CN109036398A - 语音交互方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种语音交互方法、装置、设备及存储介质。其中，该方法包括：控制本机设备在处于锁屏状态下启动语音识别交互页面；采集用户输入的语音信息；确定所述语音信息对应的操作指令，并执行所述操作指令。本发明实施例提供的技术方案，用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

Description

语音交互方法、装置、设备及存储介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种语音交互方法、装置、设备及存储介质。

背景技术

随着移动互联网技术的快速发展，移动终端已经广泛应用于工作和生活的各个领域。在某些场景下，用户需要高频次使用终端中的某个应用或工具如语音搜索功能。然而如果终端处于锁屏状态，即使搜索工具已经在后台运行，用户需要先进行终端解锁，打开搜索工具，然后在搜索工具内发起搜索。

因此，现有在移动终端处于锁屏状态时，使用终端中的某个应用或工具的方法的操作路径长，如果时间比较紧张，容易浪费时间；并且，必须是用户可以手上空闲操作终端设备，如果用户在驾驶、厨房等手头不方便操作场景，则完全无法进行对应的操作，非常不便利。

发明内容

本发明实施例提供了一种语音交互方法、装置、设备和存储介质，用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

第一方面，本发明实施例提供了一种语音交互方法，该方法包括：

控制本机设备在处于锁屏状态下启动语音识别交互页面；

采集用户输入的语音信息；

确定所述语音信息对应的操作指令，并执行所述操作指令。

第二方面，本发明实施例还提供了一种语音交互装置，该装置包括：

控制模块，用于控制本机设备在处于锁屏状态下启动语音识别交互页面；

语音信息采集模块，用于采集用户输入的语音信息；

操作指令执行模块，用于确定所述语音信息对应的操作指令，并执行所述操作指令。

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意所述的语音交互方法。

第四方面，本发明实施例还提供了一种存储介质，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意所述的语音交互方法。

本发明实施例提供的技术方案，移动终端能够控制设备在处于锁屏状态下启动语音识别交互页面，并采集用户输入的语音信息；且在确定语音信息对应的操作指令后，执行对应的操作。该方案用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

附图说明

图1是本发明实施例一中提供的一种语音交互方法的流程图；

图2A是本发明实施例二中提供的一种语音交互方法的流程图；

图2B是本发明实施例二中提供的一种锁屏界面的示意图；

图3是本发明实施例三中提供的一种语音交互方法的流程图；

图4是本发明实施例四中提供的一种语音交互装置的结构框图；

图5是本发明实施例五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实施例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本发明实施例，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实施例相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种语音交互方法的流程图，本实施适用于在移动终端处于锁屏状态下，用户通过语音与移动终端进行交互，使移动终端执行相应操作的情况。该方法可以由本发明实施例提供的语音交互装置来执行，该装置可采用软件和/或硬件的方式实现，并可集成于移动终端上如手机。参见图1，该方法具体包括：

S110，控制本机设备在处于锁屏状态下启动语音识别交互页面。

其中，本机设备即为移动终端本身；锁屏状态是指移动终端屏幕处于亮屏但未解锁的状态；语音识别交互界面是一种用户与移动终端进行语音交互的界面，可以是移动终端本身配置的，也可以是配置于移动终端上的应用程序提供的。

具体的，当移动终端屏幕处于锁屏状态时，若检测到用户以语音或点击屏幕等形式唤醒语音识别交互页面，则启动语音识别交互页面。

需要说明的是，当移动终端退出语音识别交互页面后，移动终端将自动还原至锁屏状态，避免了用户隐私被窥窃。

S120，采集用户输入的语音信息。

其中，语音信息是用于指示移动终端执行对应操作的信息。具体的，可以调用移动终端上的麦克风采集用户输入的语音信息。

S130，确定语音信息对应的操作指令，并执行操作指令。

其中，操作指令是对语音信息进行语音识别及语义分析后得到指令；可以是操作功能指令，也可以是应用调用指令。应用调用指令是指调用移动终端上的现有工具或应用程序等的指令，如可以是调用微信、导航或浏览器等。操作功能指令是指移动终端不需要调用其他应用直接执行的指令，如打开收藏夹、打开联系人列表或打开摄像头等。

具体的，移动终端可以依据自身配置的语音识别及语义分析等单元对用户的语音信息进行识别确定语音信息对应的操作指令；也可以将语音信息发送至服务器，并指示服务器对语音信息进行识别得到对应的操作指令且反馈给移动终端。为了快速响应用户的需求，减少对移动终端系统内存的占用，优选的，采用将用户信息上报至服务器的方式来确定语音信息对应的操作指令。

示例性的，确定语音信息对应的操作指令具体的可以包括如下步骤：第一，依据语音信息向服务器上报指令识别请求。第二，接收服务器下发的语音信息对应的操作指令。

其中，指令识别请求用于指示服务器识别语音信息对应的操作指令；指令识别请求中可以包括语音信息和移动终端标识等。移动终端标识是用于唯一识别移动终端的标志，可以是移动终端的序列号或IP地址等。

具体的，当移动终端采集到用户在语音识别交互页面输入的语音信息后，依据该语音信息和移动终端标识生成指令识别请求，向服务端上报指令识别请求，用于指示服务端对语音信息进行识别和语义分析等处理得到语音信息对应的操作指令，并依据移动终端标识将语音信息对应的操作指令反馈给移动终端。移动终端接收服务器下发的语音信息对应的操作指令。

当移动终端接收到服务器下发的语音信息对应的操作指令后，依据操作指令执行相应操作。例如，用户的语音信息为“请拨打XX电话”，移动终端可以将语音信息或将语音信息转成文本生成指令识别请求发送至服务端，服务端对语音信息或语音信息对应的文本进行识别和分析得到的操作指令为拨打电话的操作功能指令，该指令中包括拨打电话以及XX联系人的姓名等；移动终端接收到服务器下发的操作指令后，依据该指令中的XX联系人的姓名拨打XX的电话。

本发明实施例提供的技术方案，移动终端能够控制设备在处于锁屏状态下启动语音识别交互页面，并采集用户输入的语音信息；且在确定语音信息对应的操作指令后，执行对应的操作。该方案用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

实施例二

图2A为本发明实施例二提供的一种语音交互方法的流程图，本实施例在上述实施例一的基础上，进一步对控制本机设备在处于锁屏状态下启动语音识别交互页面进行优化。参见图2A，该方法具体包括：

S210，若检测到用户点击本机设备锁屏页面的悬浮窗口中内嵌的语音悬浮球，则启动语音识别交互页面。

其中，语音悬浮球是一种开启语音识别交互页面的快捷方式，可以以语音图标如图2B中附图标记1所示的形式悬浮在锁屏界面中；还可以以喇叭或音响等图标形式悬浮在锁屏页面中，以便用户识别。

具体的，若移动终端在处于锁屏状态时，检测到用户点击或触摸锁屏页面的悬浮窗口中内嵌的语音悬浮球，则将启动语音识别交互页面。

示例性的，还可以通过预先设置锁屏状态下启动语音识别交互页面与语音启动指令的关联关系，若移动终端处于锁屏状态，且接收到对应的语音启动指令则启动语音识别交互页面。

为了进一步的提升用户的体验，示例性的，当移动终端处于锁屏状态时，控制本机设备在处于锁屏状态下启动语音识别交互页面还可以是：若在处于息屏状态下检测到用户的语音唤醒指令，则点亮屏幕以控制本机设备处于锁屏状态，且启动语音识别交互页面。

其中，息屏状态即为黑屏状态，与锁屏状态相比区别在于移动终端屏幕处于暗屏。语音唤醒指令是指用于控制移动终端由息屏状态切换到锁屏状态，且启动语音识别交互页面的指令，可以是一种预设的文本的引导音，例如“小度，小度”等。

具体的，若移动终端在处于息屏状态时，接收到用户的语音唤醒指令，则将接收的语音唤醒指令与预设的语音唤醒指令进行比对，若一致，则控制移动终端由息屏状态切换到锁屏状态，且启动语音识别交互页面的指令；若一致，则可以发出报警信息或错误提示语音等。

S220，采集用户输入的语音信息。

S230，确定语音信息对应的操作指令，并执行操作指令。

本发明实施例提供的技术方案，移动终端能够控制设备在处于锁屏状态下，通过检测用户点击屏幕上的悬浮窗口启动语音识别交互页面，并采集用户输入的语音信息；且在确定语音信息对应的操作指令后，执行对应的操作。该方案用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

实施例三

图3为本发明实施例三提供的一种语音交互方法的流程图，本实施例在上述实施例的基础上，进一步对确定所述语音信息对应的操作指令，并执行操作指令进行优化。参见图3，该方法具体包括：

S310，控制本机设备在处于锁屏状态下启动语音识别交互页面。

S320，采集用户输入的语音信息。

S330，若语音信息对应的操作指令是对本机设备中目标应用的调用指令，则依据语音信息调用目标应用。

其中，目标应用是指配置在移动终端上的某一个工具或应用程序，如可以是导航应用、搜索应用(如浏览器)或即时通信工具(如微信或QQ)等；调用指令是指用于指示移动终端调用本机设备中目标应用的指令，可以包括目标应用名称，还可以包括语音信息中的关键信息如关键词等。

具体的，若移动终端接收的服务器下发的语音信息对应的操作指令是对本机设备中目标应用的调用指令，则可以依据语音信息确定关键信息，依据调用指令中目标应用名称调用目标应用，使目标应用依据关键信息执行对应操作；还可以是依据调用指令中的目标应用名称和关键信息，调用目标应用依据关键信息执行对应操作。

本实施例中，以目标应用为搜索应用和导航应用为例对依据语音信息调用目标应用进行说明。示例性的，依据语音信息调用目标应用可以包括：依据语音信息确定搜索词，并调用搜索应用依据搜索词进行搜索；或者，依据语音信息确定导航需求信息，并调用导航应用依据导航需求信息进行导航。

其中，搜索词可以是语音信息中的关键词，如用户语音信息为“帮我查询下XX城市今天的天气”，对应的搜索词为“XX城市”和“天气”。导航需求信息可以包括导航起始位置、终点位置、出行方式或路线要求(如最短路线或不拥堵)等。搜索应用是指移动终端上具有搜索功能的应用或工具如浏览器。可选的，默认的搜索应用为浏览器。

示例性的，搜索词和导航需求信息可以是服务器依据语音信息确定的，即调用指令不仅包括目标应用还可以包括搜索词或导航需求信息；搜索词和导航需求信息也可以是移动终端对语音信息进行识别后确定的。

需要说明的是，本实施例中的目标应用可以是移动终端中任一的应用，可用于任何用户与移动终端进行交互的场景下。

例如，用户想获知最新世界杯篮球赛事，可通过点击锁屏页面上的语音悬浮球启动语音识别交互页面，且在语音识别交互页面中输入的语音信息为“帮我搜索世界杯最新一期篮球赛事”。移动终端在采集到用户的语音信息后，将语音信息上报至服务器；服务器对语音信息进行识别后，确定语音信息对应的操作指令为调用浏览器的调用指令，向移动终端下发包括浏览器的调用指令；移动终端接收到该调用指令后，可对接收的语音信息进行识别确定搜索词为“世界杯”、“篮球赛事”和“最新一期”，依据调用指令调用浏览器并使浏览器依据搜索词进行搜索，并将搜索结果展示给用户，使用户可以浏览网页查询相关信息。

又例如，用户在开车过程中，可随时通过语音唤醒指令如“小度小度”控制移动终端启动语音识别交互页面，且在语音识别交互页面中输入的语音信息为“导航从A地到B地的最短路线”。移动终端在采集到用户的语音信息后，将语音信息上报至服务器；服务器对语音信息进行识别后，确定语音信息对应的操作指令为调用导航应用的调用指令，向移动终端下发包括导航应用的调用指令；移动终端接收到该调用指令后，可对接收的语音信息进行识别确定导航需求为“从A地到B地的最短路线”，依据调用指令调用导航应用并使导航应用依据导航需求信息进行导航，并将导航结果展示给用户。此过程中不需要用户手动解锁移动终端，即可获得导航路线，为用户的出行提供了便利。

示例性的，若目标应用为酷狗音乐，用户的语音信息为“播放陈奕迅的好久不见”。移动终端则依据服务器下发的包括调用酷狗音乐和陈奕迅的好久不见的调用指令，调用酷狗音乐播放陈奕迅的好久不见。

S340，展示目标应用的结果页面。

其中，结果页面是目标应用依据语音信息或调用指令中的关键信息如搜索词等执行相关操作后进入的页面，如搜索结果页面或导航应用的路线页面等。

本发明实施例提供的技术方案，移动终端能够控制设备在处于锁屏状态下启动语音识别交互页面，并采集用户输入的语音信息；且在确定语音信息对应的操作指令为目标应用的调用指令后，可依据语音信息调用目标应用。该方案用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

实施例四

图4为本发明实施例四提供的一种语音交互装置的结构框图，该装置可集成于移动终端中，可执行本发明任意实施例所提供的语音交互方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置可以包括：

控制模块410，用于控制本机设备在处于锁屏状态下启动语音识别交互页面；

语音信息采集模块420，用于采集用户输入的语音信息；

操作指令执行模块430，用于确定语音信息对应的操作指令，并执行操作指令。

本发明实施例提供的技术方案，移动终端能够控制设备在处于锁屏状态下启动语音识别交互页面，并采集用户输入的语音信息；且在确定语音信息对应的操作指令后，执行对应的操作。该方案用户无需解锁移动终端，直接在锁屏页面就可以完成自身需求，减少了操作路径，提高了内容获取效率，从而提升了用户的体验。

示例性的，控制模块410具体用于：

若检测到用户点击本机设备锁屏页面的悬浮窗口中内嵌的语音悬浮球，则启动语音识别交互页面。

示例性的，控制模块410还具体用于：

若在处于息屏状态下检测到用户的语音唤醒指令，则点亮屏幕以控制本机设备处于锁屏状态，且启动语音识别交互页面。

示例性的，操作指令执行模块430具体用于：

依据语音信息向服务器上报指令识别请求，其中，指令识别请求用于指示服务器识别语音信息对应的操作指令；

接收服务器下发的语音信息对应的操作指令。

示例性的，操作指令执行模块430可以包括：

目标应用调用单元，用于若语音信息对应的操作指令是对本机设备中目标应用的调用指令，则依据语音信息调用目标应用。

示例性的，目标应用调用单元具体用于：

依据语音信息确定搜索词，并调用搜索应用依据搜索词进行搜索；或者，依据语音信息确定导航需求信息，并调用导航应用依据导航需求信息进行导航。

示例性的，上述装置还可以包括：

结果展示模块，用于在依据语音信息调用目标应用之后，展示目标应用的结果页面。

实施例五

图5为本发明实施例五提供的一种设备的结构示意图，图5示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图5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5所示，设备12以通用计算设备的形式表现。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5未显示，通常称为“硬盘驱动器”)。尽管图5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。系统存储器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实施例各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器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通常执行本发明实施例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12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语音交互方法。

实施例六

本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序 (或称为计算机可执行指令)，该程序被处理器执行时可实现上述任意实施例所述的语音交互方法。

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实施例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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种语音交互方法，其特征在于，包括：

控制本机设备在处于锁屏状态下启动语音识别交互页面；

采集用户输入的语音信息；

确定所述语音信息对应的操作指令，并执行所述操作指令。

2.根据权利要求1所述的方法，其特征在于，控制本机设备在处于锁屏状态下启动语音识别交互页面，包括：

若检测到用户点击本机设备锁屏页面的悬浮窗口中内嵌的语音悬浮球，则启动语音识别交互页面。

3.根据权利要求1所述的方法，其特征在于，控制本机设备在处于锁屏状态下启动语音识别交互页面，包括：

若在处于息屏状态下检测到用户的语音唤醒指令，则点亮屏幕以控制本机设备处于锁屏状态，且启动语音识别交互页面。

4.根据权利要求1所述的方法，其特征在于，确定所述语音信息对应的操作指令，包括：

依据所述语音信息向服务器上报指令识别请求，其中，所述指令识别请求用于指示所述服务器识别所述语音信息对应的操作指令；

接收所述服务器下发的所述语音信息对应的操作指令。

5.根据权利要求1所述的方法，其特征在于，确定所述语音信息对应的操作指令，并执行所述操作指令，包括：

若所述语音信息对应的操作指令是对本机设备中目标应用的调用指令，则依据所述语音信息调用所述目标应用。

6.根据权利要求5所述的方法，其特征在于，依据所述语音信息调用所述目标应用，包括：

依据所述语音信息确定搜索词，并调用搜索应用依据所述搜索词进行搜索；或者，

依据所述语音信息确定导航需求信息，并调用导航应用依据所述导航需求信息进行导航。

7.根据权利要求5所述的方法，其特征在于，依据所述语音信息调用所述目标应用之后，还包括：

展示所述目标应用的结果页面。

8.一种语音交互装置，其特征在于，装置包括：

控制模块，用于控制本机设备在处于锁屏状态下启动语音识别交互页面；

语音信息采集模块，用于采集用户输入的语音信息；

操作指令执行模块，用于确定所述语音信息对应的操作指令，并执行所述操作指令。

9.一种设备，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1-7中任一项所述的语音交互方法。

10.一种存储介质，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1-7中任一项所述的语音交互方法。