CN104065806A - 对移动信息设备的语音控制 - Google Patents

Abstract

本发明公开了对移动信息设备的语音控制。提出了一种用于基于来自用户的语言输入控制移动信息设备的方法。方法包括等待来自用户的预定的语言输入。方法进一步包括响应于语言输入的第一部分，控制移动信息设备的功能模块以确定用于功能参数的预定的范围内的值。最后，方法包括响应于语言输入的第二部分，由功能模块基于经确定的值来执行功能操作，其中第二部分跟随第一部分之后。

Description

对移动信息设备的语音控制

技术领域

本发明涉及移动信息设备，并且更具体地，涉及对移动信息设备的语音控制。

相关申请的交叉引用

本申请要求于2012年11月12日提交的台湾专利申请101142035的优先权，特此通过援引的方式将其全文加以合并。

背景技术

通过来自用户的语言输入来控制设备的概念众所周知。例如，1989年开发的柯尼卡（Konica）Kanpai公知是第一部语音控制的胶片照相机。另一个示例是Galaxy SIII，一款最近由三星电子发布的、提供诸如语音控制拨号和语音控制拍照的功能的产品。

发明内容

在一个实施例中，本发明提供对移动信息设备的语音控制。

移动信息设备现今变得更为健壮并且用户可以凭借大量功能参数的特征、根据用户偏好或需要来动态调节实施功能（例如拍照或播放多媒体）的方式。如现有技术所公开的，触摸控制在功能参数设定和功能执行触发上运用。例如，提供了不同按钮。常规语音控制从不对前述两种类型的控制彼此进行区分或者局限于后者的控制类型。与现有技术不同，本发明涉及通过分别由用户在单个实例中所提供的语言输入的不同部分来控制功能参数设定和功能执行触发。

本文所描述的功能参数应该使功能模块（其可以包括软件和硬件的组合）能够确定用于实施具体功能操作的软件算法参数或硬件设定参数。功能模块可以借助于不同功能参数值而实施同样的功能操作来满足用户的需要。

在一个实施例中，本发明提供用于利用语言命令来控制移动信息设备的方法。方法包括等待来自用户的预定的语言输入。进一步地，方法包括响应于语言输入的第一部分，控制移动信息设备的功能模块来确定用于功能参数的预定的范围内的值。并且，方法包括响应于语言输入的第二部分，由功能模块基于经确定的值来执行功能操作，其中第二部分跟随第一部分之后。

在另一个实施例中，本发明是包括存储器单元和中央处理单元的移动信息设备，存储器单元用于存储语音控制应用，中央处理单元电连接到存储器单元用于执行语音控制应用以等待来自用户的预定的语言输入。移动信息设备还包括电连接到中央处理单元的功能模块，其中语音控制应用响应于语言输入的第一部分而控制功能模块来确定用于功能参数的预定的范围内的值，并且进一步地，其中语音控制应用响应于语言输入的第二部分、基于经确定的值而控制功能模块来执行功能操作，第二部分跟随第一部分之后。

在又一个实施例中，公开了计算机可执行指令已存储在其上的计算机可读存储介质，所述计算机可执行指令如果由计算机系统执行则使计算机系统实施用于控制移动信息设备的方法。该方法包括等待来自用户的预定的语言输入。它还包括响应于语言输入的第一部分而控制移动信息设备的功能模块来确定用于功能参数的预定的范围内的值。最后它包括响应于语言输入的第二部分，由功能模块基于经确定的值来执行功能操作，其中第二部分跟随第一部分之后。

贯穿本说明书对特征、优势或类似语言的引用不隐含本发明可以实现的所有特征和优势应在或在本发明的任何单个实施例中。而是，涉及特征和优势的语言理解为意指联系实施例所描述的具体特征、优势或特性包括在本发明的至少一个实施例中。因此，贯穿本说明书的特征和优势、以及类似语言的讨论可以但不是必须涉及同一实施例。

此外，所描述的本发明的特征、优势和特性可以以任何适合的方式结合在一个或多个实施例中。相关领域的技术人员将认识到的是，本发明可以在没有特定实施例的一个或多个具体特征或优势的情况下得以实践。在其它实例中，在某些实施例中可能认可的附加的特征和优势，其可能不是存在于本发明的所有实施例中。

附图说明

为了容易理解本发明的优势，将参考附图示出的具体实施例提出对上文所简要描述的本发明的更特定的描述。理解了这些图仅描绘本发明的典型实施例并且因此不应认为是对其范围的限制，通过附图的使用将关于附加的特质和细节对本发明进行描述和解释。

图1是根据本发明的实施例的移动信息设备的框图；以及

图2是根据本发明的实施例的、用于利用语言命令来控制移动设备的方法的流程图。

具体实施方式

下文参考根据本发明的实施例的方法、装置、设备、系统和计算机程序产品的流程图和/或框图描述本发明。应理解的是，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机程序指令实现。这些计算机程序指令可以提供到通用计算机、专用计算机的处理器或其它可编程数据处理装置以生产机器，使得经由计算机的处理器或其它可编程数据处理装置执行的指令创建用于实现流程图和/或框图的框中所指定的功能/行为的装置。

可指示计算机或其它可编程数据处理装置以特定方式起作用的这些计算机程序指令还可以存储在计算机可读介质中，使得存储在计算机可读介质中的指令产生包括实现流程图和/或框图框中所指定的功能/行为的指令装置的制品。

计算机程序指令还可以加载到计算机或其它可编程数据处理装置上以使一系列操作步骤被实施在计算机或其它可编程装置上，以产生计算机实现的过程，使得执行在计算机或其它可编程装置上的指令提供用于实现流程图和/或框图框中所指定的功能/行为的过程。

现在参考图1到图2，移动信息设备、方法和计算机程序产品示出为根据本发明的各实施例的结构或功能框图或过程流程图。图中的流程图和框图示出根据本发明的各实施例的系统、方法和计算机程序产品的可能实现方案的架构、功能性和操作。就这一点而言，流程图或框图中的每个框可以表示包括用于实现所指定的逻辑功能的一个或多个可执行指令的代码的模块、片段或一部分。还应注意的是，在一些可替代实现方案中，框中标示的功能可以脱离图中标示的次序而存在。例如，接连示出的两个框实际上可以大致并发地执行，或者框有时可以倒序执行，这取决于所涉及的功能性。还应注意的是，框图和/或流程图的每个框以及框图和/或流程图中的框的组合可以由实施所指定的功能或行为的、基于专用硬件的系统或专用硬件和计算机指令的组合来实现。

硬件架构

参考图1，示出了根据本发明的实施例的移动信息设备10的硬件架构的框图。移动信息设备10包括触摸屏20、语言输入设备30、功能模块35、处理器40和存储器50。优选地，存储器50是用于存储移动信息设备10的语音控制应用APP_v90和操作系统OS95的闪存。处理器40访问存储器50以执行操作系统OS95和语音控制应用APP_v90。

在一个实施例中，功能模块35可以包括但不限于拍照模块或多媒体播放模块，其进而可包括软件和硬件的组合。像常规功能模块一样，用户可借助于移动信息设备10上的物理按钮或借助于由软件应用或操作系统OS95提供的可视界面对显示在触摸屏20上的功能模块35实施触摸控制。上文的技术特征在本领域的技术人员中是众所周知的并且出于简洁的缘故本文不对其进行重申。

在该实施例中，语音控制应用APP_v90是独立于操作系统OS95的独立的应用，并且由用户选择性地添加到存储器50和操作系统OS。可替代地，用户可将语音控制应用APP_v从存储器50和操作系统OS移除。然而，在另一个实施例中，语音控制应用APP_v与操作系统OS集成。在另一个方面，如果功能模块35包括可视界面应用或任何其它软件应用，那么功能模块35和语音控制应用APP_v90可以彼此独立或彼此集成。

操作过程流

图2是根据本发明的实施例的、用于利用语言命令来控制移动设备的方法的流程图。

然而，本发明不限于由流程图250提供的描述。而是，根据本文提供的教导对于相关领域的技术人员显而易见的是，其它功能流在本发明的范围和精神内。将继续参考上文所描述的示例性实施例来描述流程图250，但是方法并不限于这些实施例。

在步骤200，语音控制应用APP_v90使用户能够记录个性化的语音消息，其作为存储在存储器50（或可由移动信息设备10访问的云存储装置）中的语音样本起作用并且实施初始化。然而，上文的技术特征对于本发明而言不是必不可少的。在另一个实施例中，语音样本预先建立在语音控制应用APP_v90中，并且因此用户不需要记录任何语音样本。上文的技术特征在本领域的技术人员中是众所周知的并且因此出于简洁的缘故本文不对其进行重申。

在另一方面，语音控制应用APP_v提供控制环境，使得用户使语音样本与意图控制的目标（即功能参数设定控制和功能执行触发控制）互相关联，如表1所示。功能参数每一个匹配具体功能，并且因此语音控制应用APP_v90可将功能参数的语音样本与相关的功能执行的语音样本进行匹配，以促进随后的比较。下文描述了更多相关的细节。

<表1>

在步骤202，移动设备执行语音控制应用以等待来自用户的语言输入。在一个实施例中，语音控制应用APP_v90是在后台中执行的后台程序（daemon）。在一个实施例中，如果语音控制应用APP_v不是在后台中执行的后台程序，那么用户可以点击属于语音控制应用APP_v并且显示在触摸屏20上的具体图标或者可以按压移动信息设备10上的物理按钮（图1未示出）来启动语音控制应用APP_v。

在语音控制应用APP_v已被启动之后，它允许移动信息设备10从语言输入设备30（诸如麦克风）接收输入，从而等待从用户经由语言输入设备30发送的语言输入。在一个实施例中，如果移动信息设备10以移动电话的形式出现，那么语言输入设备30将是在用户进行电话交谈时由用户所使用的麦克风，从而省却任何附加的语言输入设备。

此外，如果语音控制应用APP_v不是在后台中运行的后台程序，那么在语音控制应用APP_v已被启动之后设定等待持续时间将是可行的。如果用户在等待持续时间期间不给出任何语言输入，那么语音控制应用APP_v将自动关闭，从而降低移动信息设备10的功耗。

在步骤204，一旦接收到来自用户的语言输入，则语音控制应用APP_v分析语言输入。

在实施例中，语音控制应用APP_v分析来自用户的语言输入并且识别语言输入的至少两个不同部分（例如根据音节或声调）。分析由用户给出的语言输入的各方式在本领域的技术人员中是众所周知的并且因此不由本发明进行限定。

优选地，来自用户的语言输入是包括至少两个单词的短语。语音控制应用APP_v识别短语中的至少两个不同的单词（参见表1示出的语音样本）。输入和分析由用户给出的短语的单词的各方式在本领域的技术人员中是众所周知的并且因此出于简洁的缘故不对其进行重申。

在步骤206，在语音控制应用APP_v已识别来自用户的语言输入的至少两个不同部分之后，不同部分与步骤200的语音样本进行比较。语音控制应用APP_v使语言输入的前面的部分与功能参数的语音样本互相关联。如果发现匹配，那么语音控制应用APP_v将控制功能模块35以在步骤208确定预设定范围内的功能参数值。如果发现不匹配，那么语音控制应用APP_v将返回到步骤204再次等待语言输入。

如上所述，如果发现匹配，那么APP_v将控制功能模块35以在步骤208确定预设定范围内的功能参数值。在实施例中，功能模块35以用于提供静态拍照或动态拍照功能的拍照模块的形式出现。为了提供前述功能，拍照模块35不得不顾及多个功能参数，诸如焦距、光圈设定、iso值、焦点、图像分辨率、白平衡值、编码以及解码。以光圈设定为例，拍照模块35提供f/2.4到f/4.8的调节范围。

在该实施例中，来自用户的语言输入是口述的短语“一、二、三、奶酪”。如果语音控制应用APP_v确定口述的短语的前面的部分（即“一、二、三”）匹配在步骤200所描述的与快门互相关联的语音样本，那么语音控制应用APP_v将控制拍照模块35以确定f/2.4到f/4.8的范围内的光圈参数值，例如f/3.2。在该实施例中，语音控制应用APP_v控制拍照模块35来以预定的方式确定适当的光圈值（即通过自动确定）。同样地，语音控制应用APP_v还可控制拍照模块35来实施自动调焦、自动ISO值设定以及自动白平衡。本文使用的形容词“自动”是指确定功能参数值的方式，但是由拍照模块35所实施的自动确定仍不得不借助于语音控制应用APP_v来触发和启动。

在另一个实施例中，功能模块35以用于提供音乐或动画播放功能的多媒体播放模块的形式出现。为了提供前述功能，多媒体播放模块35不得不顾及多个功能参数，诸如音量、音频频谱分布以及屏幕尺寸。以音量为例，多媒体播放模块35提供预设定调节范围，也就是从等级1到等级10。与上文的拍照模块的示例不同，本示例的特征在于，语音样本在步骤200进一步与音量参数的具体值互相关联，所述具体值比方说9。

在该实施例中，来自用户的语言输入是口述的短语“大声的音乐”。因此，如果语音控制应用APP_v确定口述的短语的前面的部分（即“大声的”）匹配与音量值9互相关联的语音样本，那么语音控制应用APP_v将控制多媒体播放模块35以将音量参数值直接设定为9，而不是如上文的拍照模块的示例所描述的要求拍照模块35确定功能参数值。

在步骤210，在功能模块35已确定预定的范围内的功能参数值之后，所述功能参数值比方说光圈值f/3.2或音量值9，语音控制应用APP_v进一步将语言输入的后面的部分和在步骤200所描述的与功能执行互相关联的语音样本进行比较。如果发现匹配，那么语音控制应用APP_v将控制功能模块35以根据在步骤208确定的功能参数值来在步骤212执行功能操作。如果发现不匹配，那么语音控制应用APP_v将返回到步骤204再次等待来自用户的语言输入。

如果在步骤200语音控制应用APP_v已经将功能参数的语音样本与相对应的功能执行的语音样本进行了匹配，那么语音控制应用APP_v将根据与功能参数互相关联并且在步骤208确定为匹配项的语音样本而迅速地找到与相对应的功能执行互相关联的语音样本，并且然后语音控制应用APP_v将所找到的语音样本与来自用户的语言输入的后面的部分进行比较。因此，对于语音控制应用APP_v而言比较所有语音样本是不必要的，并且因此可以加速比较过程。

参考表1，在来自用户的语言输入是短语“一、二、三、奶酪”的实施例中并且在该特定实施例中的功能模块35是拍照模块，如果语音控制应用APP_v确定语言输入的后面的部分（即“奶酪”）匹配在步骤200所描述与静态拍照互相关联的语音样本，那么语音控制应用APP_v将控制拍照模块35实施静态拍照，并且从而根据在步骤208确定的光圈参数值f/3.2来产生图像。

同样地，在来自用户的语言输入是短语“大声的音乐”的实施例中并且功能模块35以多媒体播放模块的形式出现，如果语音控制应用APP_v确定语言输入的后面的部分（即“音乐”）匹配在步骤200所描述并且与播放音乐互相关联的语音样本，那么语音控制应用APP_v将控制多媒体播放模块35以根据在步骤208确定的音量参数值9来播放音乐。

在另一个实施例中，在步骤210，语音控制应用APP_v不但确定来自用户的语言输入的后面的部分匹配与功能执行互相关联的语音样本，而且确定来自用户的语言输入（例如“一、二、三、奶酪”）的后面的部分（即“奶酪”）是否进入跟随在前面的部分（即“一、二、三”）之后的预定的持续时间内，所述预定的持续时间比方说3秒。如果确定是肯定的，那么语音控制应用APP_v将控制功能模块35执行功能操作。如果确定是否定的，那么本发明的方法的过程流将返回到步骤204再次等待语言输入。

