CN109509472A - 基于语音平台识别背景音乐的方法、装置及系统 - Google Patents

Abstract

本发明公开了一种基于语音平台识别背景音乐的方法，包括如下步骤：接收语音指令传输至语音平台；响应于语音平台根据语音指令下发的搜索指令，获取背景音乐信息传输至语音平台；接收语音平台对背景音乐信息的识别结果进行展示。根据本发明的另一个方面，还提供了一种基于语音平台识别背景音乐的装置和系统。根据本发明提供的方法、装置及系统，只需要一个语音指令即可实现背景音乐搜索，并且直接由语音平台对背景音乐进行识别，简单方便且快速，且可以保证信息的准确性。

Description

基于语音平台识别背景音乐的方法、装置及系统

技术领域

本发明涉及语音交互技术领域，特别是一种基于语音平台识别背景音乐的方法、装置及系统。

背景技术

目前智能家居产品发展迅速，例如对于新兴的电视盒子来说，为了使其更加智能化、适应更多用户的需求也在其产品设计上搭载了语音助手软件，但是在目前的市场上，还没有一款电视盒子产品具有识别背景音乐的功能。

当人们在看电视的时候，经常会听到很好听的背景音乐，但是由于不清楚曲子的名字，这时人们只能拿起手机或其他设备，通过其上安装的识别音乐的app去识别音乐或者去根据模糊记忆在网上直接搜索歌词等方式找到目标歌曲，然后下载存储起来，然而这种方式步骤繁琐，且出错率高。

发明内容

为了解决上述问题，发明人针对搭载有语音功能的智能产品，构思了根据智能产品自身搭载的语音功能模块与语音平台进行信息交互，从而实现在用户正在使用智能产品时，发现了想要查询的背景音乐，可以仅仅通过一个语音指令，就能够快速获取该背景音乐的名称等相关信息。

根据本发明的第一方面，提供了一种基于语音平台识别背景音乐的方法，包括如下步骤：

接收语音指令传输至语音平台；

响应于语音平台根据语音指令下发的搜索指令，获取背景音乐信息传输至语音平台；

接收语音平台对背景音乐信息的识别结果进行展示。

根据接收到的语音指令，语音平台可以通过直接获取背景音乐的信息，可以保证信息的准确性而且不会缺失掉任何有助于搜索的音乐信息，并且直接由语音平台对背景音乐进行识别，简单方便且快速，实现了准确查询的效果。

根据本发明的第二方面，提供了基于语音平台识别背景音乐的装置，包括语音指令获取模块，用于接收语音指令输出至语音平台；音乐信息获取模块，用于响应于语音平台根据语音指令下发的搜索指令，获取背景音乐信息传输至所述语音平台；和识别结果处理模块，用于接收语音平台对背景音乐信息的识别结果进行展示。

根据本发明的第三个方面，提供了基于语音识别背景音乐的系统，包括语音平台、音乐识别装置、和音频拾取装置，音乐识别装置为上述的基于语音平台识别背景音乐的装置，音频拾取装置用于拾取音频信息输出至音乐识别装置；音乐识别装置通过音频拾取装置获取语音指令和背景音乐信息；语音平台包括语音识别模块和音乐识别模块，语音识别模块，用于根据音乐识别装置的语音指令进行语音识别，生成搜索指令下发至音乐拾取装置；和音乐识别模块，用于根据背景音乐信息进行检测匹配，生成识别结果发送至音乐识别装置。

根据本发明的第四个方面，提供了一种电子设备，其包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法的步骤。

根据本发明的第五个方面，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上述方法的步骤。

根据本发明提供了方法及系统，可以实现仅仅基于用户的语音指令就能够对当前音乐进行实时捕获，并且是直接获取音乐原音即原始的音频数据信息，可以更加准备的对其进行检索获得最贴近的音乐名称和信息，克服了现有技术中根据用户的模糊搜索而产生的不准确且操作繁琐的问题。

附图说明

图1为本发明一实施方式的基于语音平台识别背景音乐的方法流程图；

图2为本发明一实施方式的基于语音平台识别背景音乐的装置框图；

图3为本发明另一种实施方式的基于语音平台识别背景音乐的装置框图；

图4为本发明另一种实施方式的基于语音平台识别背景音乐的系统框图；

图5为本发明一种实施方式的电子设备的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

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。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明实施例的基于语音平台识别背景音乐的方法可以应用于任何配置了语音功能的终端设备，例如，智能手机、平板电脑、智能家居(如智能电视)等终端设备，本发明对此不作限制。从而能够使得用户在使用这些终端设备的过程中，用更快捷的操作方式，获得更及时准确的响应，提升用户体验。

