语音唤醒及模型训练方法、装置、相关设备及程序产品

本申请公开了一种语音唤醒及模型训练方法、装置、相关设备及程序产品，在训练语音唤醒模型时所采用的第一训练数据同时包含了本地录制音频及第一合成音频，该第一合成音频是基于本地录制音频的声纹特征，及第一文本所合成的音频。本申请仅需收集少量的真实用户录制音频用于提取声纹特征，即可合成第一文本的音频，降低了人工录制音频的成本，合成音频是以本地录制音频的声纹特征作为指导，使得合成音频更贴近于真实用户的录制音频，第一训练数据可以覆盖更多的地方口音和个人说话风格。第一文本覆盖语音唤醒模型的使用场景下的完备说法，保证合成音频可以覆盖完备说法，提升了训练后的语音唤醒模型的唤醒效果。