CN109036417A - 用于处理语音请求的方法和装置 - Google Patents
用于处理语音请求的方法和装置 Download PDFInfo
- Publication number
- CN109036417A CN109036417A CN201810720401.2A CN201810720401A CN109036417A CN 109036417 A CN109036417 A CN 109036417A CN 201810720401 A CN201810720401 A CN 201810720401A CN 109036417 A CN109036417 A CN 109036417A
- Authority
- CN
- China
- Prior art keywords
- multimedia resource
- destination multimedia
- resource
- destination
- webpage
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000004044 response Effects 0.000 claims abstract description 62
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/432—Query formulation
- G06F16/433—Query formulation using audio data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9558—Details of hyperlinks; Management of linked annotations
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/54—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for retrieval
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/027—Concept to speech synthesisers; Generation of natural phrases from machine-based concepts
-
- 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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了用于处理语音请求的方法和装置。该方法的一具体实施方式包括:响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源;向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令。该实施方式扩展了语音服务内容的覆盖范围,提升了语音服务效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及语音技术领域,尤其涉及用于处理语音请求的方法和装置。
背景技术
智能语音服务是基于语音识别、语音合成等技术的语音服务技术。随着人工智能技术的发展,智能语音服务被越来越广泛地应用到各种场景中。
智能语音服务技术中,通常可以支持其后台服务器所维护的资源库的访问,例如可以支持智能音箱对语音服务器的音乐资源库中的音乐的播放。但语音服务器的资源库中资源数量有限,语音服务器可能难以提供符合用户需求的资源。
发明内容
本申请实施例提出了用于处理语音请求的方法和装置。
第一方面,本申请实施例提供了一种用于处理语音请求的方法,包括:响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源;向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令。
在一些实施例中,上述在多媒体资源库之外的资源库中搜索目标多媒体资源,包括:通过网页在多媒体资源库之外的资源库中搜索目标多媒体资源;以及上述向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令,包括:向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放目标多媒体资源的指令。
在一些实施例中,在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源之前,上述方法还包括:对获取的语音请求进行意图解析,以确定语音请求中请求播放的目标多媒体资源。
在一些实施例中,上述方法还包括:响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,查找与目标多媒体资源相似的多媒体资源;向智能语音设备发送播放与目标多媒体资源相似的多媒体资源的指令。
在一些实施例中,在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源之后,上述方法还包括:将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值;以及响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,查找与目标多媒体资源相似的多媒体资源,包括:响应于接收到智能语音设备在发送的在网页中播放完目标多媒体资源的通知消息,将播放方式参数的值设置为用于指示播放方式为非网页播放的参数值;响应于确定播放方式参数值指示当前的播放方式为非网页播放,在预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。
在一些实施例中,上述方法还包括:响应于接收到更改目标多媒体资源的播放状态的语音请求,向智能语音设备发送在网页中更改目标多媒体资源的播放状态的指令。
第二方面,本申请实施例提供了一种用于处理语音请求的装置,包括:搜索单元,被配置成响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源;发送单元,被配置成向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令。
在一些实施例中,上述搜索单元进一步被配置成:响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,通过网页在多媒体资源库之外的资源库中搜索目标多媒体资源;以及上述发送单元进一步被配置成:向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放目标多媒体资源的指令。
在一些实施例中,上述装置还包括解析单元,被配置成:在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源之前,对获取的语音请求进行意图解析,以确定语音请求中请求播放的目标多媒体资源。
在一些实施例中,上述装置还包括推荐单元,被配置成:响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,查找与目标多媒体资源相似的多媒体资源;向智能语音设备发送播放与目标多媒体资源相似的多媒体资源的指令。
在一些实施例中,上述装置还包括设置单元,设置单元被配置成在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源之后,将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值;以及上述推荐单元进一步被配置成:响应于接收到智能语音设备在发送的在网页中播放完目标多媒体资源的通知消息,将播放方式参数的值设置为用于指示播放方式为非网页播放的参数值;响应于确定播放方式参数值指示当前的播放方式为非网页播放,在预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。
在一些实施例中,上述装置还包括:更改单元,被配置成响应于接收到更改目标多媒体资源的播放状态的语音请求,向智能语音设备发送在网页中更改目标多媒体资源的播放状态的指令。
第三方面,本申请实施例提供了一种电子设备,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提供的用于处理语音请求的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现第一方面提供的用于处理语音请求的方法。
本申请上述实施例的用于处理语音请求的方法和装置,通过响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源;向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放目标多媒体资源的指令,扩展了语音服务内容的覆盖范围,能够提升语音服务效率。
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是本申请实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于处理语音请求的方法的一个实施例的流程图;
图3是根据本申请的用于处理语音请求的方法的另一个实施例的流程图;
图4是根据本申请的用于处理语音请求的方法的又一个实施例的流程图;
图5是本申请的用于处理语音请求的装置的一个结构示意图;
图6是适于用来实现本申请实施例的电子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用于处理语音请求的方法或用于处理语音请求的装置的示例性系统架构100。
如图1所示,系统架构100可以包括智能语音设备101、102、103,网络104、以及服务器105。网络104用以在智能语音设备101、102、103和服务器105之间提供通信链路的介质。网络104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可以使用智能语音设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。智能语音设备101、102、103可以是具有麦克风和扬声器并支持与用户和服务器105直接交互的各种电子设备,例如智能机器人、智能音箱、智能电视、智能冰箱等。智能语音设备101、102、103还可以具有显示屏。
服务器105可以是提供语音服务的语音服务器,语音服务器105可以对智能语音设备101、102、103发出的语音请求进行解析,根据解析结果查找数据并生成语音响应信息,并可以将语音响应信息通过网络104反馈给智能语音设备101、102、103。
需要说明的是,本申请实施例所提供的用于处理语音请求的方法可以由服务器105执行,相应地,用于处理语音请求的装置可以设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络、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、服务器。
继续参考图2,其示出了根据本申请的用于处理语音请求的方法的一个实施例的流程200。该用于处理语音请求的方法,包括以下步骤:
步骤201,响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源。
在本实施例中,用于处理语音请求的方法的执行主体(例如图1所示服务器)可以接收语音请求,并提取出语音请求中用于指示请求播放的目标多媒体资源的相关信息,例如可以提取出目标多媒体资源的资源标识、类型标识、创作者标识等信息,然后基于提取出的相关信息在预设的多媒体资源库中查找目标多媒体资源。其中,预设的多媒体资源库可以是上述执行主体维护的多媒体资源库,可以包括多种数据格式的多媒体资源库,例如包括图片资源库、视频资源库、音频资源库等等。
上述执行主体可以根据提取出的语音请求中用于指示请求播放的目标多媒体资源的相关信息,在预设的多媒体资源库中查找是否存在目标多媒体资源。具体可以将目标多媒体资源的相关信息与预设的多媒体资源库中的各预设多媒体资源的相关信息进行匹配,将匹配成功的预设多媒体资源作为目标多媒体资源的查找结果。若预设的多媒体资源库中未查找到相关信息与语音请求中提取出的用于指示请求播放的目标多媒体资源的相关信息匹配的多媒体资源,则可以确定预设的多媒体资源库中不存在目标多媒体资源。
在确定预设的多媒体资源库中不存在目标多媒体资源时,可以在上述预设的多媒体资源库之外的其他资源库中搜索目标多媒体资源。在这里,预设的多媒体资源库之外的其他资源库可以是由多媒体播放平台的服务器维护的多媒体资源库,例如各种视频播放软件或各种音乐播放软件维护的多媒体资源库。
在一些实施例中,上述在多媒体资源库之外的资源库中搜索目标多媒体资源的步骤可以包括:通过网页在多媒体资源库之外的资源库中搜索所述目标多媒体资源。上述执行主体可以通过网页浏览器在网页中搜索目标多媒体资源。具体可以根据从语音请求中提取出的目标多媒体资源的相关信息生成搜索条件,在网页中发起搜索,利用搜索引擎来搜索满足该相关信息的多媒体资源。可以将在网页中搜索到的满足从语音请求中提取出的指示目标多媒体资源的相关信息的多媒体资源作为搜索到的目标多媒体资源。
在实际场景中,用户可以向智能语音设备(例如智能音箱)发出播放多媒体资源的请求,例如用户可以发出“播放国语摇滚风格的歌曲”,或者“我想听泰坦尼克号的主题曲”的请求。智能音箱可以将该请求转发至语音服务器,语音服务器可以提取出用于表征请求播放的音乐曲目的风格信息“国语摇滚”或所属专辑的名称信息“泰坦尼克号”,然后可以在语音服务器的音乐库中查找是否存在相应的音乐曲目。在语音服务器的音乐库中未查找到相应的音乐曲目时,可以通过在网页中搜索“国语摇滚风格的歌曲”或“泰坦尼克号的主题曲”来查找相应的音乐曲目。
在本实施例的一些可选的实现方式中,在步骤201之前,上述用于处理语音请求的方法还可以包括:对获取的语音请求进行意图解析,以确定语音请求中请求播放的目标多媒体资源。具体可以通过智能语音设备获取用户发出的语音请求,利用语音识别技术将语音请求转换为对应的文本。然后对语音请求对应的文本,采用自然语言处理技术进行语义解析,例如可以采用基于关键词词典的关键词提取方法提取关键词,查找关键词对应的语义,或者可以将语音请求对应的文本输入已训练的语义解析机器学习模型,得到语义解析结果,从而获取发出语音请求的用户的意图。可选地,可以基于包含多媒体资源的属性信息的多媒体资源属性信息库与语音请求对应的文本进行匹配,提取出与多媒体资源属性信息匹配的关键词,并且将与语音请求对应的文本中的关键词匹配的多媒体资源属性信息对应的多媒体资源作为目标多媒体资源。在这里,多媒体资源属性信息库可以是基于对大量多媒体资源的属性信息的统计得到的,可以包括多个创作者的名称、多个专辑的名称、多种风格类型标签、多个播放热度值等等。
步骤202,向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令。
在网页中搜索到目标多媒体资源之后,可以将目标多媒体资源的链接地址发送至向上述执行主体发送语音请求的智能语音设备,同时,上述执行主体可以向智能语音设备发送播放目标多媒体资源的指令。播放目标多媒体资源的指令中可以包含触发播放操作的命令,该命令被执行时调用接收到的目标多媒体资源的链接地址。