下面结合附图对本发明作进一步详细的说明。

图1示意性地显示了根据本发明的一种实施方式的基于语音平台识别背景音乐的方法流程图，如图1所示，本实施例中包括如下步骤：

步骤S101：接收语音指令传输至语音平台。其中，接收的语音指令可以通过近场语音识别获取或通过远场语音识别获取。

对于远场语音的获取的方式，示例性地，以通过智能电视设备为例，通常针对于想要获取电视播放的背景音乐的用户，具体实现为通过对用户的声音进行监听采集，例如通过音频采集板进行监听采集，该音频采集板可以设置在目标电视设备的电视盒子上，具有拾音功能，并且实时监控远场用户的声音，并将采集到的声音作为语音指令传输至语音平台进行语音识别分析。

针对于想要获取手机视频软件等播放的背景音乐或电视播放的背景音乐的用户，通过近场语音进行语音指令的实现方式例如为，在打开相应APP(如实现了本发明实施例方法的APP应用)时，通过手机的麦克风输出声音指令，或者通过电视的遥控器，按住对应功能的按键输出声音指令。并根据对麦克风或遥控器发出的语音生成语音指令输出至语音平台。以装有语音助手的智能盒子为例，该智能盒子安装在智能电视上，当用户在观看电视节目时，如电视剧，当播放到用户喜欢的背景音乐时，可以按住遥控器的识别语音按钮，对着遥控器发出含有“查询当前音乐”关键字的语音，这时语音助手就会捕获到该条语音，将该条语音指令发送至语音平台进行识别分析。

在一些实施方式中，语音平台可以实现为绑定于电视盒子上的智能化语音数据库，其内部存有音乐库并可以实时更新，可以实现即时性的对当前背景音乐进行识别，不需要用户再通过其它终端设备进行录音或在网上通过模糊搜索去查询，简单省力。

步骤S102：响应于语音平台根据语音指令下发的搜索指令，获取背景音乐信息传输至语音平台。

当语音平台收到该语音指令后，就会对该语音指令进行语音识别，在语音平台内可以包含有识别语音指令的模块，对接收的语音指令进行功能性识别，识别之后以JSON字符串的格式发送给目标设备(目标设备中集成了语音平台的sdk可以接收识别之后的语义)，如接收到上述发出的识别背景音乐的指令得出语音识别结果，将语音识别结果与预存的指令关键词进行匹配，就会匹配到当前语音指令是否为搜索背景音乐的，如果是则根据语音识别结果生成搜索指令下发至目标设备端，如与之绑定的智能电视盒子上，智能盒子接收到该搜索指令后，会对该JSON格式的搜索指令进行解析，并通过相应的调用接口发送至音频采集板或遥控器上，并通过音频采集板或遥控器对当前背景音乐的音频数据进行拾音。在具体实现方式中，遥控器中含有麦克风，可以通过蓝牙协议将检测到的音频信息发送到智能盒子。音频采集板也包含有麦克风，通过有线连接将检测到的音频信息发送到智能盒子中。其中通过拾音检测音频的方法可以参照现有技术实现，拾音完成后就会根据拾取的语音片段，截取部分语音生成第二语音指令传输至语音平台，第二语音指令即为语音片段截取完成后控制语音平台对获取的语音片段进行搜索的指令，截取语音片段的方式可以参照现有技术实现，生成第二语音指令是通过在客户端集成的语音平台SDK，将要上传的截取的语音片段封装为json格式的数据，并通过数据上传接口上传截取的数据(json格式的任何数据)。语音平台内配置有包含市面歌曲的歌词词库，对于含有歌词的语音片段，语音平台会抽取语音片段的歌词与其内部的歌词词库进行匹配，根据匹配程度生成识别结果，即识别度最高的为识别结果。对于不含有歌词的轻音乐，语音平台会根据轻音乐的音乐特征，例如乐曲旋律、乐曲节拍等信息与其内部存储的音乐库进行匹配，根据匹配程度生成识别结果，识别结果包括歌曲的名称或演唱者，对于纯音乐可以不包括有演唱者。在其它实施方式中，语音平台对于截取的语音片段的识别过程也可以参照大数据的实现方式，这样就可以达到同步获取音乐信息的效果，并且由于是由智能设备内部的拾音方式获取背景音乐片段，所以相比于用户通过其它设备录取的准确性更高，且用户操作更方便，只需要发出语音指令，不需要任何其他操作。

