CN108366319A - 智能音箱及其语音控制方法 - Google Patents

Abstract

本发明提供了一种智能音箱，包括：麦克风模块，其被配置为采集来自外界的声音，将其处理为音频数字信号，并提供给主控处理模块；扬声器模块，其被配置为接收来自主控处理模块的音频数字信号，将其处理为声音，并输出到外界；通信模块，其被配置为与其他设备建立通信连接以进行通信；存储模块，其存储有智能语音库，智能语音库包含多个语音控制命令文本；主控处理模块，其被配置为：对将来自麦克风模块的音频数字信号进行语音识别，从而产生语音文本信息；将语音文本信息与智能语音库中的多个控制命令进行匹配；以及响应于匹配成功，执行相应的控制命令；或者通过通信模块将控制命令发送给其他设备，以对其他设备进行控制。

Description

智能音箱及其语音控制方法

技术领域

本发明涉及智能音箱领域，具体涉及一种智能音箱及其语音控制方法。

背景技术

当今社会，人们越来越感受到智能家居的普及带来的方便与舒适。智能家居通过互联网将家中的各种设备(如智能电视、照明系统、空调控制、安防系统、网络家电、窗帘控制系统等)连接在一起，提供对家用电器的智能控制。与普通的家居相比，智能家居不仅具有传统的居住功能，还可以提供全方位的信息交互功能，还可以实现更优的控制策略。

在现有的技术中智能家居设备中的智能音频设备，如智能音箱，只用于接收控制指令，实现音频的单路播放，无法体现智能家居设备的多功能，降低了用户体验。

可见，本领域中需要一种改进的智能音箱。

发明内容

在本发明的一个方面，提供了一种智能音箱，包括：麦克风模块，其被配置为采集来自外界的声音，将其处理为音频数字信号，并提供给主控处理模块；扬声器模块，其被配置为接收来自主控处理模块的音频数字信号，将其处理为声音，并输出到外界；显示模块，其被配置为接收来自主控处理模块的视频数字信号，并将显示为图像；通信模块，其被配置为与其他设备建立通信连接以进行通信；存储模块，其存储有智能语音库，所述智能语音库包含多个语音控制命令文本；主控处理模块，其被配置为：对将来自所述麦克风模块的音频数字信号进行语音识别，从而产生语音文本信息；将所述语音文本信息与智能语音库中的多个控制命令进行匹配；以及响应于匹配成功，执行相应的控制命令；或者通过所述通信模块将所述控制命令发送给所述其他设备，以对所述其他设备进行控制。

在一些示例性实施例中，所述智能音箱还包括：摄像头模块，其被配置为采集来自外界的图像，将其处理为视频数字信号，并提供给所述主控处理模块。

在一些示例性实施例中，所述通信模块进一步被配置为通过服务器与其他设备建立通信连接以进行通信；且其中，所述主控处理模块进一步被配置为：响应于匹配成功，通过所述通信模块将所述控制命令发送给所述服务器，以便由所述服务器将所述控制命令发送给所述其他设备，来对所述其他设备进行控制。

在一些示例性实施例中，所述主控处理模块还被配置为通过所述通信模块接收来自网络的控制命令，并通过执行该控制命令对所述智能音箱进行控制，或者将该控制命令发送给所述其他设备，以对所述其他设备进行控制。

在一些示例性实施例中，所述主控处理模块进一步被配置为通过所述显示模块显示通过语音识别所产生的所述语音文本信息，和/或所述匹配的控制命令，和/或所述控制命令的发送和确认过程及其执行结果。

在一些示例性实施例中，所述存储模块还存储有音乐库，所述音乐库中包含多个乐曲的音频特征、标识及存储位置；所述主控处理模块还被配置为：对来自所述麦克风模块的音频数字信号进行处理，以获得其音频特征；将所述音频特征与音乐库中的多个乐曲的音频特征进行匹配；响应于匹配成功，从所述存储位置获得该乐曲；以及通过所述扬声器模块播放所获得的该乐曲。

在一些示例性实施例中，所述主控处理模块进一步被配置为：通过将获得的所述音频特征与音乐库中的多个乐曲的音频特征进行匹配获得多个风格类似的乐曲；将所述多个风格类似的乐曲的标识通过所述扬声器模块或显示模块输出，以供用户选择；响应于通过所述麦克风模块或显示模块接收到用户对一乐曲的选择，从所述存储位置获得该乐曲，并通过所述扬声器模块播放所获得的该歌曲，其中所述显示模块为触摸屏显示模块。