在一些实施例中,若在执行步骤201中的在多媒体资源库之外的资源库中搜索目标多媒体资源的步骤时,采用了通过网页在多媒体资源库之外的资源库中搜索目标多媒体资源的方式,则在步骤202中,可以向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放目标多媒体资源的指令。
上述通过网页播放目标多媒体的指令可以包括播放目标多媒体的JavaScript命令。智能语音设备接收到该播放目标多媒体的JavaScript命令之后可以解析该命令,并启动网页浏览器,注入上述执行主体下发的JavaScript命令代码,通过“<audio>”标签加载目标多媒体内容的链接地址,即在“<audio>”标签中加载目标多媒体内容的URL(UniformResource Locator,统一资源定位符),来播放目标多媒体内容。
在本实施例的一些可选的实现方式中,上述智能语音设备可以预先部署有用于实现网页多媒体资源播放的模块,该模块中包含了用于实现网页多媒体资源播放的逻辑代码。在智能语音设备接收到通过网页播放目标多媒体资源的指令时,可以运行用于实现网页多媒体资源播放的模块中的相应逻辑代码,实现在智能语音设备端播放网页多媒体资源。
在本实施例的另一些可选的实现方式中,上述执行主体向智能语音设备发送的通过网页播放目标多媒体资源的指令可以包括用于实现对HTML5(Hyper Text MarkupLanguage,超文本标记语言五)网页播放进行控制的逻辑的JavaScript代码。在智能语音设备接收到通过网页播放目标多媒体资源的指令时,可以打开HTML5页面并注入接收到的用于实现对HTML5页面播放进行控制的逻辑的JavaScript代码,从而控制HTML5页面下的“<audio>”标签,实现多媒体资源的播放。
本申请上述实施例的用于处理语音请求的方法,通过响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源,向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令,能够扩展语音服务提供的内容的覆盖面,从而提升语音服务效率。
并且,在上述实施例的一些可选实现方式中,通过在网页中搜索,目标多媒体链接,并向智能语音设备下发通过网页播放目标多媒体资源的指令,能够实现基于语音的网页多媒体资源播放控制,实现了语音服务中富媒体的资源访问。能够有效地利用网页多媒体资源扩展语音服务内容的覆盖范围和语音服务的方式,进而可以提升语音服务效率。
在本实施例的一些可选的实现方式中,还可以基于搜索到的目标多媒体资源的属性信息生成语音响应信息。多媒体资源的属性信息可以包括多媒体资源的创作者、多媒体资源专辑的名称、多媒体资源的发布者等等。可以基于预先配置的话术模板,将多媒体属性信息添加至话术模板的对应槽位,并通过语音合成转换为对应的语音响应信息。例如当用户的语音请求为“我想听泰坦尼克号的主题曲”时,可以生成“在「XX音乐」搜索到「泰坦尼克号主题曲」,为你播放”的语音响应信息。其中,“「XX音乐」”和“「泰坦尼克号主题曲」”为添加至话术模板的对应槽位中的内容。
继续参考图3,其示出了根据本申请的用于处理语音请求的方法的另一个实施例的流程图。如图3所示,本实施例的用于处理语音请求的方法的流程300,包括以下步骤:
步骤301,响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源。
在本实施例中,用于处理语音请求的方法的执行主体(例如图1所示服务器)可以接收语音请求,并提取出语音请求中用于指示请求播放的目标多媒体资源的相关信息,以该相关信息为查询条件,在预设的多媒体资源库中查询是否存在目标多媒体资源。其中,预设的多媒体资源库可以是上述执行主体维护的多媒体资源库。若在预设的多媒体资源库中未查找到目标多媒体资源,则可以打开网页,将语音请求中用于指示请求播放的目标多媒体资源的相关信息作为搜索条件,通过网页搜索目标多媒体资源。
在本实施例的一些可选的实现方式中,在步骤301之前,还可以对获取的语音请求进行意图解析,以确定语音请求中请求播放的目标多媒体资源。具体可以在获取智能语音设备发送的语音请求后,采用语音识别技术将语音转换为文本,然后对文本进行基于关键词或意图识别模型的意图识别,确定语音请求所请求播放的目标多媒体资源的标识、风格类型、创作者等相关信息。
步骤302,向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放目标多媒体资源的指令。
在网页中搜索到目标多媒体资源之后,可以将目标多媒体资源的链接地址发送至向上述执行主体发送语音请求的智能语音设备,同时,上述执行主体可以向智能语音设备发送通过网页播放目标多媒体资源的指令。该通过网页播放目标多媒体的指令可以包括播放目标多媒体的JavaScript命令。智能语音设备接收到该播放目标多媒体的JavaScript命令之后可以解析该命令,并启动网页浏览器,注入上述执行主体下发的JavaScript命令代码,通过“<audio>”标签加载目标多媒体内容的链接地址,来播放目标多媒体内容。
本实施例中的步骤301、步骤302分别与前述实施例的步骤201、步骤202一致,步骤301、步骤302的具体实现方式可参考前述步骤201、步骤202的相关描述。
步骤303,响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,查找与目标多媒体资源相似的多媒体资源。
在本实施例中,智能语音设备在播放通过网页搜索到的目标多媒体资源后,可以而向上述执行主体上报播放完毕的通知消息。上述执行主体可以在接收到智能语音设备上报的在网页中播放完目标多媒体资源的通知消息之后,可以查找与目标多媒体内容相似的内容。
具体来说,多媒体资源可以预先配置有表征多媒体资源的属性特征的内容标签,内容标签可以包括但不限于:创作者标签、风格标签。多媒体资源集合名称标签、创作时间标签、标题标签等。上述执行主体在查找与目标多媒体资源相似的多媒体资源时,可以查找与目标多媒体资源具有相同或相似的内容标签的多媒体资源。上述执行主体也可以对多媒体资源的内容进行特征提取,得到多媒体资源的特征,然后基于多媒体资源的特征间的相似度来查找与目标多媒体资源相似的多媒体资源。
在本实施例的一些可选的实现方式中,上述执行主体可以响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,在预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。在本实施例的另一些可选的实现方式中,上述执行主体可以响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,通过网页搜索与目标多媒体资源相似的多媒体资源。
在本实施例的一些可选的实现方式中,上述执行主体中可以保存有预设的播放方式参数。预设的播放方式参数用于表征当前的播放方式为网页播放或非网页播放。在步骤301之后,用于处理语音请求的方法流程300还可以包括:将将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值。则在步骤303中,上述执行主体可以响应于接收到智能语音设备在发送的在网页中播放完目标多媒体资源的通知消息,将播放方式参数的值设置为用于指示播放方式为非网页播放的参数值,并响应于确定播放方式参数值指示当前的播放方式为非网页播放,在预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。即在查找与目标多媒体资源相似的多媒体资源之前,可以根据预设的播放方式参数的值判断播放方式参数是否指示当前的播放方式为非网页播放,若是,则可以在预设的多媒体资源库中进行相似多媒体资源的查找。
在一个示例性的场景中,当智能语音设备通过网页播放的音乐播放结束后,可以向语音服务器发送一个通知消息以告知语音服务器当前的音乐已播放完毕。这时,语音服务可以修改播放方式参数的值使播放方式参数指示当前播放方式为非网页播放。则语音服务器可以在自身维护的音乐资源库中查找与通过网页播放的音乐相类似的音乐。
步骤304,向智能语音设备发送播放与目标多媒体资源相似的多媒体资源的指令。
在查找到与目标多媒体资源相似的多媒体资源之后,可以向智能语音设备发送播放与目标多媒体资源相似的多媒体资源的指令,并可以同时将查找到的与目标多媒体资源相似的多媒体资源发送至智能语音设备以供智能语音设备播放。
在本实施例的一些可选的实现方式中,上述执行主体还可以按照预先配置的音乐推荐话术模板向智能语音设备发送用于告知用户即将播放与目标多媒体资源相似的多媒体资源的语音信息。例如上述执行主体可以向智能语音设备发送“以下好音乐也推荐给你”的语音信息,智能语音设备可以输出该语音信息。
从图3可以看出,本实施例中通过在网页多媒体资源播放结束后查找相似的多媒体资源,并向智能语音设备发送响应的播放指令,向用户可能感兴趣的多媒体资源,进一步提升了语音服务效率。
请参考图4,其示出了根据本申请的用于处理语音请求的方法的另一个实施例的流程图。如图4所示,本实施例的用于处理语音请求的方法的流程400,可以包括:
步骤401,响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源。
在本实施例中,用于处理语音请求的方法的执行主体(例如图1所示服务器)可以接收语音请求,并提取出语音请求中用于指示请求播放的目标多媒体资源的相关信息,以该相关信息为查询条件,在预设的多媒体资源库中查询是否存在目标多媒体资源。其中,预设的多媒体资源库可以是上述执行主体维护的多媒体资源库。若在预设的多媒体资源库中未查找到目标多媒体资源,则可以打开网页,将语音请求中用于指示请求播放的目标多媒体资源的相关信息作为搜索条件,通过网页搜索目标多媒体资源。
在本实施例的一些可选的实现方式中,在步骤401之前,还可以对获取的语音请求进行意图解析,以确定语音请求中请求播放的目标多媒体资源。具体可以在获取智能语音设备发送的语音请求后,采用语音识别技术将语音转换为文本,然后对文本进行基于关键词或意图识别模型的意图识别,确定语音请求所请求播放的目标多媒体资源的标识、风格类型、创作者等相关信息。
步骤402,向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放目标多媒体资源的指令。
在网页中搜索到目标多媒体资源之后,可以将目标多媒体资源的链接地址发送至向上述执行主体发送语音请求的智能语音设备,同时,上述执行主体可以向智能语音设备发送通过网页播放目标多媒体资源的指令。该通过网页播放目标多媒体的指令可以包括播放目标多媒体的JavaScript命令。智能语音设备接收到该播放目标多媒体的JavaScript命令之后可以解析该命令,并启动网页浏览器,注入上述执行主体下发的JavaScript命令代码,通过“<audio>”标签加载目标多媒体内容的链接地址,来播放目标多媒体内容。
本实施例中的步骤401、步骤402分别与前述实施例的步骤201、步骤202一致,步骤401、步骤402的具体实现方式可参考前述步骤201、步骤202的相关描述。
步骤403,响应于接收到更改目标多媒体资源的播放状态的语音请求,向智能语音设备发送在网页中更改目标多媒体资源的播放状态的指令。
在本实施例中,可以对通过网页的目标多媒体资源的播放进行控制。具体地,在通过网页播放目标多媒体资源时,可以接收用户通过智能语音设备发送的更改播放状态的语音请求,然后根据该请求生成相应的在网页中更改目标多媒体资源的播放状态的指令并发送至智能语音设备。在这里,更改播放状态的语音请求可以将当前的播放状态切换为其他播放状态的请求。更改播放状态可以包括但不限于:暂停播放、继续播放、退出播放、播放下一首、播放上一首等。
上述执行主体可以对通过网页播放目标多媒体资源过程中接收到的语音请求进行解析,判断发出语音请求的用户是否具有更改播放状态的意图。例如可以将语音请求转换为文本消息,然后通过自然语言处理技术解析得到用户意图。当解析到用户意图为更改当前的播放状态时,可以根据用户意图生成相应的在网页中执行播放状态更改操作的指令,例如生成更改播放状态的JavaScript指令,并发送至智能语音设备。智能语音设备可以通过在网页中加载接收到的指令来执行播放状态更改操作。
可选地,更改目标多媒体资源的播放状态的语音请求可以为请求播放下一首的语音请求,这时,上述执行主体可以识别出用户的意图为切换至下一首进行播放,则可以查找与目标多媒体资源相似的多媒体资源并推送至智能语音设备进行播放。可选地,上述执行主体还可以将预设的播放方式参数的值设置为用于指示播放方式为非网页播放的参数值,然后在上述预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。
可选地,更改目标多媒体资源的播放状态的语音请求可以为请求暂停/继续播放的语音请求。上述执行主体根据语音请求识别出用户的意图为暂停播放或继续播放时,可以检测当前的播放状态是否为网页播放状态,若是,则可以向智能语音设备发送通过网页暂停/继续播放目标多媒体资源的指令,该指令可以例如为JavaScript指令,智能语音设备接收到该JavaScript指令后,可以在网页中对JavaScript指令注入渲染,控制“<audio>标签”来执行暂停播放或继续播放的操作。
可选地,更改目标多媒体资源的播放状态的语音请求可以为退出播放多媒体资源的语音请求。上述执行主体根据语音请求识别出用户的意图为退出播放多媒体资源时,可以检测当前的播放状态是否为网页播放,若是,则可以向智能语音设备下发退出指令,该退出指令可以指示关闭智能语音设备打开的网页。智能语音设备可以在接收到退出指令后关闭网页并退出网页浏览器。
在本实施例的一些可选的实现方式中,在智能语音设备播放完目标多媒体资源后,可以上报通知消息,则上述执行主体可以响应于接收到智能设备发送的在网页中播放完目标多媒体资源的通知消息,在预设的多媒体资源库或在网页中查找与目标多媒体相似的多媒体资源,并向智能语音设备发送播放与目标多媒体资源相似的多媒体资源的指令。
进一步地,在上述步骤401之后,上述执行主体还可以将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值。这时,上述执行主体可以响应于接收到智能语音设备在发送的在网页中播放完目标多媒体资源的通知消息,将播放方式参数的值设置为用于指示播放方式为非网页播放的参数值;并响应于确定播放方式参数值指示当前的播放方式为非网页播放,在预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。也就是说,在接收到目标多媒体资源播放完毕的通知消息之后,上述执行主体可以将播放方式参数的值设置为用于指示播放方式为非网页播放的参数值,这时,可以在上述预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源来进行推荐播放。这样可以利用预设的多媒体资源库快速地提供用户感兴趣的多媒体资源,提升语音服务效率。