步骤S103：接收语音平台对背景音乐信息的识别结果进行展示。具体实现为语音平台将识别结果返回至用户请求查询的设备上以卡片、窗口等形式展现，这样用户就可以得到背景音乐的准确名称，可以去自行下载欣赏。

在优选实施方式中，在接收到语音平台对背景音乐信息的识别结果时，还会判断当前账户的权限，根据账户权限适配展示的内容和形式。对于当前账户的权限判断的方式可以根据连接的语音助手进行判断，查询其是否已经登陆以及登陆信息，通过登陆信息判断该用户的权限等级，并且对于有权限的用户，识别结果还包括将歌曲的音频链接存储至对应用户的账户音乐列表中，以方便用户随时收听，不需要再另行搜索歌曲名称自行下载试听。

根据上述基于语音平台识别背景音乐的方法，基于语音指令即可可以实现实时对当前背景音乐进行准确的识别，并且操作简单方便。

图2示意性地显示了根据本发明的一种实施方式的基于语音平台识别背景音乐的装置框图，如图2所示，

该基于语音平台识别背景音乐的装置2包括语音指令获取模块201、音乐信息获取模块202和识别结果处理模块203，语音指令获取模块201用于接收语音指令输出至语音平台3，实现为音频采集装置或与音频采集装置通信的软件，例如音频采集板、麦克风、具有录音功能的遥控装置、或该音频采集装置连接的用于获取语音信息的软件模块，根据用户输出的语音信息，生成语音指令至语音平台3，语音平台实现为远端的包含有语音识别模块的服务端(可以采用思必驰自己的语音识别平台实现，只需在其上配置与搜索背景音乐的语音指令匹配的关键词，在识别到类似关键词时，生成搜索指令和基于反馈的音乐片段进行搜索即可)，语音平台接收到该语音指令后会先对接收到的语音指令进行识别，并根据识别结果反馈回搜索指令，该搜索指令用于驱动该装置2的音乐信息获取模块202。音乐信息获取模块202实现为与设备内部的音频采集板等音频采集装置连接，用于响应于语音平台3根据语音指令下发的搜索指令，获取背景音乐信息传输至语音平台3，其中，获取背景音乐信息包括该背景音乐的音频片段(例如根据获取到的音频内容截取出的10秒的音频片段)，具体的实现方式可以参照上述的方法部分。语音平台3接收到该音频片段就会根据内部的音乐数据库或在线音乐数据库进行检索，生成识别结果(示例性地包括音乐名称、歌手、音乐链接等)，平台进行音乐搜索的具体实现方式可以参照现有技术，在此不进行赘述。识别结果处理模块203用于接收语音平台3对背景音乐信息的识别结果进行展示。展示的方式可以以卡片形式将歌曲名称、歌词演唱者进行展示。这样就可以快速的完成识别背景音乐的过程，并且简单可行性高。

图3示意性地显示了根据本发明的另一种实施方式的基于语音平台识别背景音乐的装置框图，如图3所示，

该基于语音平台识别背景音乐的装置2还包括身份认证模块204，用于接收账户信息进行身份认证，并将身份认证结果输出至识别结果处理模块203。该身份认证模块204可以为与电视的智能盒子绑定的语音助手内部自带的模块。可以根据内部端口调用当前用户信息，进而判断是否进行登陆，并根据登陆信息进行身份认证，例如白金用户、黄金用户等，不同的身份有不同的权限，将认证的权限传输至识别结果处理模块203。

识别结果处理模块203还用于根据身份认证结果对识别结果进行相应展示处理。当识别结果处理模块203接收到用户的身份认证结果，就会对有权限的用户不仅仅显示歌曲名称等，还会将该歌曲对应的音频链接存储至对应用户的歌曲存储列表中，支持用户随时欣赏。

图4示意性地显示了根据本发明的另一种实施方式的基于语音平台识别背景音乐的系统框图，如图4所示，

该基于语音识别背景音乐的系统4，包括语音平台3、音乐识别装置2、和音频拾取装置5，音乐识别装置2为上述的基于语音平台识别背景音乐的装置2，音频拾取装置5用于拾取音频信息输出至音乐识别装置2；音乐识别装置2通过音频拾取装置5获取语音指令和背景音乐信息；语音平台3包括语音识别模块301和音乐识别模块302，语音识别模块301用于根据音乐识别装置2的语音指令进行语音识别，生成搜索指令下发至音乐拾取装置；音乐识别模块302用于根据背景音乐信息进行检测匹配，生成识别结果发送至音乐识别装置2。并且，音频拾取装置与音乐识别装置为一体设计或分体设计，一体设计如手机本体和其上安装的识别APP，分体设计如电视和与其配套使用的遥控器或外接的音频采集板等。

该系统各装置的交互方式及具体实现方式可以参照上述的方法部分，根据本系统可以搭载到多场景，不仅限于电视的识别背景音乐的应用。

在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项基于语音平台识别背景音乐的方法。

在一些实施例中，本发明实施例还提供一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当所程序指令被计算机执行时，使计算机执行上述任一项基于语音平台识别背景音乐的方法。

在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使至少一个处理器能够执行基于语音平台识别背景音乐的方法。

在一些实施例中，本发明实施例还提供一种存储介质，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基于语音平台识别背景音乐的方法。

上述本发明实施例的基于语音平台识别背景音乐的装置可用于执行本发明实施例的基于语音平台识别背景音乐的方法，并相应的达到上述本发明实施例的实现基于语音平台识别背景音乐的方法所达到的技术效果，这里不再赘述。本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。

图5是本申请另一实施例提供的执行基于语音平台识别背景音乐的方法的电子设备的硬件结构示意图，如图5所示，该设备包括：

一个或多个处理器510以及存储器520，图5中以一个处理器510为例。

执行基于语音平台识别背景音乐的方法的设备还可以包括：输入装置530和输出装置540。

处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器520作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的基于语音平台识别背景音乐的方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于语音平台识别背景音乐的方法。

存储器520可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于语音平台识别背景音乐的装置的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至基于语音平台识别背景音乐的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置530可接收输入的数字或字符信息，以及产生与基于语音平台识别背景音乐的装置的用户设置以及功能控制有关的信号。输出装置540可包括显示屏等显示设备。

上述一个或者多个模块存储在所述存储器520中，当被所述一个或者多个处理器510执行时，执行上述任意方法实施例中的基于语音平台识别背景音乐的方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备、智能电视。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.基于语音平台识别背景音乐的方法，其特征在于，包括如下步骤：

接收语音指令传输至语音平台；

响应于所述语音平台根据所述语音指令下发的搜索指令，获取背景音乐信息传输至所述语音平台；

接收所述语音平台对所述背景音乐信息的识别结果进行展示。

2.根据权利要求1所述的基于语音平台识别背景音乐的方法，其特征在于，所述响应于所述语音平台根据所述语音指令下发的搜索指令，获取背景音乐信息传输至所述语音平台包括如下步骤：

启动音频部件对背景音乐进行拾音；

接收拾取的语音片段，截取生成第二语音指令传输至语音平台。

3.根据权利要求1或2所述的基于语音平台识别背景音乐的方法，其特征在于，所述接收的语音指令通过近场语音识别获取或通过远场语音识别获取。

4.根据权利要求3所述的基于语音平台识别背景音乐的方法，其特征在于，在接收到所述语音平台对所述背景音乐信息的识别结果时，还判断当前账户的权限，根据账户权限适配展示的内容和形式。

5.基于语音平台识别背景音乐的装置，其特征在于，包括

语音指令获取模块，用于接收语音指令输出至语音平台；

音乐信息获取模块，用于响应于所述语音平台根据所述语音指令下发的搜索指令，获取背景音乐信息传输至所述语音平台；和

识别结果处理模块，用于接收所述语音平台对所述背景音乐信息的识别结果进行展示。

6.根据权利要求5所述的基于语音平台识别背景音乐的装置，其特征在于，还包括

身份认证模块，用于接收账户信息进行身份认证，并将身份认证结果输出至所述识别结果处理模块；

所述识别结果处理模块还用于根据身份认证结果对识别结果进行相应展示处理。

7.基于语音识别背景音乐的系统，其特征在于，包括语音平台、音乐识别装置、和音频拾取装置，所述音乐识别装置为权利要求5或6所述的基于语音平台识别背景音乐的装置，

所述音频拾取装置用于拾取音频信息输出至所述音乐识别装置；

所述音乐识别装置通过所述音频拾取装置获取语音指令和背景音乐信息；

所述语音平台包括语音识别模块和音乐识别模块，

所述语音识别模块，用于根据所述音乐识别装置的语音指令进行语音识别，生成搜索指令下发至所述音乐拾取装置；和

所述音乐识别模块，用于根据所述背景音乐信息进行检测匹配，生成识别结果发送至所述音乐识别装置。

8.根据权利要求7所述的基于语音平台识别背景音乐的系统，其特征在于，所述音频拾取装置与所述音乐识别装置为一体设计或分体设计。

9.电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任意一项所述方法的步骤。

10.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权利要求1-4中任意一项所述方法的步骤。