在一些示例性实施例中，所述存储模块中还存储有视频通话应用程序，所述主控处理模块还被配置为通过加载和执行所述视频通话应用程序，实现视频通话功能或语音通话功能。

在一些示例性实施例中，所述存储模块中还存储有远程K歌应用程序，所述主控处理模块还被配置为通过加载和执行所述远程K歌应用程序，并借助于所述麦克风模块、扬声器模块、摄像头模块、显示模块以及通信模块，实现远程K歌功能。在本发明的另一个方面，提供了一种采用如本发明的任何一个实施例的智能音箱的语音控制方法。

根据本发明的实施例的智能音箱不仅具有播放音乐等传统智能音箱的功能，还成为整个智能家居的控制中心，实现了对整个智能家居中的各智能家居设备的语音控制和对远程设备的语音控制；在一些实施例中，通过显示模块所提供的视觉交互手段，有利地补充和提高了智能音箱的语音交互的便利性，提高了信息反馈的直观性和准确性，扩展了语音交互之外的功能，让智能音箱能够更好地融入到用户的家居生活中，并且能够方便地实现视频聊天和语音聊天的功能。此外，在一些实施例中，通过加载和执行相应的应用程序，本发明的智能音箱能够方便地实现听歌识曲、远程K歌以及其他各种应用功能，从而成为类似于智能手机的智能计算设备。

附图说明

图1示出了根据本发明的实施例的智能音箱的示意性框图；

图2示出了根据本发明的实施例的智能音箱的示意性控制流程；以及

图3示出了根据本发明的实施例的智能音箱的语音控制方法。

具体实施方式

为使本领域的技术人员更好地理解本发明的解决方案，下面结合附图对本发明的具体实施例所提供的智能音箱技术方案作进一步详细描述。显然，所描述和图示的实施例及其中的各种具体特征仅是对本发明的示例性说明，而不是对本发明的限制。基于所述示例性说明，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例及其具体特征，都属于本发明保护的范围。

现参照图1，其示出了根据本发明的实施例的一种智能音箱的示意性框图。如图1中所示，该智能音箱100包括：

麦克风模块101，其被配置为采集来自外界的声音，将其处理为音频数字信号，并提供给主控处理模块；

扬声器模块102，其被配置为接收来自主控处理模块的音频数字信号，将其处理为声音，并输出到外界；

显示模块104，其被配置为接收来自主控处理模块的视频数字信号，并将显示为图像；

通信模块105，其被配置为与其他设备建立通信连接以进行通信；

存储模块106，其存储有智能语音库，所述智能语音库包含多个语音控制命令文本；

主控处理模块107，其被配置为：

对将来自所述麦克风模块的音频数字信号进行语音识别，从而产生语音文本信息；

将所述语音文本信息与智能语音库中的多个语音控制命令进行匹配；以及

响应于匹配成功，执行相应的控制命令；或者通过所述通信模块将所述控制命令发送给所述其他设备，以对所述其他设备进行控制。

所述麦克风模块101可包括一个或多个麦克风(例如，由多个麦克风组成的麦克风阵列)，以及本领域所知的相关接口电路或芯片，例如音频数模模数转换器(ADC)、音频编解码器(CODEC)、数字信号处理器(DSP)等。

所述扬声器模块102可包括一个或多个扬声器，以及本领域所知的相关接口电路或芯片，例如音频数模转换器、音频编解码器、数字信号处理器等。

所述显示模块104可包括显示器，以及本领域所知的相关接口电路或芯片，例如视频数模转换器、视频编解码器、数字信号处理器(DSP)等。在一些实施例中，所述显示模块104为触摸屏显示模块，这样，所述显示模块104既能用作显示输出设备，又能用作触摸反馈或输入设备。

所述通信模块105可以包括一个或多个无线或有线通信模块，例如，所述通信模块105可以包括3G、4G等电信通信模块、有线网络通信模块、无线局域网(WLAN)通信模块、蓝牙通信模块等中的任何一个或多个，从而使得所述智能音箱100既能通过网络与远程设备(例如远程服务器或智能云，以及位于过程的用户移动设备)进行通信，又能与附近的设备(例如位于同一个用户住宅内的其他智能家居设备)进行通信。

所述存储模块106可包括易失性存储设备和/或非易性存储设备，例如所述存储模块106可包括随机存取存储器(RAM)、只读存储器(ROM)、存储卡、固态硬盘、硬盘、光盘中的任何一个或多个。所述存储模块106中可存储有操作系统、应用程序、数据等。所述操作系统用于管理和驱动所述智能音箱106的硬件，并向应用程序提供服务。所述操作系统例如可以是实时操作系统(RTOS)、Linux操作系统、Android操作系统等。所述应用程序可以有一个或任何多个，其可以是所述智能音箱100自带的，也可以是在所述智能音箱100的使用过程中，由用户通过网络下载或以其他方式存储在存储模块106中的。所述应用程序包括了实现所述智能音箱100向用户提供的各种功能的逻辑，所述主控处理模块107通过加载和执行所述应用程序向用户提供相应的功能。所述存储模块106还存储有应用程序所使用和产生的数据，例如存储有所述智能语音库、音乐库等。

所述主控处理模块107可以由多种具有逻辑运算和处理功能的处理单元来实现，例如，所述主控处理模块107可以由微处理器(MPU)、中央处理器(CPU)、片上系统(SOC)等来实现。所述主控处理模块107可以通过加载和执行存储在所述存储模块106的程序来执行其功能。

在一些实施例中，所述主控处理模块107可通过从所述存储模块106加载和执行语音识别程序来实现语音识别功能。在另一些实施例中，所述主控处理模块107可具有相关联的语音识别芯片，从而可以通过所述语音识别芯片来实现语音识别功能。

在所述存储模块106中存储的所述智能语音库中，可包含有多个控制命令及对应的语音文本信息，例如可包含有用于控制所述智能音箱本身功能的控制命令(例如，用于调节扬声器音量、开启或关闭显示器、从网络上搜索信息等的控制命令)及对应的语音文本信息，以及用于控制其他智能家居设备的控制命令(例如，用于控制智能电视、空调、冰箱、摄像头等智能家居设备的开启、关闭、音量、频道、风速、温度、录像等的控制命令)及对应的语音文本信息。这样，所述主控处理模块107就可以首先对来自所述麦克风模块的音频数字信号进行语音识别，产生语音文本信息，然后将所述语音文本信息与智能语音库中的多个控制命令的语音文本信息进行匹配，找到相应的控制命令，最后执行该控制命令，或者将该控制命令发送给其他智能家居设备，以对其他智能家居设备进行控制。

这样，所述智能音箱100不但具有播放音乐等传统智能音箱的功能，还成为整个智能家居的控制中心，实现了对整个智能家居中的各智能家居设备的语音控制。

在一些实施例中，所述智能音箱还可包括摄像头模块103，其被配置为采集来自外界的图像，将其处理为视频数字信号，并提供给主控处理模块。

所述摄像头模块103可包括一个或多个摄像头，以及本领域所知的相关接口电路或芯片，例如视频模数转换器、视频编解码器、数字信号处理器等。在一些实施例中，所述通信模块105进一步被配置为通过服务器与其他设备建立通信连接以进行通信；

且其中，所述主控处理模块107进一步被配置为：响应于匹配成功，通过所述通信模块105将所述控制命令发送给所述服务器，以便由所述服务器将所述控制命令发送给所述其他设备，来对所述其他设备进行控制。

所述服务器例如可位于因特网上，其可由所述智能音箱100以及其他智能设备的一个或多个生产商或其他组织设立和维护，其上可存储有每个智能音箱100和其他智能设备的标识、设备类型、网络地址等信息。在一些实施例中，所述服务器上还可存储有其他信息，例如下文中所述的音乐库等。所述服务器也可称为智能云。在这样的实施例中，在发送给所述服务器的控制命令中包含有该控制命令所针对的其他智能设备的标识，这样，所述服务器可通过该标识查询到该其他智能设备的网络地址等信息，从而可以将该控制命令通过网络转发给该其他智能设备。这样，通过所述智能音箱100，不但能实现针对该智能音箱100附近(例如位于同一个局域网络内)的其他智能设备的语音控制，而且能实现针对远程的其他智能设备的语音控制。

在一些实施例中，所述主控处理模块107还被配置为通过所述通信模块105接收来自网络的控制命令，并通过执行该控制命令对所述智能音箱100进行控制，或者将该控制命令发送给所述其他设备，以对所述其他设备进行控制。所述来自网络的控制命令例如可以是用户通过其移动设备(例如智能手机)发送的控制命令，该控制命令例如可以是用户的移动设备通过语音识别功能从用户的语音指令中识别出的控制命令，也可以是用户通过文本、触摸等输入方法输入并发送的控制命令。该控制命令可以是用户针对该智能音箱100的控制命令，也可以是针对该智能音箱100附近的其他智能设备的控制。用户的移动设备例如可以通过电信网络和/或因特网直接将所述控制命令发送到所述智能音箱100，或者，用户的移动设备也可以通过电信网络和/或因特网将所述控制命令发送到所述服务器(例如智能云)，并由所述服务器通过因特网将所述控制命令发送到所述智能音箱100。

图2示出了根据本发明的实施例的智能音箱100的示意性控制流程，其中图2的上半部分的流程示出了用户通过智能音箱100控制其他设备的场景，图2的下半部分的流程示出了用户通过智能手机控制智能音箱100和其他设备的场景。

如图2的上半部分的流程所述，当用户向智能音箱100发出针对某受控制设备的语音控制命令后，智能音箱100接收该语音控制命令，对其进行语音识别获得相应的控制命令及其所针对的受控制设备的网络地址(例如URL)，然后向智能云下发所述控制命令和网络地址。智能云将所接收到的所述控制命令和网络地址下发给相应的受控制设备。受控制设备向智能云返回确认消息以及控制命令的执行结果。智能云向智能音箱返回操作成功消息以及控制命令的执行结果。或者，当用户向智能音箱100发出针对某受控制设备的语音控制命令后，智能音箱100接收该语音控制命令，对其进行语音识别获得相应的控制命令及其所针对的受控制设备的网络地址(例如URL)，然后向相应的受控制设备直接下发所述控制命令和网络地址。受控制设备向智能音箱100返回操作成功消息以及控制命令的执行结果。

如图2的下半部分的流程所述，当用户向其智能手机发出针对其智能音箱100或某受控制设备的语音/界面控制命令后，智能手机接收该语音/界面控制命令，产生相应的控制命令及其所针对的受控制设备或智能音箱100的网络地址(例如URL)，然后向智能云下发所述控制命令和网络地址。智能云将所接收到的所述控制命令和网络地址下发给相应的受控制设备或所述智能音箱100。所述受控制设备或智能音箱100向智能云返回确认消息以及控制命令的执行结果。智能云向智能手机返回确认消息以及控制命令的执行细节。或者，当用户向智能手机发出针对其智能音箱100或某受控制设备的语音/界面控制命令后，智能手机接收该语音/界面控制命令，产生相应的控制命令及其所针对的受控制设备或智能音箱100的网络地址(例如URL)，然后向相应的受控制设备或智能音箱100直接下发所述控制命令和网络地址。受控制设备或智能音箱100返回操作成功消息以及控制命令的执行结果。

在一些实施例中，所述主控处理模块107进一步被配置为通过所述显示模块104显示通过语音识别所产生的所述语音文本信息，和/或所述匹配的控制命令，和/或所述控制命令的发送和确认过程及其执行结果。这样,通过显示模块104所提供的视觉交互手段，有利地补充和提高了所述智能音箱100的语音交互的便利性，提高了信息反馈的直观性和准确性，扩展了语音交互之外的功能，让智能音箱能够更好地融入到用户的家居生活中。

在一些实施例中，所述存储模块106还存储有音乐库，所述音乐库中包含多个乐曲的音频特征、标识及存储地址；

所述主控处理模块107还被配置为：

对来自所述麦克风模块101的音频数字信号进行处理，以获得其音频特征；

将所述音频特征与音乐库中的多个乐曲的音频特征进行匹配；

响应于匹配成功，从述存储地址获得该乐曲；以及

通过所述扬声器模块102播放所获得的该乐曲。

所述乐曲的音频特征例如可以是乐曲进行傅里叶变换后得到的该乐曲的频率分布特征。每个乐曲的频率分布特征通常是唯一的，因此可以用于对乐曲进行识别。所述乐曲的标识例如可以是乐曲的标题等。所述乐曲的存储地址例如可以是乐曲在音乐库中的本地存储地址，或者是乐曲在服务器中的存储地址，或者是乐曲的网络存储地址。

在这些实施例中，所述麦克见模块101可采集其他设备所播放的乐曲，并将其处理为所述音频数字信号；所述主控处理模块107可通过处理该音频数字信号并进行匹配，下载和播放相应的乐曲。这样，所述智能音箱100具有了听歌识曲的功能。所述主控处理模块107可以采用本领域所知的任何方法来获得音频数字信号中的音频特征，并与音乐库中的乐曲的音频特征进行匹配。

在一些实施例中，所述主控处理模块107可从所述存储模块106加载和执行音乐应用程序，并在所述显示模块104上显示该音乐应用程序的图形用户界面。该图形用户界面中可以列出音乐库中所包含的乐曲，并可允许用户从中进行选择和播放。该图形用户界面还可包括听歌识曲功能按钮，当用户触摸该按钮时，所述听歌识曲功能被启用。所述音乐应用程序可以是本领域所知的音乐应用程序，或者是与本领域所知的音乐应用程序类似的应用程序。

在一些实施例中，所述主控处理模块107进一步被配置为：

通过将获得的所述音频特征与音乐库中的多个乐曲的音频特征进行匹配获得多个风格类似的乐曲；

将所述多个风格类似的乐曲的标识通过所述扬声器模块102或显示模块104输出，以供用户选择；

响应于通过所述麦克风模块101或显示模块104接收到用户对一乐曲的选择，从该乐曲的所述存储位置获得该乐曲，并通过所述扬声器模块102播放所获得的该歌曲，其中所述显示模块104为触摸屏显示模块。

这样，所述智能音箱100具有了搜索相似乐曲的功能。所述主控处理模块107可以采用本领域所知的任何方法将所获得的音频特征与音乐库中的乐曲的音频特征进行匹配，来获得风格类似的乐曲。

在一些实施例中，所述主控处理模块107可从所述存储模块106加载和执行音乐应用程序，并在所述显示模块104上显示该音乐应用程序的图形用户界面。该图形用户界面可包括搜索相似乐曲的功能按钮，当用户触摸该按钮时，所述搜索相似乐曲的功能被启用。

在一些实施例中，所述存储模块106中还存储有视频通话应用程序，所述主控处理模块107还被配置为通过加载和执行所述视频通话应用程序，并借助于所述麦克风模块101、扬声器模块102、摄像头模块103、显示模块104以及通信模块105，实现视频通话功能或语音通话功能。所述视频通话应用程序可以是本领域所知的视频通话应用程序，或者是与本领域所知的视频通话应用程序类似的应用程序。在视频通话和语音通话中，所述主控处理模块107可以通过所述麦克风模块101实时获得用户的声音信息，通过所述摄像头模块103实时获得用户的视频信息，并通过所述通信模块105将用户的声音信息和视频信息发送到通话对方的视频通话应用程序的用户界面；同时，所述主控处理模块107可以通过所述通信模块105接收来自通话对方的视频通信应用程序的声音信息和视频信息，并通过所述扬声器模块105输出该声音信息，以及通过所述显示模块104显示该视频信息。这样，用户通过所述智能音箱100的视频通话功能或语音通话功能，可以方便地进行视频聊天和语音聊天。

在一些实施例中，所述存储模块106中还存储有远程K歌应用程序，所述主控处理模块107还被配置为通过加载和执行所述远程K歌应用程序，并借助于所述麦克风模块101、扬声器模块102、摄像头模块103、显示模块104以及通信模块106，实现远程K歌功能。所述远程K歌应用程序可以是本领域所知的远程K歌应用程序，或者是与本领域所知的远程K歌应用程序类似的应用程序。在远程K歌过程中，所述主控处理模块107可以通过所述麦克风模块101实时获得用户的声音信息，通过所述摄像头模块103实时获得用户的视频信息，并通过所述通信模块105将用户的声音信息和视频信息发送到智能云上的远程K歌平台，以供所有登录该K歌平台的用户共享；同时，所述主控处理模块107可以通过所述通信模块105接收来自远程K歌平台上的其他用户的声音信息和视频信息，并通过所述扬声器模块105输出该声音信息，以及通过所述显示模块104显示该视频信息。这样，用户通过所述智能音箱100的远程K歌功能，可以方便地进行远程K歌。

在一些实施例中，所述主控处理模块107还被配置为通过在所述存储模块106中存储应用程序，并加载和执行所存储的应用程序，来实现该应用程序指定的功能。所述应用程序例如可以是通过通信模块105从网络上下载的，也可以是通过智能音箱100中设置的本地接口(例如USB接口)从其他存储设备下载的。这样，所述智能音箱100就可以通过下载和存储不同的应用程序，来获得不同的功能，从而具有了无限的扩展性。

以上参照附图描述了根据本发明的实施例的智能音箱100，应指出的是，以上图示和描述仅为示例，而不是对本发明的限制。在发明的其他实施例中，所述智能音箱100可具有更多、更少或不同的部件，且各部件之间的位置、连接和功能等关系可以与所描述和图示的不同。例如，该智能音箱100还可包括各种操作按钮和接口，例如智能音箱开启和关闭按钮、音量调节按钮、摄像头开启和关闭按钮、电源接口、USB接口等等。此外，该智能音箱100的各部件通常可以由硬件、软件及其任意组合的方式来实现。一个部件的功能也可能由其他部件来完成。此外，应指出的是，本申请中各部件的名称仅是为叙述方便而定，而不是对本发明的限制。

如本领域的技术人员通过阅读以上描述可知的，在本发明的另一个方面，还提供了一种采用根据本发明的任何一个实施例的智能音箱的语音控制方法。换言之，该语音控制方法可以由上述根据本发明的实施例的智能音箱100执行，因此该智能音箱的语音控制方法可对应于根据本发明的实施列的智能音箱100的各模块的操作。为简明起见，在以下描述中省略了与以上描述重复的部分细节，因此，可参照以上描述获得对根据本发明的实施例的智能音箱的语音控制方法的更详细的了解。

图3示出了根据本发明的实施例的智能音箱的语音控制方法，该智能音箱包括麦克风模块、扬声器模块、摄像头模块、显示模块、通信模块、存储模块和主控处理模块。如图3所示，该方法包括以下步骤：

在步骤301，所述麦克风模块采集来自外界的声音，将其处理为音频数字信号，并提供给所述主控处理模块；

在步骤302，所述主控处理模块将来自所述麦克风模块的音频数字信号进行语音识别，从而产生语音文本信息；

在步骤303，所述主控处理模块将所述语音文本信息与所述存储模块中存储的智能语音库中的多个控制命令进行匹配；以及

在步骤304，响应于匹配成功，所述主控处理模块执行相应的控制命令；或者通过所述通信模块将所述控制命令发送给其他设备，以对所述其他设备进行控制。

在一些实施例中，所述方法还包括以下步骤：

响应于所述语音文本信息与智能语音库中的多个控制命令的匹配成功，所述主控处理模块通过所述通信模块将所述控制命令发送给服务器，以便由所述服务器将所述控制命令发送给所述其他设备，来对所述其他设备进行控制。

在一些实施例中，所述方法还包括以下步骤：

所述主控处理模块通过所述通信模块接收来自网络的控制命令，并通过执行该控制命令对所述智能音箱进行控制，或者将该控制命令发送给所述其他设备，以对所述其他设备进行控制。

在一些实施例中，所述方法还包括以下步骤：

所述显示模块在所述主控处理模块的控制下显示通过语音识别所产生的所述语音文本信息，和/或所述匹配的控制命令，和/或所述控制命令的发送和确认过程及其执行结果。

在一些实施例中，所述存储模块还存储有音乐库，所述音乐库中包含多个乐曲的音频特征及其网络下载地址，所述方法还包括以下步骤：

所述主控处理模块对来自所述麦克风模块的音频数字信号进行处理，以获得其音频特征；

所述主控处理模块将所述获得的音频特征与音乐库中的多个乐曲的音频特征进行匹配；

响应于匹配成功，所述主控处理模块通过所述通信模块从所匹配的乐曲的网络下载地址下载该乐曲；以及

所述主控处理模块通过所述扬声器模块播放所下载的该乐曲。

在一些实施例中，所述方法还包括以下步骤：

所述主控处理模块通过将所述获得的音频特征与音乐库中的多个乐曲的音频特征进行匹配获得多个风格类似的乐曲；

所述主控处理模块将所述多个风格类似的乐曲的标识通过所述扬声器模块或显示模块输出，以供用户选择；

响应于通过所述麦克风模块或显示模块接收到用户对一乐曲的选择，所述主控处理模块通过所述通讯模块从网络下载该乐曲，并通过所述扬声器模块播放所下载的该歌曲，其中所述显示模块为触摸屏显示模块。

在一些实施例中，所述存储模块中还存储和安装有视频通话应用程序，所述方法还包括以下步骤：

所述主控处理模块通过执行所述视频通话应用程序，并借助于所述麦克风模块、扬声器模块、摄像头模块、显示模块以及通信模块，实现视频通话功能和语音通话功能。

在一些实施例中，所述存储模块中还存储和安装有远程K歌应用程序，所述方法还包括以下步骤：

所述主控处理模块通过执行所述远程K歌应用程序，并借助于所述麦克风模块、扬声器模块、摄像头模块、显示模块以及通信模块，实现远程K歌功能。

在一些实施例中，所述方法还包括以下步骤：

所述主控处理模块通过在所述存储模块中存储应用程序，并加载和执行所存储的应用程序，来实现该应用程序指定的功能。

以上参照附图描述了根据本发明的实施例的智能音箱的控制方法，应指出的是，以上图示和描述仅为示例，而不是对本发明的限制。在发明的其他实施例中，所述智能音箱的控制方法可具有更多、更少或不同的步骤，且各部件之间的顺序、包含和功能等关系可以与所描述和图示的不同。例如，通常多个步骤可以合并为一个步骤，一个步骤也可以划分为多个步骤，且一些步骤之间可以任何顺序执行或并行执行。

为了说明和描述的目的已经提供了对本发明的实施例的前述描述，其中阐述了许多具体细节，诸如特定部件和装置的示例，以提供对本发明的实施例的透彻理解，其目的不是穷尽的或者限制本发明。特定实施例的各个元件或特征通常不限于该特定实施例，而是在适用的情况下是可互换的并且可以在其他实施例中使用，即使没有具体示出或描述。这样的变化不被认为是背离本公开，并且所有这样的修改旨在被包括在本发明的范围内。在一些示例实施例中，没有详细描述公知的部件、结构和公知的技术。

这里使用的术语仅用于描述特定示例实施例的目的，而不意图是限制性的。如本文所使用的，除非上下文另外明确指出，否则单数形式“一”，“一个”和“该”也可以意图包括复数形式。术语“包括”，“包括”，“包含”和“具有”是包含性的，因此指定所述特征、实体、步骤、操作、元件和/或组件的存在，但不排除存在或一个或多个其他特征、实体、步骤、操作、元件、部件和/或其组合的添加。这里描述的步骤、过程和操作不被解释为必须要求它们以所讨论或示出的特定顺序执行，除非明确地标识为执行顺序。

当元件或层被称为在另一元件或层“上”、“接合到”、“连接到”或“耦合到”另一元件或层时，其可直接位于、接合、连接或耦合到其他元件或层，或可以存在中间元件或层。用于描述元件之间关系的其他词语应该以类似的方式解释(例如，“在...之间”与“直接在...之间”，“相邻”与“直接相邻”等)。如本文中所使用的，“连接”、“相连”或类似术语，在没有其他明确限定的情况下，可以指机械连接、电连接、通信连接中的任何一个或多个。此外，如本文所使用的，术语“和/或”、“以及/或者”包括一个或多个相关所列项目的任何和所有组合。

尽管这里可以使用术语第一、第二、第三等来描述各种元件、部件、层和/或部分，但是这些元件、部件、层和/或部分不应该受限于这些术语。这些术语仅用于区分一个元件、部件、层或部分与另一个元件、部件、层或部分。除非在上下文中明确指出，否则诸如“第一”，“第二”和其他数字术语的术语在本文中使用时并不意味着顺序或次序。因此，本申请中的第一元件、组件、层或部分可以被称为第二元件、组件、层或部分，而不脱离示例实施例的教导的情况。

为便于描述，可在此使用诸如“内部”、“外部”、“下面”、“下方”、“上面”，“上方”等的空间相关术语，描述一个元素或特征与另一个元素或特征的如图中所示的关系。除了图中所示的取向之外，空间相对术语可以意图包括使用或操作中的装置的不同取向。例如，如果附图中的设备翻转，则被描述为在其他元件或特征“下方”或“下面”的元件将被定向为在其它元件或特征“之上”。因此，示例性术语“在...下方”可以包含上方和下方的方位。装置可以以其他方式定向(旋转90度或在其他方向)，并且相应地在此使用的空间描述应当相对地解释。

可以理解的是，本发明的以上各实施例仅仅是为了说明本发明的原理而采用的示例性实施例，本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为处于本发明的保护范围之内。本发明的保护范围仅由所附权利要求书的语言表述的含义及其等同含义所限定。

Claims (10)

1.一种智能音箱，包括：

麦克风模块，其被配置为采集来自外界的声音，将其处理为音频数字信号，并提供给主控处理模块；

扬声器模块，其被配置为接收来自主控处理模块的音频数字信号，将其处理为声音，并输出到外界；

显示模块，其被配置为接收来自主控处理模块的视频数字信号，并将视频数字信号显示为图像；

通信模块，其被配置为与其他设备建立通信连接以进行通信；

存储模块，其存储有智能语音库，所述智能语音库包含多个语音控制命令文本；

主控处理模块，其被配置为：

对将来自所述麦克风模块的音频数字信号进行语音识别，从而产生语音文本信息；

将所述语音文本信息与智能语音库中的多个控制命令进行匹配；以及

响应于匹配成功，执行相应的控制命令；或者通过所述通信模块将所述控制命令发送给所述其他设备，以对所述其他设备进行控制。

2.根据权利要求1所述的智能音箱，还包括：

摄像头模块，其被配置为采集来自外界的图像，将其处理为视频数字信号，并提供给所述主控处理模块。

3.根据权利要求1所述的智能音箱，其中，所述通信模块进一步被配置为通过服务器与其他设备建立通信连接以进行通信；

且其中，所述主控处理模块进一步被配置为：响应于匹配成功，通过所述通信模块将所述控制命令发送给所述服务器，以便由所述服务器将所述控制命令发送给所述其他设备，来对所述其他设备进行控制。

4.根据权利要求1所述的智能音箱，其中，所述主控处理模块还被配置为通过所述通信模块接收来自网络的控制命令，并通过执行该控制命令对所述智能音箱进行控制，或者将该控制命令发送给所述其他设备，以对所述其他设备进行控制。

5.根据权利要求1所述的智能音箱，其中，所述主控处理模块进一步被配置为通过所述显示模块显示通过语音识别所产生的所述语音文本信息，和/或所述匹配的控制命令，和/或所述控制命令的发送和确认过程及其执行结果。

6.根据权利要求1所述的智能音箱，其中，所述存储模块还存储有音乐库，所述音乐库中包含多个乐曲的音频特征、标识及存储位置；

所述主控处理模块还被配置为：

对来自所述麦克风模块的音频数字信号进行处理，以获得其音频特征；

将所述音频特征与音乐库中的多个乐曲的音频特征进行匹配；

响应于匹配成功，从所述存储位置获得该乐曲；以及

通过所述扬声器模块播放所获得的该乐曲。

7.根据权利要求6所述的智能音箱，其中，所述主控处理模块进一步被配置为：

通过将获得的所述音频特征与音乐库中的多个乐曲的音频特征进行匹配获得多个风格类似的乐曲；

将所述多个风格类似的乐曲的标识通过所述扬声器模块或显示模块输出，以供用户选择；

响应于通过所述麦克风模块或显示模块接收到用户对一乐曲的选择，从所述存储位置获得该乐曲，并通过所述扬声器模块播放所获得的该歌曲，其中所述显示模块为触摸屏显示模块。

8.根据权利要求1所述的智能音箱，其中，所述存储模块中还存储有视频通话应用程序，所述主控处理模块还被配置为通过加载和执行所述视频通话应用程序，实现视频通话功能或语音通话功能。

9.根据权利要求1所述的智能音箱，其中，所述存储模块中还存储有远程K歌应用程序，所述主控处理模块还被配置为通过加载和执行所述远程K歌应用程序，并借助于所述麦克风模块、扬声器模块、摄像头模块、显示模块以及通信模块，实现远程K歌功能。

10.一种采用如权利要求1-9中任一项所述的智能音箱的语音控制方法。