提供前述优选实施例以示出并公开本发明的技术特征，并且不意图限制本发明的范围。因此，对前述实施例做出的所有等同变化或修改应该落在如随附权利要求所阐述的本发明的范围内，而不脱离体现在本发明的公开中的精神。

Claims (20)

1.一种移动信息设备，包括：

存储器单元，其用于存储语音控制应用；

电连接到所述存储器单元的处理器，其中所述处理器配置为执行语音控制应用；以及

电连接到所述处理器的功能模块，

其中所述语音控制应用操作为：

等待来自用户的预定的音频输入；

响应于所述音频输入的第一部分控制所述功能模块以确定用于功能参数的预定的范围内的值；以及

响应于所述音频输入的第二部分控制所述功能模块以基于经确定的值来执行功能操作，其中所述音频输入的第二部分时间上跟随所述第一部分之后。

2.根据权利要求1所述的移动信息设备，其中所述功能模块基于所述第一部分确定所述值。

3.根据权利要求1所述的移动信息设备，其中所述音频输入是短语，所述第一部分包括至少第一单词，所述第二部分包括至少第二单词。

4.根据权利要求1所述的移动信息设备，其中所述语音控制应用由所述用户选择性地包括在所述存储器单元中或从所述存储器单元移除。

5.根据权利要求1所述的移动信息设备，其中所述功能模块是照相机模块，所述功能参数是照相机参数，所述功能操作是照相机操作。

6.根据权利要求5所述的移动信息设备，其中所述照相机参数是拍照模块的光圈设定。

7.根据权利要求1所述的移动信息设备，其中所述功能模块是多媒体播放模块，所述功能参数是播放参数，所述功能操作是多媒体播放操作。

8.根据权利要求7所述的移动信息设备，其中所述播放参数是所述多媒体播放模块的音量。

9.根据权利要求1所述的移动信息设备，其中所述功能参数是硬件设定参数。

10.一种用于控制移动信息设备的方法，所述方法包括：

等待来自用户的预定的语言输入；

响应于所述语言输入的第一部分，控制所述移动信息设备的功能模块以确定用于功能参数的预定的范围内的值；以及

响应于所述语言输入的第二部分，由所述功能模块基于经确定的值来执行功能操作，其中所述第二部分时间上跟随所述第一部分之后。

11.根据权利要求10所述的方法，其中所述语言输入是短语，所述第一部分包括至少第一单词，所述第二部分包括至少第二单词。

12.根据权利要求10所述的方法，其中所述语言输入是短语，所述第一部分包括至少第一单词，所述第二部分包括至少第二单词。

13.根据权利要求10所述的方法，其中所述语音控制应用由所述用户选择性地包括在所述存储器单元中或从所述存储器单元移除。

14.根据权利要求10所述的方法，其中所述功能模块是照相机模块，所述功能参数是照相机参数，所述功能操作是照相机操作。

15.根据权利要求14所述的方法，其中所述照相机参数是拍照模块的光圈设定。

16.根据权利要求10所述的方法，其中所述功能模块是多媒体播放模块，所述功能参数是播放参数，所述功能操作是多媒体播放操作。

17.根据权利要求16所述的方法，其中所述播放参数是所述多媒体播放模块的音量。

18.根据权利要求1所述的方法，其中所述功能参数是硬件设定参数。

19.一种计算机可执行指令已存储在其上的计算机可读存储介质，所述计算机可执行指令如果由计算机系统执行则使所述计算机系统实施用于控制移动信息设备的方法，所述方法包括：

等待来自用户的预定的语言输入；

响应于所述语言输入的第一部分，控制所述移动信息设备的功能模块以确定用于功能参数的预定的范围内的值；以及

响应于所述语言输入的第二部分，由所述功能模块基于经确定的值来执行功能操作，其中所述第二部分时间上跟随所述第一部分之后。

20.根据权利要求19所述的计算机可读存储介质，其中所述功能模块基于所述第一部分确定所述值。