CN105355201A - 基于场景的语音服务处理方法、装置和终端设备 - Google Patents

Abstract

本申请提出一种基于场景的语音服务处理方法、装置和终端设备，其中，该方法包括：检测终端设备的语音服务场景；执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。通过本发明提供的基于场景的语音服务处理方法、装置和终端设备，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

Description

基于场景的语音服务处理方法、装置和终端设备

技术领域

本申请涉及语音识别处理技术领域，尤其涉及一种基于场景的语音服务处理方法、装置和终端设备。

背景技术

随着语音识别技术的发展，语音识别系统的应用领域越来越广，例如：车载语音识别系统、远场语音识别系统，语音输入法系统以及智能家居系统。

目前，不同语音服务场景的终端设备所连接的语音服务程序是相同的，非差异化的处理降低了语音服务效果。如果针对其用途提供一对一的定制化语音服务，会导致大量的开发冗余。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种基于场景的语音服务处理方法，该方法实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

本申请的第二个目的在于提出一种基于场景的语音服务处理装置。

本申请的第三个目的在于提出一种终端设备。

为达上述目的，本申请第一方面实施例提出了一种基于场景的语音服务处理方法，包括：检测终端设备的语音服务场景；执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。

本申请实施例的基于场景的语音服务处理方法，通过检测终端设备的语音服务场景，执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。由此，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

为达上述目的，本申请第二方面实施例提出了一种基于场景的语音服务处理装置，包括：检测模块，用于检测终端设备的语音服务场景；处理模块，用于执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。

本申请实施例的基于场景的语音服务处理装置，通过检测模块检测终端设备的语音服务场景；通过处理模块执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。由此，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

为达上述目的，本申请第三方面实施例提出了一种终端设备，包括：如上所述的基于场景的语音服务处理装置。

本申请实施例的终端设备，通过检测终端设备的语音服务场景，执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。由此，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请一个实施例的基于场景的语音服务处理方法的流程图；

图2为一种语音服务场景检测方法的流程图；

图3为另一种语音服务场景检测方法的流程图；

图4为另一种语音服务场景检测方法的流程图；

图5为另一种语音服务场景检测方法的流程图；

图6是本申请一个实施例的基于场景的语音服务处理装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的基于场景的语音服务处理方法、装置和终端设备。

图1是本申请一个实施例的基于场景的语音服务处理方法的流程图。

如图1所示，该基于场景的语音服务处理方法包括：

步骤101，检测终端设备的语音服务场景。

具体地，为了提供与语音场景匹配的语音服务，首先，检测终端设备的语音服务场景。其中，终端设备的类型很多，例如：蓝牙无线音响、蓝牙车载免提、耳机等等。

可以理解的是，终端设备的语音服务场景很多，例如：车载语音服务场景、智能家居语音服务场景、语音搜索服务场景。

检测终端设备的语音服务场景的方式很多，可以根据应用需要进行选择，本实施例对此不作限制，举例说明如下：

作为一种示例，图2为一种语音服务场景检测方法的流程图，参见图2，该检测方法包括：

步骤201，获取所述终端设备的属性信息；

步骤202，根据所述属性信息检测语音服务场景。

具体地，获取终端设备的属性信息，其中，属性信息包括：服务提供商提供的产品信息，和/或，终端设备的工作参数信息。

根据获取的属性信息检测终端设备所在的语音服务场景。例如：

若检测获知该终端设备为专用于车内使用的车载免提设备，从而对应车载语音场景，或者，

若检测获知该终端设备为主打听歌应用的无线音箱，从而对应音乐播放控制语音场景；或者，

若检测获知该终端设备为快递人员的专用蓝牙耳机，从而对应物流配送场景。

作为另一种示例，图3为另一种语音服务场景检测方法的流程图，参见图3，该检测方法包括：

步骤301，获取所述终端设备所处环境的声音频谱信息；

步骤302，根据所述声音频谱信息检测语音服务场景。

具体地，获取终端设备所处环境的声音信号，对其进行频谱分析获取对应的声音频谱信息。

分析频谱包络和能量检测终端设备的语音服务场景，例如：

若分析获知频谱包络稳定，能量小，则检测获知当前环境为安静环境，对应的语音服务场景包括：搜索语音场景；或者，

若分析获知频谱包络符合语谱噪声(babblenoise)特征，则检测获知当前环境以语谱噪声为主，对应的语音服务场景包括：在人群嘈杂环境下的语音场景；或者，

若分析获知频谱包络符合风噪特征，则检测获知当前环境可能为稳态的风噪，对应的语音服务场景包括：车载语音场景。

作为另一种示例，图4为另一种语音服务场景检测方法的流程图，参见图4，该检测方法包括：

步骤401，获取所述终端设备的传感器信息；

步骤402，根据所述传感器信息检测语音服务场景。

具体地，获取终端设备的传感器信息，其中，终端设备的传感器类型很多，例如：速度传感器、加速度传感器、或者，GPS等。

根据传感器采集上报的信息检测终端设备所处的语音服务场景，例如：

根据速度传感器上报的信息获知对应的为车载语音场景，或者，

根据GPS上报的信息获知对应的为商场语音场景。

作为另一种示例，图5为另一种语音服务场景检测方法的流程图，参见图5，该检测方法包括：

步骤501，获取所述终端设备的网络信息；

步骤502，根据所述网络信息检测语音服务场景。

具体地，获取终端设备的网络信息，当网络类型为无线局域网，获取无线局域网的接入信息，当网络类型为移动通信网络，可以获取网络制式为2G/3G/4G。

根据获取的网络信息检测终端设备所处的语音服务场景，例如：

若检测获知无线局域网的接入信息为家里，终端设备所处的语音服务场景包括：智能家居语音场景。

需要强调以下两点：

第一，上述仅仅是对检测方式的举例说明，其他可以检测确定终端设备的语音服务场景的技术手段也可以采用。

第二，多种的检测方式可以组合使用，从而可以更加精确的检测确定终端设备当前的语音服务场景。

步骤102，执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。

由于不同的语音服务场景具有各自的场景特点，针对各自的场景特点需要提供差异化的处理要求。

根据不同的语音服务场景的特点预先设置对应的处理指令，进而执行与语音服务场景对应的处理指令响应实时的语音服务场景，提供差异化服务。

可以理解的是，由于语音处理过程包括很多处理阶段，因此，不同的处理阶段对应不同的处理指令类型，举例说明：

作为一种示例，在语音信号的预处理阶段，与语音服务场景对应的处理指令，包括：

若检测获知语音服务场景中声源与语音输入设备的距离不固定，则对输入的语音信号进行自适应音量调整，例如：

对于耳挂式蓝牙耳机语音场景，因说话声源与麦克风距离固定，不需要做自适应音量调整；

对于放置在起居室中的蓝牙智能家居语音场景，需要做自适应音量调整以应对用户说话时距离可能忽远忽近的情况。

和/或；

若检测获知语音服务场景中语音输入设备与语音输出设备之间有声学反馈回路，则对回声信号进行消除处理，例如：

对于蓝牙耳机语音场景，因音频输出(耳机)与输入(麦克风)之间几乎没有声学反馈通路，故不需要做回声消除处理；

对于蓝牙免提设备语音场景，因音频输出(喇叭)也会反馈到音频输入(麦克风)，干扰识别，故需要做回声消除处理。

作为另一种示例，在语音识别和/或语义理解处理阶段，与语音服务场景对应的处理指令，包括：

若检测获知语音服务场景为音乐播放语音场景，则对音乐专有名词进行优化识别处理，例如：需要对歌曲名、歌手名等专有名词作额外优化。

和/或；

若检测获知语音服务场景为智能家居语音场景，则对控制指令进行离线识别处理。例如：需要对“打开”、“关闭”、“播放”、“停止”等控制指令做离线识别优化，这些指令不宜仅通过在线识别来实现，以保证智能家居产品在无网络时仍有良好表现。

和/或；

若检测获知所述语音服务场景为多智能家居控制应用，则对控制指令进行上下文分析的语义识别处理。例如：在提到“打开”、“关闭”等指令词时，需要对其所针对的对象做上下文分析理解。

作为另一种示例，在信息反馈交互处理阶段，与语音服务场景对应的处理指令，包括：

若检测获知语音服务场景为用户易操作状态，则通过文本形式进行信息反馈。例如：在用户可以方便的操作手机的场景中(如，步行状态)，部分信息反馈可以用图和文字的形式显示在手机屏幕上。

和/或；

若检测获知语音服务场景为用户不易操作状态，则通过声音形式进行信息反馈。例如：在用户不方便查看手机的场景中(如，开车状态)，信息反馈全部通过语音播报。

需要强调以下两点：

第一，上述仅仅是对处理指令的举例说明，也可以设置其他语音处理阶段中与语音服务场景对应的处理指令。

第二，多种的处理指令可以组合使用，从而可以提供与场景更加匹配的高质量的语音服务。

本申请实施例的基于场景的语音服务处理方法，通过检测终端设备的语音服务场景，执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。由此，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

为了实现上述实施例，本申请还提出一种基于场景的语音服务处理装置。

图6是本申请一个实施例的基于场景的语音服务处理装置的结构示意图。

如图6所示，该基于场景的语音服务处理装置包括：

检测模块11，用于检测终端设备的语音服务场景；

其中，检测终端设备的语音服务场景的方式很多，可以根据应用需要进行选择，本实施例对此不作限制，举例说明如下：

作为一种示例，检测模块11用于：

获取所述终端设备的属性信息；

根据所述属性信息检测语音服务场景。

作为另一种示例，检测模块11用于：

获取所述终端设备所处环境的声音频谱信息；

根据所述声音频谱信息检测语音服务场景。

作为另一种示例，检测模块11用于：

获取所述终端设备的传感器信息；

根据所述传感器信息检测语音服务场景。

作为另一种示例，检测模块11用于：

获取所述终端设备的网络信息；

根据所述网络信息检测语音服务场景。

需要强调以下两点：

第一，上述仅仅是对检测方式的举例说明，其他可以检测确定终端设备的语音服务场景的技术手段也可以采用。

第二，多种的检测方式可以组合使用，从而可以更加精确的检测确定终端设备当前的语音服务场景。

处理模块12，用于执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。

可以理解的是，由于语音处理过程包括很多处理阶段，因此，不同的处理阶段对应不同的处理指令类型，举例说明：

作为一种示例，在语音信号的预处理阶段，处理模块12用于：

若检测获知语音服务场景中声源与语音输入设备的距离不固定，则对输入的语音信号进行自适应音量调整，和/或；

若检测获知语音服务场景中语音输入设备与语音输出设备之间有声学反馈回路，则对回声信号进行消除处理。

作为另一种示例，在语音识别和/或语义理解处理阶段，处理模块12用于：

若检测获知语音服务场景为音乐播放语音场景，则对音乐专有名词进行优化识别处理。和/或；

若检测获知语音服务场景为智能家居语音场景，则对控制指令进行离线识别处理。和/或；

若检测获知所述语音服务场景为多智能家居控制应用，则对控制指令进行上下文分析的语义识别处理。

作为另一种示例，在信息反馈交互处理阶段，处理模块12用于：

若检测获知语音服务场景为用户易操作状态，则通过文本形式进行信息反馈。和/或；

若检测获知语音服务场景为用户不易操作状态，则通过声音形式进行信息反馈。

需要强调以下两点：

第一，上述仅仅是对处理指令的举例说明，也可以设置其他语音处理阶段中与语音服务场景对应的处理指令。

第二，多种的处理指令可以组合使用，从而可以提供与场景更加匹配的高质量的语音服务。

需要说明的是，前述对基于场景的语音服务处理方法实施例的解释说明也适用于该实施例的基于场景的语音服务处理装置，此处不再赘述。

本申请实施例的基于场景的语音服务处理装置，通过检测终端设备的语音服务场景，执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。由此，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

为了实现上述实施例，本申请还提出一种终端设备。该终端设备包括：上述实施例提供的基于场景的语音服务处理装置。

需要说明的是，前述对基于场景的语音服务处理方法实施例的解释说明也适用于该实施例的基于场景的语音服务处理装置，此处不再赘述。

本申请实施例的终端设备，通过检测终端设备的语音服务场景，执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。由此，实现了通过通用的语音服务程序提供与语音服务场景匹配的优化处理，提高了服务质量，并且避免了语音服务程序的重复开发，提高了处理效率。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (17)

1.一种基于场景的语音服务处理方法，其特征在于，包括以下步骤：

检测终端设备的语音服务场景；

执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。

2.如权利要求1所述的方法，其特征在于，所述检测终端设备的语音服务场景，包括：

获取所述终端设备的属性信息；

根据所述属性信息检测语音服务场景。

3.如权利要求1所述的方法，其特征在于，所述检测终端设备的语音服务场景，包括：

获取所述终端设备所处环境的声音频谱信息；

根据所述声音频谱信息检测语音服务场景。

4.如权利要求1所述的方法，其特征在于，所述检测终端设备的语音服务场景，包括：

获取所述终端设备的传感器信息；

根据所述传感器信息检测语音服务场景。

5.如权利要求1所述的方法，其特征在于，所述检测终端设备的语音服务场景，包括：

获取所述终端设备的网络信息；

根据所述网络信息检测语音服务场景。

6.如权利要求1-5任一所述的方法，其特征在于，在语音信号预处理阶段，所述执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景，包括：

若检测获知所述语音服务场景中声源与语音输入设备的距离不固定，则对输入的语音信号进行自适应音量调整，和/或；

若检测获知所述语音服务场景中语音输入设备与语音输出设备之间有声学反馈回路，则对回声信号进行消除处理。

7.如权利要求1-5任一所述的方法，其特征在于，在语音识别。和/或，语义理解阶段，所述执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景，包括：

若检测获知所述语音服务场景为音乐播放，则对音乐专有名词进行优化识别处理，和/或；

若检测获知所述语音服务场景为智能家居，则对控制指令进行离线识别处理，和/或；

若检测获知所述语音服务场景为多智能家居控制，则对控制指令进行上下文分析的语义识别处理。

8.如权利要求1-5任一所述的方法，其特征在于，在信息反馈交互阶段，所述执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景，包括：

若检测获知所述语音服务场景为用户易操作场景，则通过文本形式进行信息反馈，和/或；

若检测获知所述语音服务场景为用户不易操作场景，则通过声音形式进行信息反馈。

9.一种基于场景的语音服务处理装置，其特征在于，包括：

检测模块，用于检测终端设备的语音服务场景；

处理模块，用于执行预设的与所述语音服务场景对应的处理指令响应所述语音服务场景。

10.如权利要求9所述的装置，其特征在于，所述检测模块用于：

获取所述终端设备的属性信息；

根据所述属性信息检测语音服务场景。

11.如权利要求9所述的装置，其特征在于，所述检测模块用于：

获取所述终端设备所处环境的声音频谱信息；

根据所述声音频谱信息检测语音服务场景。

12.如权利要求9所述的装置，其特征在于，所述检测模块用于：

获取所述终端设备的传感器信息；

根据所述传感器信息检测语音服务场景。

13.如权利要求9所述的装置，其特征在于，所述检测模块用于：

获取所述终端设备的网络信息；

根据所述网络信息检测语音服务场景。

14.如权利要求9-13任一所述的装置，其特征在于，在语音信号预处理阶段，所述处理模块用于：

若检测获知所述语音服务场景中声源与语音输入设备的距离不固定，则对输入的语音信号进行自适应音量调整，和/或；

若检测获知所述语音服务场景中语音输入设备与语音输出设备之间有声学反馈回路，则对回声信号进行消除处理。

15.如权利要求9-13任一所述的装置，其特征在于，在语音识别。和/或，语义理解阶段，所述处理模块用于：

若检测获知所述语音服务场景为音乐播放，则对音乐专有名词进行优化识别处理，和/或；

若检测获知所述语音服务场景为智能家居，则对控制指令进行离线识别处理，和/或；

若检测获知所述语音服务场景为多智能家居控制，则对控制指令进行上下文分析的语义识别处理。

16.如权利要求9-13任一所述的装置，其特征在于，在信息反馈交互阶段，所述处理模块用于：

若检测获知所述语音服务场景为用户易操作场景，则通过文本形式进行信息反馈，和/或；

若检测获知所述语音服务场景为用户不易操作场景，则通过声音形式进行信息反馈。

17.一种终端设备，其特征在于，包括：如权利要求9-16任一所述的基于场景的语音服务处理装置。