从图4可以看出,本实施例的用于处理语音请求的方法,通过在接收到更改目标多媒体资源的播放状态的语音请求时,向智能语音设备发送在网页中更改目标多媒体资源的播放状态的指令,实现了基于语音请求对网页播放多媒体资源的控制,提升了多媒体资源播放控制方式的灵活性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于处理语音请求的装置的一个实施例,该装置实施例与图2、图3、图4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,本实施例的用于处理语音请求的装置500可以包括:搜索单元501和发送单元502。其中,搜索单元501可以被配置成响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源;发送单元502可以被配置成向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令。
在一些实施例中,搜索单元501可以进一步被配置成:响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,通过网页在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源;以及发送单元502可以进一步被配置成:向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放所述目标多媒体资源的指令。
在一些实施例中,上述装置500还可以包括解析单元。解析单元被配置成:在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源之前,对获取的语音请求进行意图解析,以确定语音请求中请求播放的目标多媒体资源。
在一些实施例中,上述装置500还可以包括推荐单元。推荐单元被配置成:响应于接收到智能语音设备发送的在网页中播放完目标多媒体资源的通知消息,查找与目标多媒体资源相似的多媒体资源;向智能语音设备发送播放与目标多媒体资源相似的多媒体资源的指令。
在一些实施例中,上述装置500还可以包括设置单元。设置单元被配置成在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源之后,将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值。这时,上述推荐单元进一步被配置成:响应于接收到智能语音设备在发送的在网页中播放完目标多媒体资源的通知消息,将播放方式参数的值设置为用于指示播放方式为非网页播放的参数值;响应于确定播放方式参数值指示当前的播放方式为非网页播放,在预设的多媒体资源库中查找与目标多媒体资源相似的多媒体资源。
在一些实施例中,上述装置500还可以包括更改单元。更改单元被配置成响应于接收到更改目标多媒体资源的播放状态的语音请求,向智能语音设备发送在网页中更改目标多媒体资源的播放状态的指令。
应当理解,装置500中记载的诸单元与参考图2、图3和图4描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本申请上述实施例的用于处理语音请求的装置500,通过搜索单元响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源,发送单元向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令,扩展了语音服务内容的覆盖范围,从而提升了语音服务效率。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子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。
以下部件可以连接至I/O接口605:包括键盘、鼠标、麦克风等的输入部分606;包括诸如阴极射线管(CRT)、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。
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申请的操作的计算机程序代码,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)。
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:一种处理器包括搜索单元和发送单元。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,获取单元还可以被描述为“响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索目标多媒体资源的单元”。
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装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置执行上述实施例的用于处理语音请求的方法,具体可以使得该装置:响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在多媒体资源库之外的资源库中搜索目标多媒体资源;向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放目标多媒体资源的指令。
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 (14)
1.一种用于处理语音请求的方法,包括:
响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源;
向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放所述目标多媒体资源的指令。
2.根据权利要求1所述的方法,其中,所述在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源,包括:
通过网页在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源;以及
所述向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放所述目标多媒体资源的指令,包括:
向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放所述目标多媒体资源的指令。
3.根据权利要求1所述的方法,其中,在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源之前,所述方法还包括:
对获取的语音请求进行意图解析,以确定所述语音请求中请求播放的目标多媒体资源。
4.根据权利要求2所述的方法,其中,所述方法还包括:
响应于接收到所述智能语音设备发送的在网页中播放完所述目标多媒体资源的通知消息,查找与所述目标多媒体资源相似的多媒体资源;
向所述智能语音设备发送播放与所述目标多媒体资源相似的多媒体资源的指令。
5.根据权利要求4所述的方法,其中,在所述响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索所述目标多媒体资源之后,所述方法还包括:
将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值;以及
所述响应于接收到所述智能语音设备发送的在网页中播放完所述目标多媒体资源的通知消息,查找与所述目标多媒体资源相似的多媒体资源,包括:
响应于接收到所述智能语音设备在发送的在网页中播放完所述目标多媒体资源的通知消息,将所述播放方式参数的值设置为用于指示播放方式为非网页播放的参数值;
响应于确定播放方式参数值指示当前的播放方式为非网页播放,在所述预设的多媒体资源库中查找与所述目标多媒体资源相似的多媒体资源。
6.根据权利要求2-5任一项所述的方法,其中,所述方法还包括:
响应于接收到更改所述目标多媒体资源的播放状态的语音请求,向所述智能语音设备发送在网页中更改所述目标多媒体资源的播放状态的指令。
7.一种用于处理语音请求的装置,包括:
搜索单元,被配置成响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源;
发送单元,被配置成向智能语音设备发送搜索到的目标多媒体资源的链接地址以及播放所述目标多媒体资源的指令。
8.根据权利要求7所述的装置,其中,所述搜索单元进一步被配置成:
响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,通过网页在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源;以及
所述发送单元进一步被配置成:
向智能语音设备发送搜索到的目标多媒体资源的链接地址以及通过网页播放所述目标多媒体资源的指令。
9.根据权利要求7所述的装置,其中,所述装置还包括解析单元,被配置成:
在响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在所述多媒体资源库之外的资源库中搜索所述目标多媒体资源之前,对获取的语音请求进行意图解析,以确定所述语音请求中请求播放的目标多媒体资源。
10.根据权利要求8所述的装置,其中,所述装置还包括推荐单元,被配置成:
响应于接收到所述智能语音设备发送的在网页中播放完所述目标多媒体资源的通知消息,查找与所述目标多媒体资源相似的多媒体资源;
向所述智能语音设备发送播放与所述目标多媒体资源相似的多媒体资源的指令。
11.根据权利要求10所述的装置,其中,所述装置还包括设置单元,所述设置单元被配置成在所述响应于确定预设的多媒体资源库中不存在语音请求中请求播放的目标多媒体资源,在网页中搜索所述目标多媒体资源之后,将预设的播放方式参数的值设置为用于指示播放方式为网页播放的参数值;以及
所述推荐单元进一步被配置成:
响应于接收到所述智能语音设备在发送的在网页中播放完所述目标多媒体资源的通知消息,将所述播放方式参数的值设置为用于指示播放方式为非网页播放的参数值;
响应于确定播放方式参数值指示当前的播放方式为非网页播放,在所述预设的多媒体资源库中查找与所述目标多媒体资源相似的多媒体资源。
12.根据权利要求8-11任一项所述的装置,其中,所述装置还包括:
更改单元,被配置成响应于接收到更改所述目标多媒体资源的播放状态的语音请求,向所述智能语音设备发送在网页中更改所述目标多媒体资源的播放状态的指令。
13.一种电子设备,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1-6中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810720401.2A CN109036417B (zh) | 2018-07-03 | 2018-07-03 | 用于处理语音请求的方法和装置 |
US16/447,646 US20200012675A1 (en) | 2018-07-03 | 2019-06-20 | Method and apparatus for processing voice request |
JP2019122910A JP6867441B2 (ja) | 2018-07-03 | 2019-07-01 | 音声要求を処理するための方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810720401.2A CN109036417B (zh) | 2018-07-03 | 2018-07-03 | 用于处理语音请求的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109036417A true CN109036417A (zh) | 2018-12-18 |
CN109036417B CN109036417B (zh) | 2020-06-23 |
Family
ID=65521601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810720401.2A Active CN109036417B (zh) | 2018-07-03 | 2018-07-03 | 用于处理语音请求的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200012675A1 (zh) |
JP (1) | JP6867441B2 (zh) |
CN (1) | CN109036417B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175012A (zh) * | 2019-04-17 | 2019-08-27 | 百度在线网络技术(北京)有限公司 | 技能推荐方法、装置、设备及计算机可读存储介质 |
CN110246494A (zh) * | 2019-05-20 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 基于语音识别的服务请求方法、装置及计算机设备 |
CN111274819A (zh) * | 2020-02-13 | 2020-06-12 | 北京声智科技有限公司 | 资源获取方法及装置 |
CN111385633A (zh) * | 2018-12-27 | 2020-07-07 | Tcl集团股份有限公司 | 一种基于语音的资源搜索方法、智能终端及存储介质 |
CN112182046A (zh) * | 2019-07-05 | 2021-01-05 | 北京猎户星空科技有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN114679614A (zh) * | 2020-12-25 | 2022-06-28 | 深圳Tcl新技术有限公司 | 一种语音查询方法、智能电视及计算机可读存储介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11373633B2 (en) * | 2019-09-27 | 2022-06-28 | Amazon Technologies, Inc. | Text-to-speech processing using input voice characteristic data |
CN113703711A (zh) * | 2020-05-20 | 2021-11-26 | 阿里巴巴集团控股有限公司 | 播放音效控制方法、装置、电子设备和计算机存储介质 |
CN112492371B (zh) * | 2020-11-18 | 2023-02-17 | 海信视像科技股份有限公司 | 一种显示设备 |
CN112565813B (zh) * | 2020-12-10 | 2022-09-06 | 阿波罗智联(北京)科技有限公司 | 多媒体资源加载的方法、装置、电子设备及存储介质 |
CN114697713B (zh) * | 2020-12-29 | 2024-02-06 | 深圳Tcl新技术有限公司 | 语音助手控制方法、装置、存储介质及智能电视 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121641A1 (en) * | 2008-11-11 | 2010-05-13 | Aibelive Co., Ltd | External voice identification system and identification process thereof |
US20110064072A1 (en) * | 2002-05-13 | 2011-03-17 | Xudong Wang | Scalable Media Access Control for Multi-Hop High Bandwidth Communications |
US20120257739A1 (en) * | 2008-01-28 | 2012-10-11 | Ronen Shalom David | Method and a system for enabling multimedia ring-back-within the context of a voice-call |
CN102799603A (zh) * | 2011-04-28 | 2012-11-28 | 三星电子株式会社 | 提供链接列表的方法和应用所述方法的显示设备 |
CN103473361A (zh) * | 2013-09-26 | 2013-12-25 | 乐视致新电子科技(天津)有限公司 | 一种搜索方法和装置 |
CN103648052A (zh) * | 2013-12-23 | 2014-03-19 | 乐视致新电子科技(天津)有限公司 | 基于播放列表的智能电视媒体播放方法和装置、智能电视 |
CN104102729A (zh) * | 2008-09-08 | 2014-10-15 | 苹果公司 | 基于相似性数据的播放列表产生系统和方法 |
US20160225019A1 (en) * | 2002-10-01 | 2016-08-04 | Dylan T X Zhou | Systems and methods for digital multimedia capture using haptic control, cloud voice changer, protecting digital multimedia privacy, and advertising and sell products or services via cloud gaming environments |
US20160259538A1 (en) * | 2015-03-03 | 2016-09-08 | DStephens & Associates Partnership | Integrated agent player-client management system and method with automated event trigger initiated communications |
CN106528766A (zh) * | 2016-11-04 | 2017-03-22 | 北京云知声信息技术有限公司 | 相似歌曲推荐方法及装置 |
CN106817407A (zh) * | 2016-12-23 | 2017-06-09 | 四川九鼎瑞信软件开发有限公司 | 一种教学信息资源推送方法及系统 |
CN107222757A (zh) * | 2017-07-05 | 2017-09-29 | 深圳创维数字技术有限公司 | 一种语音搜索方法、机顶盒、存储介质、服务器和系统 |
CN107832434A (zh) * | 2017-11-15 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 基于语音交互生成多媒体播放列表的方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09222985A (ja) * | 1996-02-20 | 1997-08-26 | Fujitsu Ltd | 音声操作装置 |
JP2004062814A (ja) * | 2002-07-31 | 2004-02-26 | Sony Corp | コンテンツ参照装置及びコンテンツ参照方法、並びにコンピュータ・プログラム |
JP4528964B2 (ja) * | 2004-11-22 | 2010-08-25 | 独立行政法人産業技術総合研究所 | コンテンツ検索表示装置及び方法並びにプログラム |
KR101309794B1 (ko) * | 2012-06-27 | 2013-09-23 | 삼성전자주식회사 | 디스플레이 장치, 디스플레이 장치의 제어 방법 및 대화형 시스템 |
KR20140089876A (ko) * | 2013-01-07 | 2014-07-16 | 삼성전자주식회사 | 대화형 인터페이스 장치 및 그의 제어 방법 |
US20150278358A1 (en) * | 2014-04-01 | 2015-10-01 | Microsoft Corporation | Adjusting serp presentation based on query intent |
-
2018
- 2018-07-03 CN CN201810720401.2A patent/CN109036417B/zh active Active
-
2019
- 2019-06-20 US US16/447,646 patent/US20200012675A1/en not_active Abandoned
- 2019-07-01 JP JP2019122910A patent/JP6867441B2/ja active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110064072A1 (en) * | 2002-05-13 | 2011-03-17 | Xudong Wang | Scalable Media Access Control for Multi-Hop High Bandwidth Communications |
US20160225019A1 (en) * | 2002-10-01 | 2016-08-04 | Dylan T X Zhou | Systems and methods for digital multimedia capture using haptic control, cloud voice changer, protecting digital multimedia privacy, and advertising and sell products or services via cloud gaming environments |
US20120257739A1 (en) * | 2008-01-28 | 2012-10-11 | Ronen Shalom David | Method and a system for enabling multimedia ring-back-within the context of a voice-call |
CN104102729A (zh) * | 2008-09-08 | 2014-10-15 | 苹果公司 | 基于相似性数据的播放列表产生系统和方法 |
US20100121641A1 (en) * | 2008-11-11 | 2010-05-13 | Aibelive Co., Ltd | External voice identification system and identification process thereof |
CN102799603A (zh) * | 2011-04-28 | 2012-11-28 | 三星电子株式会社 | 提供链接列表的方法和应用所述方法的显示设备 |
CN103473361A (zh) * | 2013-09-26 | 2013-12-25 | 乐视致新电子科技(天津)有限公司 | 一种搜索方法和装置 |
CN103648052A (zh) * | 2013-12-23 | 2014-03-19 | 乐视致新电子科技(天津)有限公司 | 基于播放列表的智能电视媒体播放方法和装置、智能电视 |
US20160259538A1 (en) * | 2015-03-03 | 2016-09-08 | DStephens & Associates Partnership | Integrated agent player-client management system and method with automated event trigger initiated communications |
CN106528766A (zh) * | 2016-11-04 | 2017-03-22 | 北京云知声信息技术有限公司 | 相似歌曲推荐方法及装置 |
CN106817407A (zh) * | 2016-12-23 | 2017-06-09 | 四川九鼎瑞信软件开发有限公司 | 一种教学信息资源推送方法及系统 |
CN107222757A (zh) * | 2017-07-05 | 2017-09-29 | 深圳创维数字技术有限公司 | 一种语音搜索方法、机顶盒、存储介质、服务器和系统 |
CN107832434A (zh) * | 2017-11-15 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 基于语音交互生成多媒体播放列表的方法和装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111385633A (zh) * | 2018-12-27 | 2020-07-07 | Tcl集团股份有限公司 | 一种基于语音的资源搜索方法、智能终端及存储介质 |
CN111385633B (zh) * | 2018-12-27 | 2022-04-01 | Tcl科技集团股份有限公司 | 一种基于语音的资源搜索方法、智能终端及存储介质 |
CN110175012A (zh) * | 2019-04-17 | 2019-08-27 | 百度在线网络技术(北京)有限公司 | 技能推荐方法、装置、设备及计算机可读存储介质 |
CN110175012B (zh) * | 2019-04-17 | 2022-07-08 | 百度在线网络技术(北京)有限公司 | 技能推荐方法、装置、设备及计算机可读存储介质 |
CN110246494A (zh) * | 2019-05-20 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 基于语音识别的服务请求方法、装置及计算机设备 |
CN112182046A (zh) * | 2019-07-05 | 2021-01-05 | 北京猎户星空科技有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN112182046B (zh) * | 2019-07-05 | 2023-12-08 | 北京猎户星空科技有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN111274819A (zh) * | 2020-02-13 | 2020-06-12 | 北京声智科技有限公司 | 资源获取方法及装置 |
CN114679614A (zh) * | 2020-12-25 | 2022-06-28 | 深圳Tcl新技术有限公司 | 一种语音查询方法、智能电视及计算机可读存储介质 |
CN114679614B (zh) * | 2020-12-25 | 2024-02-06 | 深圳Tcl新技术有限公司 | 一种语音查询方法、智能电视及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20200012675A1 (en) | 2020-01-09 |
JP2020008854A (ja) | 2020-01-16 |
JP6867441B2 (ja) | 2021-04-28 |
CN109036417B (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109036417A (zh) | 用于处理语音请求的方法和装置 | |
CN107871500B (zh) | 一种播放多媒体的方法和装置 | |
CN107918653B (zh) | 一种基于喜好反馈的智能播放方法和装置 | |
US10643610B2 (en) | Voice interaction based method and apparatus for generating multimedia playlist | |
JP7335062B2 (ja) | 音声サービス提供方法および装置 | |
CN105654950B (zh) | 自适应语音反馈方法和装置 | |
CN109165302B (zh) | 多媒体文件推荐方法及装置 | |
CN110378732A (zh) | 信息显示方法、信息关联方法、装置、设备及存储介质 | |
US10560410B2 (en) | Method and system for communicating between a sender and a recipient via a personalized message including an audio clip extracted from a pre-existing recording | |
US20140337374A1 (en) | Locating and sharing audio/visual content | |
CN108228906B (zh) | 用于生成信息的方法和装置 | |
CN107895016A (zh) | 一种播放多媒体的方法和装置 | |
CN108924604A (zh) | 用于播放视频的方法和装置 | |
WO2009006844A1 (fr) | Procédé et système d'application d'un sémantème de page web | |
US10762130B2 (en) | Method and system for creating combined media and user-defined audio selection | |
CN109036397A (zh) | 用于呈现内容的方法和装置 | |
CN110324718A (zh) | 音视频生成方法、装置、电子设备及可读介质 | |
CN108933730A (zh) | 信息推送方法和装置 | |
CN109271556A (zh) | 用于输出信息的方法和装置 | |
CN108959087A (zh) | 测试方法和装置 | |
CN108292411A (zh) | 使用对象资产生成视频内容项目 | |
CN109255035A (zh) | 用于构建知识图谱的方法和装置 | |
CN109862100A (zh) | 用于推送信息的方法和装置 | |
CN105760420B (zh) | 实现与多媒体文件内容互动的方法及装置 | |
CN108573053A (zh) | 信息推送方法、装置和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210510 Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Patentee after: Shanghai Xiaodu Technology Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |