CN107516526A - 一种声源跟踪定位方法、装置、设备和计算机可读存储介质 - Google Patents

一种声源跟踪定位方法、装置、设备和计算机可读存储介质 Download PDF

Info

Publication number
CN107516526A
CN107516526A CN201710742839.6A CN201710742839A CN107516526A CN 107516526 A CN107516526 A CN 107516526A CN 201710742839 A CN201710742839 A CN 201710742839A CN 107516526 A CN107516526 A CN 107516526A
Authority
CN
China
Prior art keywords
user
vocal print
print feature
equipment
default
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.)
Granted
Application number
CN201710742839.6A
Other languages
English (en)
Other versions
CN107516526B (zh
Inventor
高聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710742839.6A priority Critical patent/CN107516526B/zh
Publication of CN107516526A publication Critical patent/CN107516526A/zh
Application granted granted Critical
Publication of CN107516526B publication Critical patent/CN107516526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Telephonic Communication Services (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明实施例公开了一种声源跟踪定位方法、装置、设备和计算机可读存储介质。该方法包括：接收用户语音指令；依据预设的设备唤醒位置确定是否发生位置变更；若发生位置变更，则从所述用户语音指令中提取得到用户声纹特征；将所述用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应所述用户语音指令；否则，屏蔽所述用户语音指令。本发明实施例提供的技术方案，当用户更换了位置后，能够主动屏蔽掉其他用户发送的语音请求，直接跟踪到唤醒终端的用户发送的语音请求，并进行响应提供相应的语音服务。实现了用户在频繁移动的场景下无需再次输出预设文本的引导音来唤醒智能终端响应语音服务，大大提高了语音服务的处理效率。

Description

一种声源跟踪定位方法、装置、设备和计算机可读存储介质
技术领域
本发明实施例涉及语音识别技术领域，尤其涉及一种声源跟踪定位方法、装置、设备和计算机可读存储介质。
背景技术
近年来，随着语音识别技术的广泛普及，越来越多的用户通过语音来控制智能终端为自身的生活需求提供服务，但是在这之前，首先需要唤醒智能终端。
目前，现有的智能终端是通过用户发送预设的文本的引导音，例如“小度，小度”来唤醒智能终端，智能终端通过引导音对该用户进行定位，进而，当接收从该位置发送的语音请求时，解析所述语音请求获取用户的服务需求，并为用户提供相应的服务。当用户发生位置变更后再次发送语音服务指令之前，需要再次发送引导音，重新唤醒智能终端，进而输出后续的语音请求。
由此可见，现有技术是通过每次预设的文本引导音来唤醒智能终端，进行对用户定位后响应后续的语音请求，如果用户移动更换了位置，需要再次发送的引导音唤醒智能终端响应后续的语音请求。因此，针对用户频繁移动的场景，大大降低了语音处理效率。
发明内容
本发明实施例提供一种声源跟踪定位方法、装置、设备和计算机可读存储介质，可以实现用户在频繁移动的场景下无需再次输出预设文本的引导音来唤醒智能终端响应语音服务，大大提高了语音服务的处理效率。
第一方面，本发明实施例提供了一种声源跟踪定位方法，该方法包括：
接收用户语音指令；
依据预设的设备唤醒位置确定是否发生位置变更；
若发生位置变更，则从所述用户语音指令中提取得到用户声纹特征；
将所述用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应所述用户语音指令；否则，屏蔽所述用户语音指令。
第二方面，本发明实施例还提供了一种声源跟踪定位装置，该装置包括：
语音指令接收模块，用于接收用户语音指令；
位置变更确定模块，用于依据预设的设备唤醒位置确定是否发生位置变更；
声纹特征提取模块，用于若预设的设备唤醒位置发生位置变更，则从所述用户语音指令中提取得到用户声纹特征；
声纹特征匹配模块，用于将所述用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应所述用户语音指令；否则，屏蔽所述用户语音指令。
第三方面，本发明实施例还提供了一种设备，该设备包括：
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第一方面中任一所述的声源跟踪定位方法。
第四方面，本发明实施例还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第一方面中任一所述的声源跟踪定位方法。
本发明实施例提供一种声源跟踪定位方法、装置、设备和计算机可读存储介质，在依据设备唤醒位置确定发生位置变更后，通过从用户语音指令中提取得到用户声纹特征，将用户声纹特征与样本声纹特征进行匹配，若匹配成功，则确定用户语音指令来自于唤醒设备的用户，并响应用户语音指令；若匹配失败，则确定用户语音指令来自于其他用户，屏蔽用户语音指令。在用户频繁移动的场景下无需再次对智能终端执行唤醒操作即可只响应来自唤醒设备的用户的语音指令，即在发生位置变更后实现了追踪定位唤醒设备的用户，大大提高了语音服务的处理效率。
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，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明实施例一中提供的一种声源跟踪定位方法的流程图；
图2是本发明实施例二中提供的一种声源跟踪定位方法的流程图；
图3是本发明实施例三中提供的一种声源跟踪定位装置的结构框图；
图4是本发明实施例四中提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1为本发明实施例一提供的一种声源跟踪定位方法的流程图，本实施例可适用于根据用户需求进行声源跟踪情况，该方法可以由本发明实施例提供的声源跟踪定位装置/设备/计算机可读存储介质来执行，该装置/设备/计算机可读存储介质可采用软件和/或硬件的方式实现。参见图1，该方法具体包括：
S110，接收用户语音指令。
其中，智能终端可以对周围环境进行实时检测，当检测到所处环境有语音指令时，采集用户语音指令。智能终端是支持语音交互的多媒体功能的智能设备，如具有音频、视频、数据等方面的功能，可以是智能机器人，智能音箱等。
用户通过语音向智能终端发送服务请求，智能终端接收用户的指令。
S120，依据预设的设备唤醒位置确定是否发生位置变更。
其中，设备唤醒位置是用户唤醒智能终端时所处的位置，唤醒智能终端指的是控制智能终端由休眠状态切换到运行状态。在用户通过向智能终端发送预设的文本的引导音，例如“小度，小度”来唤醒智能终端时，智能终端接收到用户发送的预设的文本的引导音后，进行定位得到设备唤醒位置。当处于运行状态的智能终端接收到接收用户语音指令时，采用定位技术确定当前位置，并将当前位置与设备唤醒位置进行比较，如果两者相同，则确定该用户没有移动，其位置没有变更，可以直接响应用户语音指令；如果两者不同，则确定该用户移动了，其位置发生了变更。
S130，若发生位置变更，则从用户语音指令中提取得到用户声纹特征。
其中，声纹特征是每个人所特有的、相对稳定的语音信息中所携带的。若用户的位置发生了变更，则智能终端从接收到的用户语音指令中提取用户声纹特征。
S140，将用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应用户语音指令；否则，屏蔽用户语音指令。
其中，样本声纹特征是指用户唤醒智能终端时，智能终端提取的用户语音指令中的声纹特征，即样本声纹特征属于唤醒智能终端的用户。智能终端从接收到的用户的语音指令中提取用户的声纹特征，并将其与样本声纹特征进行匹配，若匹配成功，则用户语音指令来自唤醒智能设备的用户，智能终端响应用户语音指令；若匹配失败，则用户语音指令来自其他用户，智能终端屏蔽用户语音指令。
本实施例提供的声源跟踪定位方法，通过在检测到发生位置变更后，提取用户语音指令中的用户声纹特征，将用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应用户语音指令；否则，屏蔽用户语音指令，这样能够主动屏蔽掉其他用户发送的语音请求，直接跟踪到唤醒终端的用户发送的语音请求，并进行响应提供相应的语音服务。实现了用户在频繁移动的场景下无需再次输出预设文本的引导音来唤醒智能终端响应语音服务，大大提高了语音服务的处理效率。
实施例二
图2是本发明实施例二提供的一种声源跟踪定位方法的流程示意图。本发明实施例在上述实施例的基础上进行优化，参见图2，本实施例提供的声源跟踪定位方法包括：
S210，接收用户输入的语音信息。
S220，确定语音信息与预设的唤醒文本是否匹配。
其中，预设的唤醒文本是指预先存储在智能终端中的用户唤醒智能终端时使用的唤醒语音指令对应的文本。当智能终端接收到用户发送的语音信息后，通过解析语音信息获得语音信息所对应的文本，将语音信息所对应的文本与预设的唤醒文本进行匹配。例如，“小度，小度”是预先存储在智能终端中的唤醒文本，用户在需要使用智能终端时向智能终端发送语音信息，智能终端接收到语音信息后，将其与预设的唤醒文本“小度，小度”进行匹配。
S230，若匹配，则提取语音信息的声纹特征，并将提取的声纹特征作为样本声纹特征。
其中，声纹特征是每个人所特有的、相对稳定的语音信息中所携带的。如果智能终端接收到的用户语音信息与预设的唤醒文本匹配成功，则提取用户语音信息的声纹特征，并将其作为样本声纹特征；若不匹配，智能终端可以展示提醒信息，如播放“非权限用户”或“开启失败”等提示语音。
S240，接收用户语音指令。
S250，依据预设的设备唤醒位置确定是否发生位置变更。
S260，若发生位置变更，则从用户语音指令中提取得到用户声纹特征。
S270，将用户声纹特征与样本声纹特征进行匹配，若匹配成功，则响应用户语音指令；否则，屏蔽所述用户语音指令。
本发明实施例的技术方案，通过将用户唤醒智能终端时输入的语音信息与预设的唤醒文本进行匹配，根据匹配结果来确定智能终端的状态，这样将确保了智能终端的安全，使得智能终端能够主动屏蔽非权限用户的语音信息。
在上述实施例的基础上，在步骤S220之后，还可以包括：
若匹配，则采用定位技术得到当前位置，并将所述当前位置确定为所述设备唤醒位置。
当智能终端接收到用户发送的语音信息后，通过解析语音信息获得语音信息所对应的文本，将语音信息所对应的文本与预设的唤醒文本进行匹配，若匹配成功，智能终端将切换到运行状态，此时智能终端采用定位技术确定当前位置，并将当前位置确定为设备唤醒位置。
实施例三
图3为本发明实施例三提供的一种声源跟踪定位装置的结构框图，该装置可执行本发明任意实施例所提供的声源跟踪方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：
语音指令接收模块310，用于接收用户语音指令；
位置变更确定模块320，用于依据预设的设备唤醒位置确定是否发生位置变更；
声纹特征提取模块330，用于若预设的设备唤醒位置发生位置变更，则从所述用户语音指令中提取得到用户声纹特征；
声纹特征匹配模块340，用于将所述用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应所述用户语音指令；否则，屏蔽所述用户语音指令。
本实施例提供的装置，通过在检测到发生位置变更后，提取用户语音指令中的用户声纹特征，将用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应用户语音指令；否则，屏蔽用户语音指令，这样能够主动屏蔽掉其他用户发送的语音请求，直接跟踪到唤醒终端的用户发送的语音请求，并进行响应提供相应的语音服务。实现了用户在频繁移动的场景下无需再次输出预设文本的引导音来唤醒智能终端响应语音服务，大大提高了语音服务的处理效率。
可选的，上述装置还可以包括：
样本声纹特征确定模块，用于所述样本声纹特征的确定；所述样本声纹特征确定模块具体包括：
语音信息接收单元，用于接收用户输入的语音信息；
文本匹配单元，用于确定所述语音信息与预设的唤醒文本是否匹配；
声纹特征提取单元，用于若所述语音信息与预设的唤醒文本匹配，则提取所述语音信息的声纹特征，并将提取的声纹特征作为所述样本声纹特征。
可选的，上述装置还包括：
当前位置确定模块，用于确定所述语音信息与预设的唤醒文本是否匹配之后，若匹配，则采用定位技术得到当前位置，并将所述当前位置确定为所述设备唤醒位置。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，该设备12以通用计算设备的形式表现。该设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的声源跟踪定位方法。
实施例五
本发明实施例五还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可实现上述实施例中任一的声源跟踪定位方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间的相同或相似的部分互相参见即可。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种声源跟踪定位方法，其特征在于，包括：
接收用户语音指令；
依据预设的设备唤醒位置确定是否发生位置变更；
若发生位置变更，则从所述用户语音指令中提取得到用户声纹特征；
将所述用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应所述用户语音指令；否则，屏蔽所述用户语音指令。
2.根据权利要求1所述的声源跟踪定位方法，其特征在于，所述样本声纹特征的确定包括：
接收用户输入的语音信息；
确定所述语音信息与预设的唤醒文本是否匹配；
若匹配，则提取所述语音信息的声纹特征，并将提取的声纹特征作为所述样本声纹特征。
3.根据权利要求2所述的声源跟踪定位方法，其特征在于，确定所述语音信息与预设的唤醒文本是否匹配之后，还包括：
若匹配，则采用定位技术得到当前位置，并将所述当前位置确定为所述设备唤醒位置。
4.一种声源跟踪定位装置，其特征在于，包括：
语音指令接收模块，用于接收用户语音指令；
位置变更确定模块，用于依据预设的设备唤醒位置确定是否发生位置变更；
声纹特征提取模块，用于若预设的设备唤醒位置发生位置变更，则从所述用户语音指令中提取得到用户声纹特征；
声纹特征匹配模块，用于将所述用户声纹特征与预设的样本声纹特征进行匹配，若匹配成功，则响应所述用户语音指令；否则，屏蔽所述用户语音指令。
5.根据权利要求4所述的声源跟踪定位装置，其特征在于，还包括样本声纹特征确定模块，用于所述样本声纹特征的确定；所述样本声纹特征确定模块具体包括：
语音信息接收单元，用于接收用户输入的语音信息；
文本匹配单元，用于确定所述语音信息与预设的唤醒文本是否匹配；
声纹特征提取单元，用于若所述语音信息与预设的唤醒文本匹配，则提取所述语音信息的声纹特征，并将提取的声纹特征作为所述样本声纹特征。
6.根据权利要求5所述的声源跟踪定位装置，其特征在于，还包括，
当前位置确定模块，用于确定所述语音信息与预设的唤醒文本是否匹配之后，若匹配，则采用定位技术得到当前位置，并将所述当前位置确定为所述设备唤醒位置。
7.一种设备，其特征在于，所述设备包括：
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1-3中任一所述的声源跟踪定位方法。
8.一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，该程序被处理器执行时实现如权利要求1-3中任一所述的声源跟踪定位方法。
CN201710742839.6A 2017-08-25 2017-08-25 一种声源跟踪定位方法、装置、设备和计算机可读存储介质 Active CN107516526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710742839.6A CN107516526B (zh) 2017-08-25 2017-08-25 一种声源跟踪定位方法、装置、设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710742839.6A CN107516526B (zh) 2017-08-25 2017-08-25 一种声源跟踪定位方法、装置、设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107516526A true CN107516526A (zh) 2017-12-26
CN107516526B CN107516526B (zh) 2022-09-06

Family

ID=60724170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710742839.6A Active CN107516526B (zh) 2017-08-25 2017-08-25 一种声源跟踪定位方法、装置、设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107516526B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108495248A (zh) * 2018-01-25 2018-09-04 广州蓝豹智能科技有限公司 定位方法、装置、音频播放设备及存储介质
CN109754811A (zh) * 2018-12-10 2019-05-14 平安科技（深圳）有限公司 基于生物特征的声源追踪方法、装置、设备及存储介质
WO2019140823A1 (zh) * 2018-01-16 2019-07-25 平安科技（深圳）有限公司 语音验证方法、装置、计算机设备和计算机可读存储介质
WO2020037887A1 (zh) * 2018-08-23 2020-02-27 珠海格力电器股份有限公司 设备的控制方法及装置、电子装置及存储介质
CN111083598A (zh) * 2018-10-22 2020-04-28 深圳市冠旭电子股份有限公司 一种音箱找回方法、装置及音箱
CN111090412A (zh) * 2019-12-18 2020-05-01 北京声智科技有限公司 一种音量调节方法、装置及音频设备
CN111833862A (zh) * 2019-04-19 2020-10-27 佛山市顺德区美的电热电器制造有限公司 一种设备的控制方法、控制设备及存储介质
CN113096656A (zh) * 2021-03-30 2021-07-09 深圳创维－Rgb电子有限公司 终端设备唤醒方法、装置和计算机设备
CN113470635A (zh) * 2020-04-29 2021-10-01 海信集团有限公司 一种智能音箱控制方法、设备、中控设备以及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105575395A (zh) * 2014-10-14 2016-05-11 中兴通讯股份有限公司 语音唤醒方法及装置、终端及其处理方法
CN105609103A (zh) * 2015-12-18 2016-05-25 合肥寰景信息技术有限公司 一种语音即时识别系统
CN106356061A (zh) * 2016-10-24 2017-01-25 合肥华凌股份有限公司 基于声源定位的语音识别方法和系统、及智能家电设备
US20170133012A1 (en) * 2015-11-05 2017-05-11 Acer Incorporated Voice control method and voice control system
CN106773742A (zh) * 2015-11-23 2017-05-31 宏碁股份有限公司 语音控制方法及语音控制系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105575395A (zh) * 2014-10-14 2016-05-11 中兴通讯股份有限公司 语音唤醒方法及装置、终端及其处理方法
US20170133012A1 (en) * 2015-11-05 2017-05-11 Acer Incorporated Voice control method and voice control system
CN106773742A (zh) * 2015-11-23 2017-05-31 宏碁股份有限公司 语音控制方法及语音控制系统
CN105609103A (zh) * 2015-12-18 2016-05-25 合肥寰景信息技术有限公司 一种语音即时识别系统
CN106356061A (zh) * 2016-10-24 2017-01-25 合肥华凌股份有限公司 基于声源定位的语音识别方法和系统、及智能家电设备

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019140823A1 (zh) * 2018-01-16 2019-07-25 平安科技（深圳）有限公司 语音验证方法、装置、计算机设备和计算机可读存储介质
CN108495248B (zh) * 2018-01-25 2021-04-30 北京金山安全软件有限公司 定位方法、装置、音频播放设备及存储介质
CN108495248A (zh) * 2018-01-25 2018-09-04 广州蓝豹智能科技有限公司 定位方法、装置、音频播放设备及存储介质
WO2020037887A1 (zh) * 2018-08-23 2020-02-27 珠海格力电器股份有限公司 设备的控制方法及装置、电子装置及存储介质
CN111083598A (zh) * 2018-10-22 2020-04-28 深圳市冠旭电子股份有限公司 一种音箱找回方法、装置及音箱
CN109754811A (zh) * 2018-12-10 2019-05-14 平安科技（深圳）有限公司 基于生物特征的声源追踪方法、装置、设备及存储介质
CN109754811B (zh) * 2018-12-10 2023-06-02 平安科技（深圳）有限公司 基于生物特征的声源追踪方法、装置、设备及存储介质
CN111833862A (zh) * 2019-04-19 2020-10-27 佛山市顺德区美的电热电器制造有限公司 一种设备的控制方法、控制设备及存储介质
CN111833862B (zh) * 2019-04-19 2023-10-20 佛山市顺德区美的电热电器制造有限公司 一种设备的控制方法、控制设备及存储介质
CN111090412A (zh) * 2019-12-18 2020-05-01 北京声智科技有限公司 一种音量调节方法、装置及音频设备
CN113470635A (zh) * 2020-04-29 2021-10-01 海信集团有限公司 一种智能音箱控制方法、设备、中控设备以及存储介质
CN113470635B (zh) * 2020-04-29 2024-04-16 海信集团有限公司 一种智能音箱控制方法、设备、中控设备以及存储介质
CN113096656A (zh) * 2021-03-30 2021-07-09 深圳创维－Rgb电子有限公司 终端设备唤醒方法、装置和计算机设备

Also Published As

Publication number Publication date
CN107516526B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN107516526A (zh) 一种声源跟踪定位方法、装置、设备和计算机可读存储介质
US20190066671A1 (en) Far-field speech awaking method, device and terminal device
JP6683234B2 (ja) 音声データ処理方法、装置、設備及びプログラム
CN108877791B (zh) 基于视图的语音交互方法、装置、服务器、终端和介质
CN107331400A (zh) 一种声纹识别性能提升方法、装置、终端及存储介质
CN109192208A (zh) 一种电器设备的控制方法、系统、装置、设备及介质
CN108922564B (zh) 情绪识别方法、装置、计算机设备及存储介质
CN109658932A (zh) 一种设备控制方法、装置、设备及介质
CN108062212A (zh) 一种基于场景的语音操作方法及装置
CN109243425A (zh) 语音识别测试方法、装置、系统、计算机设备及存储介质
WO2020006558A1 (en) System and method for generating dialogue graphs
CN108831477A (zh) 一种语音识别方法、装置、设备及存储介质
CN112286485B (zh) 通过语音控制应用的方法、装置、电子设备与存储介质
US20230419969A1 (en) Speech-to-text system
CN107832874A (zh) 一种天气提醒方法、装置、设备及计算机可读存储介质
CN106792048A (zh) 一种识别智能电视用户语音命令的方法和装置
CN109284108A (zh) 数据存储方法、装置、电子设备及存储介质
US11532308B2 (en) Speech-to-text system
CN107862035A (zh) 会议记录的网络读取方法、装置、智能平板和存储介质
WO2023246558A1 (zh) 语义理解方法、装置、介质及设备
US20200380975A1 (en) Voice control method and apparatus of electronic device, and storage medium
CN107729347A (zh) 同义标签的获取方法、装置、设备及计算机可读存储介质
US20230048330A1 (en) In-Vehicle Speech Interaction Method and Device
CN112837674A (zh) 语音识别方法、装置及相关系统和设备
CN105632500A (zh) 语音识别装置及其控制方法

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant