v₁-v₀)/v₀)……(1)

在一个实施场景中，可以度量第一数据分布与第三数据分布之间的差异，得到分布差距d₂，并获取第三初始阈值与第一初始阈值之间的阈值差值S₂-S₀，以及获取第三音量均值与第一音量均值之间的音量差值v₂-v₀，从而基于分布差距d₂、阈值差值S₂-S₀和音量差值v₂-v₀，得到第二调整权值f₂，且第二调整权值f₂与分布差距d₂负相关，第二调整权值f₂与阈值差值S₂-S₀正相关，第二调整权值f₂与音量差值v₂-v₀负相关。具体地，第二调整权值f₂可以表示为：

f₂＝((S₂-S₀)/d₂)/((v₂-v₀)/v₀)……(2)

此外，上述分布差距具体可以利用JS散度度量得到。以度量第一数据分布和第二数据分布之间的分布差距为例，第一数据分布与第二数据分布之间的JS散度可以表示为：

上述公式(3)中，KL表示KL散度函数，P_g1表示第一数据分布的分布函数，P_g2表示第二数据分布的分布函数。需要说明的是，KL散度可以表示为：

度量第一数据分布与第三数据分布之间的分布差距的过程可以以此类推，在此不再赘述。上述方式，通过计算数据分布之间的分布差距，并将调整权值与分布差距设置为负相关，将调整权值与阈值差值设置正相关，与音量差值设置为负相关，故在预设唤醒词与其参考词之间分布差距偏小、或音量差距偏小、或阈值差值偏大时，能够提升调整权值，以区分预设唤醒词与其参考词，从而能够有利于提高唤醒成功率。

步骤S53：利用第一调整权值和第二调整权值对第一初始阈值进行调整，得到预设唤醒词的唤醒阈值。

具体地，可以利用第一调整权值和第二调整权值，确定第一调整比例，且第一调整权值、第二调整权值均与第一调整比例正相关，并将调整步长与第一调整比例之积与第一初始阈值之和，作为唤醒阈值。为了便于描述，可以将唤醒阈值记为S_m，唤醒阈值S_m可以表示为：

S_m＝S₀+(2*(f₁*f₂)/(f₁+f₂))*50……(5)

上述公式(5)中，2*(f₁*f₂)/(f₁+f₂)表示第一调整比例，50表示调整步长。需要说明的是，调整步长也可以根据实际需要设置为30、40等，在此不做限定。上述方式，通过利用第一调整权值和第二调整权值，确定第一调整比例，且第一调整权值、第二调整权值均与第一调整比例正相关，在此基础上，将调整步长与第一调整比例之积与第一初始阈值之和，作为唤醒阈值，即预设唤醒词的唤醒阈值在其第一初始阈值的基础上结合第一参考词的第一调整权值和第二参考词的第二调整权值进行正相关调整，有利于进一步提高唤醒词检测的准确率。

在一个实施场景中，如前所述，预设唤醒词包括第一唤醒词和第二唤醒词中的至少一者，第一唤醒词是基于预设声韵对得分词进行同义扩展而得到的，第二唤醒词是基于预设方言对第一唤醒词进行方言转换而得到的。在此基础上，第一唤醒词的唤醒阈值高于第二唤醒词的唤醒阈值，通过对第一唤醒词赋予较高的唤醒阈值，能够有利于减少误唤醒，而通过对第二唤醒词赋予较低的唤醒阈值，能够有利于提高唤醒成功率。

在一个具体的实施场景中，对于第一唤醒词(如，一元)和第二唤醒词(如，硬币)均可以通过前述步骤分别获取对应的唤醒阈值S_m，在此基础上，对于第一唤醒词(如，一元)而言，可以进一步将上述唤醒阈值S_m(如，780)与预设上调值(如，70)相加，以更新得到第一唤醒词(如，一元)的唤醒阈值S_m(如，850)，而对于第二唤醒词(如，硬币)而言，可以进一步将上述唤醒阈值S_m(如，670)与预设下调值(如，70)相减，以更新得到第二唤醒词(如，硬币)的唤醒阈值S_m(如，600)。其他情况可以以此类推，在此不再一一举例。

上述方式，通过利用第一音频、第二音频和第三音频分别进行唤醒测试，得到预设唤醒词的第一数据分布、第一参考词的第二数据分布好第二参考词的第三数据分布，并基于第一数据分布与第二数据分布之间的差异，得到第一调整权值，基于第一数据分布与第三数据分布之间的差异，得到第二调整权值，在此基础上，再利用第一调整权值和第二调整权值对第一初始阈值进行调整，得到预设唤醒词的唤醒阈值，能够有利于在唤醒词检测过程中，降低同音不同义和同义不同音对于预设唤醒词的干扰，有利于提高唤醒成功率。

在一个实施场景中，仍以预设问题“想象您有很多的1元、5元、10元的钱。现在您需要付给我13元，请给我3种付款方式。我不会找您零钱，您需要付给我13元整”为例，在回答音频为“2个5元和3个1元”的情况下，可以得到候选唤醒词“2个”的唤醒激励、候选唤醒词“5元”的唤醒激励、候选唤醒词“3个”的唤醒激励和候选唤醒词“1元”的唤醒激励。其他情况可以以此类推，在此不再一一举例。

步骤S42：对于每一候选唤醒词，基于唤醒激励与候选唤醒词对应的唤醒阈值之间的大小关系，确定是否将候选唤醒词作为目标唤醒词。

具体地，对于每一候选唤醒词，若唤醒激励大于该候选唤醒词对应的唤醒阈值，则可以将该候选唤醒词作为目标唤醒词，反之，若唤醒激励不大于该候选唤醒词对应的唤醒阈值，则可以不将该候选唤醒词作为目标唤醒词。仍以前述预设问题“想象您有很多的1元、5元、10元的钱。现在您需要付给我13元，请给我3种付款方式。我不会找您零钱，您需要付给我13元整”为例，对于候选唤醒词“2个”，若其唤醒激励大于其对应的唤醒阈值，则可以将候选唤醒词“2个”作为目标唤醒词添加至检测结果，反之则可以不将候选唤醒词“2个”作为目标唤醒词，对于候选唤醒词“5元”、“3个”、“1元”，可以以此类推，在此不再一一举例。

上述方案，对回答音频进行唤醒词检测，得到至少一个候选唤醒词的唤醒激励，且至少一个候选唤醒词来自于唤醒词集，唤醒词集包括若干预设唤醒词和各个预设唤醒词对应的唤醒阈值，唤醒阈值是利用与预设唤醒词相关的样本音频测试得到的，在此基础上，对于每一候选唤醒词，再基于唤醒激励与候选唤醒词对应的唤醒阈值之间的大小关系，确定是否将候选唤醒词作为目标唤醒词，能够在唤醒词检测过程中，由于各个预设唤醒词对应的唤醒阈值是基于与预设唤醒词相关的样本音频测试得到的，从而结合唤醒阈值来决定是否唤醒，能够有利于同时提高唤醒成功率和误唤醒率。

请参阅图6，图6是图1中步骤S11另一实施例的流程示意图。本公开实施例中，在进行回答评分过程中，唤醒阈值还可以根据实际环境进行自适应调整。具体而言，可以包括如下步骤：

步骤S61：对回答音频进行唤醒词检测，得到至少一个候选唤醒词的唤醒激励。

本公开实施例中，至少一个候选唤醒词来自于唤醒词集，且唤醒词集包括若干预设唤醒词和各个预设唤醒词对应的唤醒阈值，唤醒阈值是利用与预设唤醒词相关的样本音频测试得到的，具体可以参阅前述公开实施例中相关描述，在此不再赘述。

步骤S62：获取用户在回答问题环境下的实测音量均值。

在一个实施场景中，可以在用户回答预设问题之前，获取实测音量均值。例如，可以提示用户即将开始回答评分，并请用户通过麦克风输入一段环境测试音频，从而可以对环境测试音频进行VAD端点处理，并将环境测试音频的有声段的音量幅度均值作为实测音量均值。

在另一个实施场景中，如前所述，在整个回答评分过程中存在多道预设问题，则针对每道预设问题，可以基于用户已经回答的预设问题，统计得到实测音量均值。例如，用户在即将回答第二道预设问题时，可以对用户在回答第一道预设问题时的回答音频进行VAD端点处理，并将其中有声段的音量幅度均值作为实测音量均值；用户在即将回答第三道预设问题时，可以对用户在回答第一道和第二道预设问题时的回答音频进行VAD端点处理，并将其中有声段的音量幅度均值作为实测音量均值，以此类推，在此不再一一举例。

步骤S63：基于实测音量均值确定第二调整比例。

本公开实施例中，第二调整比例与实测音量均值正相关，即实测音量均值越大，第二调整比例越大，反之实测音量均值越小，第二调整比例越小。为了便于描述，第二调整比例可以记为λ，第二调整比例λ具体可以表示为：

λ＝(1+((v₃-v₀)/v₀)*50)……(6)

上述公式(6)中，v₃表示实测音量均值，v₀表示预设唤醒词的第一音量均值，第一音量均值是基于包含预设唤醒词的第一音频而得到的，具体可以参阅前述公开实施例中相关描述，在此不再赘述。此外，50表示调整步长，根据实际应用需要，调整步长可以设置为30、40等等，在此不做限定。

在一个实施场景中，在实测音量均值是在用户回答预设问题之前获取得到的情况下，可以基于实测音量均值，分别确定各个唤醒词集中每一预设唤醒词的第二调整比例。也就是说，在回答预设问题之前，即可以获取到每道预设问题对应的唤醒词集内各个预设唤醒词对应的唤醒阈值的第二调整比例。

在另一个实施场景中，在实测音量均值是在每道预设问题之前基于已经回答的预设问题统计得到的情况下，对于每道预设问题，可以基于对于预设问题统计得到的实测音量均值，确定预设问题对应的唤醒词集内每一预设唤醒词的第二调整比例。也就是说，每当开始回答一道预设问题，均需基于已经回答的预设问题所统计得到的实测音量均值，确定该道预设问题对应的唤醒词集内每一预设唤醒词的第二调整比例。

步骤S64：利用第二调整比例，调整唤醒阈值。

在一个实施场景中，在实测音量均值是在用户回答预设问题之前获取得到的情况下，可以对于每一预设唤醒词，利用第二调整比例对其对应的唤醒阈值进行调整。如前述公开实施例所述，唤醒阈值可以记为S_m，为了便于区分，可以将调整之后的唤醒阈值记为S_f，则调整之后的唤醒阈值S_f可以表示为：

S_f＝S_m*λ……(7)

在另一个实施场景中，在实测音量均值是在每道预设问题之前基于已经回答的预设问题统计得到的情况下，对于每道预设问题，可以利用该预设问题对应的唤醒词集内每一预设唤醒词的第二调整比例调整对应的唤醒阈值，具体计算过程可以如上述公式(7)所示。

步骤S65：对于每一候选唤醒词，基于唤醒激励与候选唤醒词对应的唤醒阈值之间的大小关系，确定是否将候选唤醒词作为目标唤醒。

具体可以参阅前述公开实施例，在此不再赘述。

上述方案，在基于候选唤醒词对应的唤醒阈值，确定是否将候选唤醒词作为目标唤醒词之前，先获取用户在回答问题环境下的实测音量均值，并基于实测音量均值确定第二调整比例，且第二调整比例与实测音量均值正相关，进一步利用第二调整比例调整唤醒阈值，故能够在回答评分过程中实现唤醒阈值的自适应调整，有利于提高回答评分的准确性。

请参阅图7，图7是本申请回答评分方法另一实施例的流程示意图。

具体而言，可以包括如下步骤：

步骤S71：对回答音频进行唤醒词检测，得到检测结果。

本公开实施例中，回答音频是在用户回答预设问题时采集到的，检测结果包括至少一个目标唤醒词，且至少一个目标唤醒词来自于唤醒词集，唤醒词集是基于预设问题的预设答案而得到的，唤醒词集包括若干预设唤醒词和各个预设唤醒词对应的唤醒阈值，唤醒阈值是利用与预设唤醒词相关的样本音频测试得到的，具体可以参阅前述公开实施例，在此不再赘述。

步骤S72：基于检测结果与评分结果之间的差异，修正唤醒阈值。

本公开实施例中，评分结果包含至少一个实际唤醒词，且至少一个实际唤醒词包含于回答音频，并来自于唤醒词集。也就是说，实际唤醒词是回答音频中真正包含的预设唤醒词。

具体地，请结合参阅图3，可以通过比较检测结果与评分结果之间的差异，可以确定应被唤醒而未被唤醒的预设唤醒词以及不应被唤醒而被唤醒的预设唤醒词，在此基础上，可以对应被唤醒而未被唤醒的预设唤醒词、不应被唤醒而被唤醒的预设唤醒词上述两种预设唤醒词对应的唤醒阈值进行修正。具体可以调低应被唤醒而未被唤醒的预设唤醒词，并调高不应被唤醒而被唤醒的预设唤醒词，以同时提高唤醒成功率，并降低误唤醒率。

在一个实施场景中，仍以预设问题“想象您有很多的1元、5元、10元的钱。现在您需要付给我13元，请给我3种付款方式。我不会找您零钱，您需要付给我13元整”为例，其对应的唤醒词集可以参阅前述公开实施例，在此不再赘述，回答音频为“2个5元，3个1元”，即应被唤醒的预设唤醒词包括：“2个”、“5元”、“3个”、“1元”，在检测结果包括：“2个”、“5元”、“3个”、“10元”共4个目标唤醒词的情况下，可以确定应被唤醒而未被唤醒的预设唤醒词为“1元”，且不应被唤醒而被唤醒的预设唤醒词为“10元”，则对于预设唤醒词“1元”而言，可以适当调低其对应的唤醒阈值，并对于预设唤醒词“10元”而言，可以适当提高其对应的唤醒阈值。其他情况可以以此类推，在此不再一一举例。

在另一个实施场景中，本公开实施例具体可以在应用初期执行，以在应用初期，唤醒阈值如果仍然不够精确的情况下，及时进行修正。或者，本公开实施例具体也可以在测试阶段执行，以在应用之前先进行内测，从而在唤醒阈值如果仍然不够精确的情况下，及时进行修正。

上述方案，通过对回答音频进行唤醒词检测，得到检测结果，并基于检测结果与评分结果之间的差异，修正唤醒阈值，能够提高唤醒阈值的准确性，从而能够同时提高唤醒成功率，并降低误唤醒率。

请参阅图8，图8是本申请回答评分装置80一实施例的框架示意图。回答评分装置80包括唤醒检测模块81和回答评分模块82，唤醒检测模块81用于对回答音频进行唤醒词检测，得到检测结果；其中，回答音频是在用户回答预设问题时采集到的，检测结果包括至少一个目标唤醒词，且至少一个目标唤醒词来自于唤醒词集，唤醒词集是基于预设问题的预设答案而得到的；回答评分模块82用于利用检测结果与预设答案进行匹配，得到回答得分。

上述方案，在回答评分过程中，一方面仅需采集用户回答预设问题的回答音频即可实现回答评分，使得回答评分尽可能地贴近于人人交互形式，另一方面只需对回答音频进行唤醒词检测即可得到回答音频中至少一个目标唤醒词，并基于至少一个目标唤醒词与预设答案进行匹配得到回答得分，而无需对整个回答音频进行语音转写，有利于尽可能地降低口语质量对回答评分的影响，故此能够提高回答评分的效率和准确性。

在一些公开实施例中，唤醒检测模块81包括唤醒词检测子模块，用于对回答音频进行唤醒词检测，得到至少一个候选唤醒词的唤醒激励；其中，至少一个候选唤醒词来自于唤醒词集，且唤醒词集包括若干预设唤醒词和各个预设唤醒词对应的唤醒阈值，唤醒阈值是利用与预设唤醒词相关的样本音频测试得到的；唤醒检测模块81包括目标唤醒词获取子模块，用于对于每一候选唤醒词，基于唤醒激励与候选唤醒词对应的唤醒阈值之间的大小关系，确定是否将候选唤醒词作为目标唤醒词。

因此，由于各个预设唤醒词对应的唤醒阈值是基于与预设唤醒词相关的样本音频测试得到的，从而结合唤醒阈值来决定是否唤醒，能够有利于同时提高唤醒成功率和误唤醒率。

在一些公开实施例中，与预设唤醒词相关的样本音频包括第一音频、第二音频和第三音频；其中，第一音频包含预设唤醒词，第二音频包含预设唤醒词的第一参考词，第三音频包含预设唤醒词的第二参考词，且第一参考词与预设唤醒词同义不同音，第二参考词与预设唤醒词同音不同义。

因此，将与预设唤醒词相关的样本音频设置为包括第一音频、第二音频和第三音频，且第一音频包括预设唤醒词，第二音频包含第一参考词，第三音频包含第二参考词，第一参考词与预设唤醒词同义不同音，第二参考词与预设唤醒词同音不同义，即能够结合第一音频、第二音频和第三音频共同确定预设唤醒词的唤醒阈值，能够提高唤醒阈值的精确性，有利于提高唤醒词检测的准确性。

在一些公开实施例中，回答评分装置80包括阈值获取模块，且阈值获取模块包括唤醒测试子模块，用于利用第一音频、第二音频和第三音频分别进行唤醒测试，得到预设唤醒词的第一数据分布、第一参考词的第二数据分布和第二参考词的第三数据分布；其中，第一数据分布包括第一初始阈值和第一音量均值，第二数据分布包括第二初始阈值和第二音量均值，第三数据分布包括第三初始阈值和第三音量均值；阈值获取模块包括权值获取子模块，用于基于第一数据分布与第二数据分布之间的差异，得到第一调整权值，并基于第一数据分布与第三数据分布之间的差异，得到第二调整权值；阈值获取模块包括调整初始子模块，用于利用第一调整权值和第二调整权值对第一初始阈值进行调整，得到预设唤醒词的唤醒阈值。

因此，通过利用第一音频、第二音频和第三音频分别进行唤醒测试，得到预设唤醒词的第一数据分布、第一参考词的第二数据分布好第二参考词的第三数据分布，并基于第一数据分布与第二数据分布之间的差异，得到第一调整权值，基于第一数据分布与第三数据分布之间的差异，得到第二调整权值，在此基础上，再利用第一调整权值和第二调整权值对第一初始阈值进行调整，得到预设唤醒词的唤醒阈值，能够有利于在唤醒词检测过程中，降低同音不同义和同义不同音对于预设唤醒词的干扰，有利于提高唤醒成功率。

在一些公开实施例中，唤醒测试子模块包括均值统计单元，用于统计测试音频中有声段的音量幅值均值，得到音量均值；唤醒测试子模块包括阈值测试单元，用于利用测试音频对唤醒词进行唤醒测试，统计选择不同测试唤醒阈值时分别对应的唤醒成功率，并选择唤醒成功率高于预设阈值的测试唤醒阈值作为初始阈值；其中，在唤醒词为预设唤醒词的情况下，测试音频为第一音频，音量均值为第一音量均值，初始阈值为第一初始阈值，在唤醒词为第一参考词的情况下，测试音频为第二音频，音量均值为第二音量均值，初始阈值为第二初始阈值，在唤醒词为第二参考词的情况下，测试音频为第三音频，音量均值为第三音量均值，初始阈值为第三初始阈值。

因此，通过统计测试音频中有声段的音量幅值均值，得到音量均值，并利用测试音频对唤醒词进行唤醒测试，统计选择不同测试唤醒阈值时分别对应的唤醒成功率，以及选择唤醒成功率高于预设阈值的测试唤醒阈值作为初始阈值，能够有利于提高数据分布的准确性。

在一些公开实施例中，权值获取子模块包括差距度量单元，用于度量第一数据分布与候选数据分布之间的差异，得到分布差距；其中，候选数据分布包括候选初始阈值和候选音量均值；权值获取子模块包括差值计算单元，用于获取候选初始阈值与第一初始阈值之间的阈值差值，并获取候选音量均值和第一音量均值之间的音量差值；权值获取子模块包括权值计算单元，用于基于分布差距、阈值差值和音量差值，得到调整权值；其中，调整权值与分布差距负相关，调整权值与阈值差值正相关，调整权值与音量差值负相关，且在候选数据分布为第二数据分布的情况下，调整权值为第一调整权值，在候选数据分布为第三数据分布的情况下，调整权值为第二调整权值。

因此，通过计算数据分布之间的分布差距，并将调整权值与分布差距设置为负相关，将调整权值与阈值差值设置正相关，与音量差值设置为负相关，故在预设唤醒词与其参考词之间分布差距偏小、或音量差距偏小、或阈值差值偏大时，能够提升调整权值，以区分预设唤醒词与其参考词，从而能够有利于提高唤醒成功率。

在一些公开实施例中，调整初始子模块包括第一比例获取单元，用于利用第一调整权值和第二调整权值，确定第一调整比例；其中，第一调整权值、第二调整权值均与第一调整比例正相关；调整初始子模块包括唤醒阈值计算单元，用于将调整步长与第一调整比例之积与第一初始阈值之和，作为唤醒阈值。

因此，通过利用第一调整权值和第二调整权值，确定第一调整比例，且第一调整权值、第二调整权值均与第一调整比例正相关，在此基础上，将调整步长与第一调整比例之积与第一初始阈值之和，作为唤醒阈值，即预设唤醒词的唤醒阈值在其第一初始阈值的基础上结合第一参考词的第一调整权值和第二参考词的第二调整权值进行正相关调整，有利于进一步提高唤醒词检测的准确率。

在一些公开实施例中，唤醒检测模块81包括音量实测子模块，用于获取用户在回答问题环境下的实测音量均值；唤醒检测模块81包括第二比例获取子模块，用于基于实测音量均值确定第二调整比例；其中，第二调整比例与实测音量均值正相关；唤醒检测模块81包括阈值调整子模块，用于利用第二调整比例，调整唤醒阈值。

因此，在基于候选唤醒词对应的唤醒阈值，确定是否将候选唤醒词作为目标唤醒词之前，先获取用户在回答问题环境下的实测音量均值，并基于实测音量均值确定第二调整比例，且第二调整比例与实测音量均值正相关，进一步利用第二调整比例调整唤醒阈值，故能够在回答评分过程中实现唤醒阈值的自适应调整，有利于提高回答评分的准确性。

在一些公开实施例中，音量实测子模块具体用于在用户回答预设问题之前，获取实测音量均值；第二比例获取子模块具体用于基于实测音量均值，分别确定各个唤醒词集中每一预设唤醒词的第二调整比例；阈值调整子模块具体用于对于每一预设唤醒词，利用预设唤醒词的第二调整比例调整对应的唤醒阈值。

因此，在用户回答预设问题之前，统一对多道预设问题分别对应的唤醒词集内各个预设唤醒词对应的唤醒阈值进行自适应调整，能够在降低自适应调整复杂度的基础上，进一步提高唤醒阈值的准确性。

在一些公开实施例中，音量实测子模块具体用于对于每道预设问题，基于用户已经回答的预设问题，统计得到实测音量均值；第二比例获取子模块具体用于对于每道预设问题，基于对于预设问题统计得到的实测音量均值，确定预设问题对应的唤醒词集中每一预设唤醒词的第二调整比例；阈值调整子模块具体用于对于每道预设问题，利用对应的唤醒词集中每一预设唤醒词的第二调整比例调整对应的唤醒阈值。

因此，在用户回答预设问题过程中，分别对每道问题对应的唤醒词集内各个预设唤醒词对应的唤醒阈值进行自适应调整，能够提高自适应调整的精度，并尽可能地提高唤醒阈值的准确性。

在一些公开实施例中，唤醒词集是基于预设答案的得分词而创建的，且预设唤醒词包括第一唤醒词和第二唤醒词中至少一者；其中，第一唤醒词是基于预设声韵对得分词进行同义扩展而得到的，第二唤醒词是基于预设方言对第一唤醒词进行方言转换而得到的。

因此，唤醒词集是基于预设答案的得分词而创建的，且预设唤醒词包括第一唤醒词和第二唤醒词中至少一者，而第一唤醒词是基于预设声韵对得分词进行同义扩展而得到的，第二唤醒词是基于预设方言对第一唤醒词进行方言转换而得到的，能够有利于提高回答评分的鲁棒性。

在一些公开实施例中，第一唤醒词的唤醒阈值高于第二唤醒词的唤醒阈值。

因此，通过对第一唤醒词赋予较高的唤醒阈值，能够有利于减少误唤醒，而通过对第二唤醒词赋予较低的唤醒阈值，能够有利于提高唤醒成功率。

请参阅图9，图9是本申请电子设备90一实施例的框架示意图。电子设备90包括相互耦接的存储器91和处理器92，存储器91中存储有程序指令，处理器92用于执行程序指令以实现上述任一回答评分方法实施例中的步骤。具体地，电子设备90可以包括但不限于：台式计算机、笔记本电脑、手机、平板电脑等等，在此不做限定。

具体而言，处理器92用于控制其自身以及存储器91以实现上述任一回答评分方法实施例中的步骤。处理器92还可以称为CPU(Central Processing Unit，中央处理单元)。处理器92可能是一种集成电路芯片，具有信号的处理能力。处理器92还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器92可以由集成电路芯片共同实现。

上述方案，在回答评分过程中，一方面仅需采集用户回答预设问题的回答音频即可实现回答评分，使得回答评分尽可能地贴近于人人交互形式，另一方面只需对回答音频进行唤醒词检测即可得到回答音频中至少一个目标唤醒词，并基于至少一个目标唤醒词与预设答案进行匹配得到回答得分，而无需对整个回答音频进行语音转写，有利于尽可能地降低口语质量对回答评分的影响，故此能够提高回答评分的效率和准确性。

请参阅图10，图10是本申请计算机可读存储介质100一实施例的框架示意图。计算机可读存储介质100存储有能够被处理器运行的程序指令101，程序指令101用于实现上述任一回答评分方法实施例的步骤。

上述方案，在回答评分过程中，一方面仅需采集用户回答预设问题的回答音频即可实现回答评分，使得回答评分尽可能地贴近于人人交互形式，另一方面只需对回答音频进行唤醒词检测即可得到回答音频中至少一个目标唤醒词，并基于至少一个目标唤醒词与预设答案进行匹配得到回答得分，而无需对整个回答音频进行语音转写，有利于尽可能地降低口语质量对回答评分的影响，故此能够提高回答评分的效率和准确性。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

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单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。