CN106873937A - 语音输入方法和装置 - Google Patents
语音输入方法和装置 Download PDFInfo
- Publication number
- CN106873937A CN106873937A CN201710083638.XA CN201710083638A CN106873937A CN 106873937 A CN106873937 A CN 106873937A CN 201710083638 A CN201710083638 A CN 201710083638A CN 106873937 A CN106873937 A CN 106873937A
- Authority
- CN
- China
- Prior art keywords
- volume value
- input
- user
- voice
- phonetic entry
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/225—Feedback of the input speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
- G10L21/12—Transforming into visible information by displaying time domain information
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- User Interface Of Digital Computer (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
Abstract
本申请公开了语音输入方法和装置。该方法的一具体实施方式包括:响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式;识别用户在语音输入方式下输入的语音的音量值;确定所识别出的音量值是否处于预设音量值范围内;若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值;响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。该实施方式实现了在语音输入方式下对用户输入语音的音量值的有效控制。
Description
技术领域
本申请涉及计算机技术领域,具体涉及输入法技术领域,尤其涉及语音输入方法和装置。
背景技术
输入法应用是实现文字或语音输入的软件,现有的输入法应用可以包括多种输入方式,例如,拼音输入方式、五笔字型输入方式、手写输入方式和语音输入方式等等。其中,语音输入方式可以被认为是目前世界上最简便、最易用的输入方式,只要用户讲话,就可以实现快速方便地语音输入。
然而,用户采用语音输入方式进行语音输入时,如果用户输入的语音的音量值较高,就会造成对周围环境的干扰。
发明内容
本申请的目的在于提出一种改进的语音输入方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种语音输入方法,该方法包括:响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式;识别用户在语音输入方式下输入的语音的音量值;确定所识别出的音量值是否处于预设音量值范围内;若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值;响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。
在一些实施例中,确定所识别出的音量值是否处于预设音量值范围内,包括:根据所识别出的音量值生成与所识别出的音量值相匹配的波形图,并显示在输入法应用的输入区域中;确定波形图的波幅是否超出目标区域,其中,目标区域是在输入区域中预先划分出的与预设音量值范围相匹配的区域。
在一些实施例中,若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值,包括:若波形图的波峰超出目标区域的上限指示线,则向用户呈现提示信息以提示用户减小输入的语音的音量值,其中,上限指示线与预设音量值范围的最大值相对应。
在一些实施例中,若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值,包括:若波形图的波谷超出目标区域的下限指示线,则向用户呈现提示信息以提示用户增大输入的语音的音量值,其中,下限指示线与预设音量值范围的最小值相对应。
在一些实施例中,将用户在语音输入方式下输入的语音以预设方式输出,包括:将用户在语音输入方式下输入的语音转换为与用户输入的语音相匹配的文字输出。
在一些实施例中,将用户在语音输入方式下输入的语音以预设方式输出,包括:将用户在语音输入方式下输入的语音进行音量放大后输出。
在一些实施例中,提示信息的提示方式包括以下至少一项:振动提示、铃声提示、语音提示、文字提示。
第二方面,本申请提供了一种语音输入装置,该装置包括:切换单元,配置用于响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式;识别单元,配置用于识别用户在语音输入方式下输入的语音的音量值;确定单元,配置用于确定所识别出的音量值是否处于预设音量值范围内;提示单元,配置用于若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值;输出单元,配置用于响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。
在一些实施例中,确定单元包括:生成子单元,配置用于根据所识别出的音量值生成与所识别出的音量值相匹配的波形图,并显示在输入法应用的输入区域中;确定子单元,配置用于确定波形图的波幅是否超出目标区域,其中,目标区域是在输入区域中预先划分出的与预设音量值范围相匹配的区域。
在一些实施例中,提示单元进一步配置用于:若波形图的波峰超出目标区域的上限指示线,则向用户呈现提示信息以提示用户减小输入的语音的音量值,其中,上限指示线与预设音量值范围的最大值相对应。
在一些实施例中,提示单元进一步配置用于:若波形图的波谷超出目标区域的下限指示线,则向用户呈现提示信息以提示用户增大输入的语音的音量值,其中,下限指示线与预设音量值范围的最小值相对应。
在一些实施例中,输出单元进一步配置用于:将用户在语音输入方式下输入的语音转换为与用户输入的语音相匹配的文字输出。
在一些实施例中,输出单元进一步配置用于:将用户在语音输入方式下输入的语音进行音量放大后输出。
在一些实施例中,提示信息的提示方式包括以下至少一项:振动提示、铃声提示、语音提示、文字提示。
第三方面,本申请提供了一种终端设备,该终端设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面的语音输入方法。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面的语音输入方法。
本申请提供的语音输入方法和装置,通过识别用户在语音输入方式下输入的语音的音量值;而后判断所识别出的音量值是否处于预设音量值范围内;然后在所识别出的音量值不是处于预设音量值范围内的情况下,向用户呈现提示用户控制当前输入的语音的音量值的提示信息;最后在接收到结束语音输入的指令的情况下,将用户在语音输入方式下输入的语音以预设方式输出,实现了在语音输入方式下对用户输入的语音的音量值的有效控制,有效地减少了用户采用语音输入方式进行语音输入时,干扰周围环境和语音识别有误或无法识别的情况的出现。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的语音输入方法的一个实施例的流程图;
图3a示出了语音输入界面的示意图;
图3b示出了语音输入界面上呈现文字提示信息的示意图;
图3c示出了语音输入界面上呈现与语音相匹配的文字的示意图;
图4是根据本申请的语音输入方法的又一个实施例的流程图;
图5是根据本申请的语音输入装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的语音输入方法或语音输入装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101,网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种客户端应用,例如输入法应用、搜索引擎类应用、即时通信工具、社交平台软件等。
终端设备101可以是支持语音输入功能的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。具体地,终端设备101可以首先识别用户在语音输入方式下输入的语音的音量值;然后在所识别出的音量值不是处于预设音量值范围内的情况下,向用户呈现提示用户控制当前输入的语音的音量值的提示信息;最后在接收到用户发送的结束语音输入的指令的情况下,将用户输入的语音以预设方式发送给服务器103。
服务器103可以是终端设备101上安装的各种客户端应用的后台服务器,后台服务器可以对从终端设备101接收到的以预设方式输出的语音进行分析等处理,并将处理结果(例如与预设方式输出的语音相对应的网页)反馈给终端设备101,或将处理结果(例如预设方式输出的语音)发送给与终端设备101通信连接的其它终端设备。
需要说明的是,本申请中实施例所提供的语音输入方法一般由终端设备101执行,相应地,语音输入装置一般设置于终端设备101中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的语音输入方法的一个实施例的流程200。该语音输入方法,包括以下步骤:
步骤201,响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式。
在本实施例中,语音输入方法运行于其上的电子设备(例如图1所示的终端设备101)可以检测用户输入的启动各种输入方式的指令,并且在检测到启动语音输入方式的指令的情况下,将输入法应用的当前输入方式切换为语音输入方式。其中,输入法应用可以包括多种输入方式,例如,拼音输入方式、五笔字型输入方式、手写输入方式和语音输入方式等等。
通常,输入法应用的可视化界面上可以设置预设切换按键,用户可以通过对预设切换按键进行操作,从而触发输入法应用向语音输入引擎发送启动语音输入方式的指令,以实现将输入法的当前输入方式切换为语音输入方式。其中,预设切换按键可以包括但不限于实体切换按键、虚拟切换按键等等。
需要说明的是,上述输入法应用可以是终端设备自带的输入法应用,也可以是用户在终端设备上安装的第三方输入法应用,本实施例对具体的输入法应用不进行限定。
步骤202,识别用户在语音输入方式下输入的语音的音量值。
在本实施例中,在输入法应用的当前输入方式为语音输入方式的情况下,电子设备可以识别用户在语音输入方式下输入的语音的音量值。
通常,输入法应用的可视化界面上可以设置预设语音输入按键,用户可以在触摸或按压预设语音输入按键的同时进行语音输入,同时电子设备可以实时识别用户输入的语音的音量值。其中,预设语音输入按键可以包括但不限于实体语音输入按键、虚拟语音输入按键等等。
在本实施中,语音的音量值可以采用多种方式来表示,作为示例,语音的音量值可以采用分贝值来表示。
步骤203,确定所识别出的音量值是否处于预设音量值范围内。
在本实施例中,基于步骤202中所识别出的音量值,电子设备可以确定所识别出的音量值是否处于预设音量值范围内。作为示例,电子设备可以将所识别出的音量值与预设音量值范围的最大值和/或最小值进行比较;若所识别出的音量值大于预设音量值范围的最大值和/或小于预设音量值范围的最小值,则确定所识别出的音量值不是处于预设音量值范围内;反之,则确定所识别出的音量值处于预设音量值范围内。
通常,预设音量值范围可以是系统默认设置的。作为示例,在确保用户输入的语音即不干扰周围环境又能够被准确识别的情况下,预设音量值范围可以设置为25~40分贝。
步骤204,若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值。
在本实施例中,在所识别出的音量值不是处于预设音量值范围内的情况下,电子设备可以向用户呈现提示信息。其中,提示信息可以用于提示用户控制当前输入的语音的音量值。作为示例,若所识别出的音量值大于预设音量值范围的最大值,则向用户呈现减小当前输入的语音的音量值的提示信息。用户可以根据提示信息的提示适当减小当前输入的语音的音量,以确保用户在进行语音输入时不会干扰周围环境。若所识别出的音量值小于预设音量值范围的最小值,则向用户呈现增大当前输入的语音的音量值的提示信息。用户可以根据提示信息的提示适当增大当前输入的语音的音量,以确保用户输入的语音能够被准确识别。
在本实施例的一些可选的实现方式中,上述提示信息的提示方式可以包括但不限于以下至少一项:振动提示、铃声提示、语音提示、文字提示。作为示例,在所识别出的音量值不是处于预设音量值范围内的情况下,电子设备可以在输入法应用的可视化界面上呈现提示用户增大或减小当前输入语音的音量值的文字提示信息。
可选的,为避免文字提示信息影响用户正常的语音输入,文字提示信息在输入法应用的可视化界面上显示预设时间后可自动消失。作为示例,文字提示信息在输入法应用的可视化界面上显示1s后自动消失。
步骤205,响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。
在本实施例中,在电子设备接收到用户发送的结束语音输入的指令的情况下,电子设备可以将用户在语音输入方式下输入的语音以预设方式输出。通常,在用户停止触摸或按压预设语音输入按键的情况下,电子设备可以认为用户结束了本次语音输入。
在本实施例的一些可选的实现方式中,电子设备可以将用户在语音输入方式下输入的语音转换为与用户输入的语音相匹配的文字输出。作为示例,电子设备可以首先对用户输入的语音进行语音识别,以生成与用户输入的语音相匹配的文字;然后将上述与用户输入的语音相匹配的文字发送至相应的后台服务器。
在本实施例的一些可选的实现方式中,电子设备可以将用户在语音输入方式下输入的语音进行音量放大后输出。作为示例,电子设备可以首先对用户输入的语音进行音量放大;然后将放大后的语音发送至相应的后台服务器,以使相应的后台服务器将其发送至与电子设备通信连接的其他电子设备。
在本实施例的一些可选的实现方式中,电子设备可以将用户在语音输入方式下输入的语音直接输出。作为示例,电子设备可以直接将用户输入的语音发送至相应的后台服务器,以使相应的后台服务器将其发送至与电子设备通信连接的其他电子设备。
本申请还提供了根据本实施例的语音输入方法的一个应用场景。首先,用户发起一个启动语音输入方式的指令,电子设备可以将输入法应用的输入方式切换为语音输入方式,如图3a所示,电子设备的屏幕上可以呈现出的语音输入界面;然后,电子设备可以识别用户在语音输入方式下输入的语音的音量值,并确定所识别出的音量值是否处于预设音量值范围内,在所识别出音量值大于预设音量值范围的最大值的情况下,如图3b所示,语音输入界面上可以呈现出文字提示信息:“请减小输入的语音的音量值”;最后,在用户发送结束语音输入的指令的情况下,电子设备可以对用户在语音输入方式下输入的语音进行语音识别,生成与用户输入的语音相匹配的文字:“什么输入法应用比较好用?”,如图3c所示,语音输入界面的搜索框中可以呈现出文字:“什么输入法应用比较好用?”,并且在用户点击搜索按键的情况下电子设备还可以将文字:“什么输入法应用比较好用?”发送至搜索引擎类应用的后台服务器。
本申请的上述实施例提供的语音输入方法,通过识别用户在语音输入方式下输入的语音的音量值;而后判断所识别出的音量值是否处于预设音量值范围内;然后在所识别出的音量值不是处于预设音量值范围内的情况下,向用户呈现提示用户控制当前输入的语音的音量值的提示信息;最后在接收到结束语音输入的指令的情况下,将用户在语音输入方式下输入的语音以预设方式输出,实现了在语音输入方式下对用户输入的语音的音量值的有效控制,有效地减少了用户采用语音输入方式进行语音输入时,干扰周围环境和语音识别有误或无法识别的情况的出现。
进一步参考图4,其示出了语音输入方法的又一个实施例的流程400。该语音输入方法的流程400,包括以下步骤:
步骤401,响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式。
在本实施例中,语音输入方法运行于其上的电子设备(例如图1所示的终端设备101)可以检测用户输入的启动各种输入方式的指令,并且在检测到启动语音输入方式的指令的情况下,将输入法应用的当前输入方式切换为语音输入方式。
步骤402,识别用户在语音输入方式下输入的语音的音量值。
在本实施例中,在输入法应用的当前输入方式为语音输入方式的情况下,电子设备可以识别用户在语音输入方式下输入的语音的音量值。
步骤403,根据所识别出的音量值生成与所识别出的音量值相匹配的波形图,并显示在输入法应用的输入区域中。
在本实施例中,基于步骤402中识别出的音量值,电子设备可以生成与所识别出的音量值相匹配的波形图,并显示在输入法应用的输入区域中。通常,波形图的横坐标为时间,纵坐标为音量值。
步骤404,确定波形图的波幅是否超出目标区域。
在本实施例中,基于步骤403中生成的与所识别出的音量值相匹配的波形图,电子设备可以确定该波形图的波幅是否超出目标区域。其中,该波形图的波幅为各个时刻的纵坐标,目标区域是在输入区域中预先划分出的与预设音量值范围相匹配的区域。通常,目标区域的范围由目标区域的上限指示线和下限指示线共同限定,上限指示线与预设音量值范围的最大值相对应,下限指示线与预设音量值范围的最小值相对应。
在本实施例中,电子设备可以确定波形图的波幅是否超出目标区域,若波形图的波峰超出目标区域的上限指示线,则执行步骤405a;若波形图的波谷超出目标区域的下限指示线,则执行步骤405b。其中,波峰为波幅的最大值,波谷为波幅的最小值。
步骤405a,若波形图的波峰超出目标区域的上限指示线,则向用户呈现提示信息以提示用户减小输入的语音的音量值。
在本实施例中,基于步骤404的确定结果,在波形图的波峰超出目标区域的上限指示线的情况下,电子设备可以呈现减小当前输入的语音的音量值的提示信息,用户可以根据提示信息的提示适当减小当前输入的语音的音量,以确保用户在进行语音输入时不干扰周围环境。其中,上限指示线与预设音量值范围的最大值相对应。
步骤405b,若波形图的波谷超出目标区域的下限指示线,则向用户呈现提示信息以提示用户增大输入的语音的音量值。
在本实施例中,基于步骤404的确定结果,在波形图的波谷超出目标区域的下限指示线的情况下,电子设备可以呈现增大当前输入的语音的音量值的提示信息,用户可以根据提示信息的提示适当增大当前输入的语音的音量,以确保用户输入的语音能够被准确识别。其中,下限指示线与预设音量值范围的最小值相对应。
步骤406,响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。
在本实施例中,在电子设备接收到用户发送的结束语音输入的指令的情况下,电子设备可以将用户在语音输入方式下输入的语音以预设方式输出。
从图4中可以看出,与图2对应的实施例相比,本实施例中的语音输入方法的流程400突出了根据与所识别出的音量值相匹配的波形图的波幅是否超出目标区域来确定所识别出的音量值是否处于预设音量值范围内的步骤。由此,本实施例描述的方案可以更加形象地、直观地向用户展示出所识别出的音量值是否处于预设音量值范围内。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种语音输入装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的语音输入装置500包括:切换单元501、识别单元502、确定单元503、提示单元504和输出单元505。其中,切换单元501,配置用于响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式;识别单元502,配置用于识别用户在语音输入方式下输入的语音的音量值;确定单元503,配置用于确定所识别出的音量值是否处于预设音量值范围内;提示单元504,配置用于若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值;输出单元505,配置用于响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。
在本实施例中,语音输入装置500中:切换单元501、识别单元502、确定单元503、提示单元504和输出单元505的具体处理及其带来的有益效果可参看图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的实现方式的相关描述,在此不再赘述。
在本实施例的一些可选的实现方式中,确定单元503包括:生成子单元(图中未示出),配置用于根据所识别出的音量值生成与所识别出的音量值相匹配的波形图,并显示在输入法应用的输入区域中;确定子单元(图中未示出),配置用于确定波形图的波幅是否超出目标区域,其中,目标区域是在输入区域中预先划分出的与预设音量值范围相匹配的区域。
在本实施例的一些可选的实现方式中,提示单元504进一步配置用于:若波形图的波峰超出目标区域的上限指示线,则向用户呈现提示信息以提示用户减小输入的语音的音量值,其中,上限指示线与预设音量值范围的最大值相对应。
在本实施例的一些可选的实现方式中,提示单元504进一步配置用于:若波形图的波谷超出目标区域的下限指示线,则向用户呈现提示信息以提示用户增大输入的语音的音量值,其中,下限指示线与预设音量值范围的最小值相对应。
在本实施例的一些可选的实现方式中,输出单元505进一步配置用于:将用户在语音输入方式下输入的语音转换为与用户输入的语音相匹配的文字输出。
在本实施例的一些可选的实现方式中,输出单元505进一步配置用于:将用户在语音输入方式下输入的语音进行音量放大后输出。
在本实施例的一些可选的实现方式中,提示信息的提示方式包括以下至少一项:振动提示、铃声提示、语音提示、文字提示。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括触摸屏、键盘、鼠标等的输入部分606;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括切换单元、识别单元、确定单元、提示单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,切换单元还可以被描述为“响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的终端设备中所包含的;也可以是单独存在,而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该终端设备执行时,使得该终端设备:响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为语音输入方式;识别用户在语音输入方式下输入的语音的音量值;确定所识别出的音量值是否处于预设音量值范围内;若所识别出的音量值不是处于预设音量值范围内,则向用户呈现提示信息以提示用户控制当前输入的语音的音量值;响应于接收到结束语音输入的指令,将用户在语音输入方式下输入的语音以预设方式输出。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (13)
1.一种语音输入方法,其特征在于,所述方法包括:
响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为所述语音输入方式;
识别用户在所述语音输入方式下输入的语音的音量值;
确定所识别出的音量值是否处于预设音量值范围内;
若所识别出的音量值不是处于所述预设音量值范围内,则向所述用户呈现提示信息以提示所述用户控制当前输入的语音的音量值;
响应于接收到结束语音输入的指令,将所述用户在所述语音输入方式下输入的语音以预设方式输出。
2.根据权利要求1所述的方法,其特征在于,所述确定所识别出的音量值是否处于预设音量值范围内,包括:
根据所识别出的音量值生成与所识别出的音量值相匹配的波形图,并显示在所述输入法应用的输入区域中;
确定所述波形图的波幅是否超出目标区域,其中,所述目标区域是在所述输入区域中预先划分出的与所述预设音量值范围相匹配的区域。
3.根据权利要求2所述的方法,其特征在于,所述若所识别出的音量值不是处于所述预设音量值范围内,则向所述用户呈现提示信息以提示所述用户控制当前输入的语音的音量值,包括:
若所述波形图的波峰超出所述目标区域的上限指示线,则向所述用户呈现提示信息以提示所述用户减小输入的语音的音量值,其中,所述上限指示线与所述预设音量值范围的最大值相对应。
4.根据权利要求2或3所述的方法,其特征在于,所述若所识别出的音量值不是处于所述预设音量值范围内,则向所述用户呈现提示信息以提示所述用户控制当前输入的语音的音量值,包括:
若所述波形图的波谷超出所述目标区域的下限指示线,则向所述用户呈现提示信息以提示所述用户增大输入的语音的音量值,其中,所述下限指示线与所述预设音量值范围的最小值相对应。
5.根据权利要求1所述的方法,其特征在于,所述将所述用户在所述语音输入方式下输入的语音以预设方式输出,包括:
将所述用户在所述语音输入方式下输入的语音转换为与所述用户输入的语音相匹配的文字输出。
6.根据权利要求1所述的方法,其特征在于,所述将所述用户在所述语音输入方式下输入的语音以预设方式输出,包括:
将所述用户在所述语音输入方式下输入的语音进行音量放大后输出。
7.根据权利要求1所述的方法,其特征在于,所述提示信息的提示方式包括以下至少一项:
振动提示、铃声提示、语音提示、文字提示。
8.一种语音输入装置,其特征在于,所述装置包括:
切换单元,配置用于响应于检测到启动语音输入方式的指令,将输入法应用的当前输入方式切换为所述语音输入方式;
识别单元,配置用于识别用户在所述语音输入方式下输入的语音的音量值;
确定单元,配置用于确定所识别出的音量值是否处于预设音量值范围内;
提示单元,配置用于若所识别出的音量值不是处于所述预设音量值范围内,则向所述用户呈现提示信息以提示所述用户控制当前输入的语音的音量值;
输出单元,配置用于响应于接收到结束语音输入的指令,将所述用户在所述语音输入方式下输入的语音以预设方式输出。
9.根据权利要求8所述的装置,其特征在于,所述确定单元包括:
生成子单元,配置用于根据所识别出的音量值生成与所识别出的音量值相匹配的波形图,并显示在所述输入法应用的输入区域中;
确定子单元,配置用于确定所述波形图的波幅是否超出目标区域,其中,所述目标区域是在所述输入区域中预先划分出的与所述预设音量值范围相匹配的区域。
10.根据权利要求9所述的装置,其特征在于,所述提示单元进一步配置用于:
若所述波形图的波峰超出所述目标区域的上限指示线,则向所述用户呈现提示信息以提示所述用户减小输入的语音的音量值,其中,所述上限指示线与所述预设音量值范围的最大值相对应。
11.根据权利要求9或10所述的装置,其特征在于,所述提示单元进一步配置用于:
若所述波形图的波谷超出所述目标区域的下限指示线,则向所述用户呈现提示信息以提示所述用户增大输入的语音的音量值,其中,所述下限指示线与所述预设音量值范围的最小值相对应。
12.一种终端设备,其特征在于,所述终端设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710083638.XA CN106873937A (zh) | 2017-02-16 | 2017-02-16 | 语音输入方法和装置 |
US15/724,986 US20180233144A1 (en) | 2017-02-16 | 2017-10-04 | Voice input method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710083638.XA CN106873937A (zh) | 2017-02-16 | 2017-02-16 | 语音输入方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106873937A true CN106873937A (zh) | 2017-06-20 |
Family
ID=59167417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710083638.XA Pending CN106873937A (zh) | 2017-02-16 | 2017-02-16 | 语音输入方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20180233144A1 (zh) |
CN (1) | CN106873937A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019144260A1 (en) * | 2018-01-23 | 2019-08-01 | Sony Mobile Communications Inc. | Reminder method and apparatus and electronic device |
CN110097884A (zh) * | 2019-06-11 | 2019-08-06 | 大众问问(北京)信息科技有限公司 | 一种语音交互方法和装置 |
CN111601154A (zh) * | 2020-05-08 | 2020-08-28 | 北京金山安全软件有限公司 | 一种视频处理方法及相关设备 |
CN111899732A (zh) * | 2020-06-17 | 2020-11-06 | 北京百度网讯科技有限公司 | 语音输入方法、装置及电子设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10564928B2 (en) * | 2017-06-02 | 2020-02-18 | Rovi Guides, Inc. | Systems and methods for generating a volume- based response for multiple voice-operated user devices |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103731707A (zh) * | 2013-12-03 | 2014-04-16 | 乐视致新电子科技(天津)有限公司 | 移动终端设备控制智能电视端语音输入的方法及系统 |
CN105074815A (zh) * | 2013-01-24 | 2015-11-18 | 微软技术许可有限责任公司 | 针对语音识别系统的视觉反馈 |
CN105120063A (zh) * | 2015-07-13 | 2015-12-02 | 联想(北京)有限公司 | 一种输入语音的音量提示方法及电子设备 |
CN105988581A (zh) * | 2015-06-16 | 2016-10-05 | 乐卡汽车智能科技(北京)有限公司 | 一种语音输入方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5870705A (en) * | 1994-10-21 | 1999-02-09 | Microsoft Corporation | Method of setting input levels in a voice recognition system |
CN105182583B (zh) * | 2015-09-17 | 2018-11-23 | 京东方科技集团股份有限公司 | 一种显示面板及其制备方法、显示装置及其健康监测方法 |
US9703523B1 (en) * | 2016-01-05 | 2017-07-11 | International Business Machines Corporation | Adjusting audio volume based on a size of a display area |
-
2017
- 2017-02-16 CN CN201710083638.XA patent/CN106873937A/zh active Pending
- 2017-10-04 US US15/724,986 patent/US20180233144A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105074815A (zh) * | 2013-01-24 | 2015-11-18 | 微软技术许可有限责任公司 | 针对语音识别系统的视觉反馈 |
CN103731707A (zh) * | 2013-12-03 | 2014-04-16 | 乐视致新电子科技(天津)有限公司 | 移动终端设备控制智能电视端语音输入的方法及系统 |
CN105988581A (zh) * | 2015-06-16 | 2016-10-05 | 乐卡汽车智能科技(北京)有限公司 | 一种语音输入方法及装置 |
CN105120063A (zh) * | 2015-07-13 | 2015-12-02 | 联想(北京)有限公司 | 一种输入语音的音量提示方法及电子设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019144260A1 (en) * | 2018-01-23 | 2019-08-01 | Sony Mobile Communications Inc. | Reminder method and apparatus and electronic device |
CN111742538A (zh) * | 2018-01-23 | 2020-10-02 | 索尼公司 | 提醒方法及装置、电子设备 |
US11501625B2 (en) | 2018-01-23 | 2022-11-15 | Sony Group Corporation | Reminder method and apparatus and electronic device |
CN110097884A (zh) * | 2019-06-11 | 2019-08-06 | 大众问问(北京)信息科技有限公司 | 一种语音交互方法和装置 |
CN111601154A (zh) * | 2020-05-08 | 2020-08-28 | 北京金山安全软件有限公司 | 一种视频处理方法及相关设备 |
CN111601154B (zh) * | 2020-05-08 | 2022-04-29 | 北京金山安全软件有限公司 | 一种视频处理方法及相关设备 |
CN111899732A (zh) * | 2020-06-17 | 2020-11-06 | 北京百度网讯科技有限公司 | 语音输入方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20180233144A1 (en) | 2018-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106873937A (zh) | 语音输入方法和装置 | |
KR102261552B1 (ko) | 음성 명령어 제공 방법 및 이를 지원하는 전자 장치 | |
CN105589555B (zh) | 信息处理方法、信息处理设备及电子设备 | |
CN108305626A (zh) | 应用程序的语音控制方法和装置 | |
CN107967055A (zh) | 一种人机交互方法、终端及计算机可读介质 | |
KR101718026B1 (ko) | 사용자 인터페이스 제공 방법 및 이를 이용하는 이동 단말기 | |
CN105493180A (zh) | 用于语音识别的电子装置和方法 | |
US10462264B2 (en) | Downloading an application to an apparatus | |
US20110157090A1 (en) | Morphing touchscreen keyboard interface | |
KR101474856B1 (ko) | 음성인식을 통해 이벤트를 발생시키기 위한 장치 및 방법 | |
CN106896937A (zh) | 用于输入信息的方法和装置 | |
CN109448727A (zh) | 语音交互方法以及装置 | |
CN107329585A (zh) | 用于输入文字的方法和装置 | |
AU2019201441B2 (en) | Electronic device for processing user voice input | |
CN111079438A (zh) | 身份验证方法、装置、电子设备及存储介质 | |
KR20180121254A (ko) | 그래픽 표시를 출력하는 전자 장치 | |
CN105279466B (zh) | 图形码识别方法及装置、图形码生成方法及装置 | |
CN108491182A (zh) | 一种信息处理方法以及一种电子设备 | |
CN106873798A (zh) | 用于输出信息的方法和装置 | |
CN107291235A (zh) | 控制方法和装置 | |
US11460971B2 (en) | Control method and electronic device | |
US20130344847A1 (en) | Method and apparatus for processing memo while performing audio communication in mobile terminal | |
KR102255369B1 (ko) | 대체 서비스 제공 방법 및 그 전자 장치 | |
CN107656627A (zh) | 信息输入方法和装置 | |
US9613311B2 (en) | Receiving voice/speech, replacing elements including characters, and determining additional elements by pronouncing a first element |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |