CN109961792A - 用于识别语音的方法和装置 - Google Patents
用于识别语音的方法和装置 Download PDFInfo
- Publication number
- CN109961792A CN109961792A CN201910160480.0A CN201910160480A CN109961792A CN 109961792 A CN109961792 A CN 109961792A CN 201910160480 A CN201910160480 A CN 201910160480A CN 109961792 A CN109961792 A CN 109961792A
- Authority
- CN
- China
- Prior art keywords
- results
- semantic
- identification
- local
- identification text
- 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 58
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000000725 suspension Substances 0.000 description 7
- 238000004378 air conditioning Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/34—Adaptation of a single recogniser for parallel processing, e.g. by use of multiple processors or cloud computing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开的实施例公开了用于识别语音的方法和装置。该方法的一具体实施方式包括:响应于接收到用户输入的语音,检测当前网络状态;若当前网络状态良好,则将语音发送给语音识别服务器,以接收所述语音识别服务器返回的识别文字结果;将识别文字结果与本地预解析指令集进行匹配;若匹配成功,则执行识别文字结果对应的指令。该实施方式实现了离线在线混合语音识别,从而提高了语音识别速度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于识别语音的方法和装置。
背景技术
在车载场景下,离线在线混合的语音识别是一个重要的功能,由于车辆的移动特性,在车载场景中弱网场景是一个典型的应用场景,在一些高速、隧道、桥洞、无服务区等地段,并不能保证网络状况良好,所以车载语音交互产品的刚需是希望语音识别功能在弱网场景下也能够发挥优势。
通常车载语音识别装置在一次识别的过程中先进行语音转文字的识别,在弱网的状态下,语音转文字的过程中,先访问云端的语音识别服务器获取文字结果,如果云端访问超时后,会将采集到的语音传送给本地的语音识别引擎进行离线识别,识别到文字结果之后,会将文字结果发送给语义理解服务器,进行在线语义解析,服务器连接超时后,返回解析失败的结果。
发明内容
本公开的实施例提出了用于识别语音的方法和装置。
第一方面,本公开的实施例提供了一种用于识别语音的方法,包括:响应于接收到用户输入的语音,检测当前网络状态;若当前网络状态良好,则将语音发送给语音识别服务器,以接收所述语音识别服务器返回的识别文字结果;将识别文字结果与本地预解析指令集进行匹配;若匹配成功,则执行识别文字结果对应的指令。
在一些实施例中,该方法还包括:若当前网络状态不佳,则进行本地语音识别,得到识别文字结果。
在一些实施例中,该方法还包括:若匹配失败,则再次检测当前网络状态;若再次检测出网络状态为良好,则将识别文字结果发送到语义理解服务器,以在预定的时间内得到语义理解服务器返回的识别文字结果对应的语义结果,以及将语义结果与识别文字结果的对应关系存储在本地语义缓存区。
在一些实施例中,该方法还包括:若再次检测出网络状态不佳,则对识别文字结果进行本地语义解析;若本地语义解析成功,则处理识别文字结果对应的语义结果;若本地语义解析失败,则在本地语义缓存区对识别结果文字进行匹配搜索,将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在一些实施例中,该方法还包括:在本地语义缓存区对识别结果文字进行匹配搜索;若存在相似度高于预定相似度阈值的匹配结果,且在预定的时间内未接收到语义理解服务器返回的识别文字结果对应的语义结果,则将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在一些实施例中,该方法还包括:若不存在相似度高于预定相似度阈值的匹配结果,则返回解析失败结果,以及提示当前网络状态不佳。
第二方面,本公开的实施例提供了一种用于识别语音的装置,包括:检测单元,被配置成响应于接收到用户输入的语音,检测当前网络状态;发送单元,被配置成若当前网络状态良好,则将语音发送给语音识别服务器,以接收所述语音识别服务器返回的识别文字结果;匹配单元,被配置成将识别文字结果与本地预解析指令集进行匹配;执行单元,被配置成若匹配成功,则执行识别文字结果对应的指令。
在一些实施例中,该装置还包括语音识别单元,被配置成:若当前网络状态不佳,则进行本地语音识别,得到识别文字结果。
在一些实施例中,检测单元进一步被配置成若匹配失败,则再次检测当前网络状态;发送单元进一步被配置成若再次检测出网络状态为良好,则将识别文字结果发送到语义理解服务器,以在预定的时间内得到语义理解服务器返回的识别文字结果对应的语义结果,以及将语义结果与识别文字结果的对应关系存储在本地语义缓存区。
在一些实施例中,该装置还包括语义解析单元,被配置成:若再次检测出网络状态不佳,则对识别文字结果进行本地语义解析;若本地语义解析成功,则处理识别文字结果对应的语义结果;若本地语义解析失败,则在本地语义缓存区对识别结果文字进行匹配搜索,将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在一些实施例中,匹配单元进一步被配置成:在本地语义缓存区对识别结果文字进行匹配搜索;若存在相似度高于预定相似度阈值的匹配结果,且在预定的时间内未接收到语义理解服务器返回的识别文字结果对应的语义结果,则将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在一些实施例中,该装置还包括输出单元,被配置成:若不存在相似度高于预定相似度阈值的匹配结果,则返回解析失败结果,以及提示当前网络状态不佳。
第三方面,本公开的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,其上存储有一个或多个程序,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中任一的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的用于识别语音的方法和装置,在进行语音识别之前先进行网络状态检测,当网络状态良好时进行在线语音识别,当网络状态不佳时进行离线语音识别,然后再将语音识别的结果进行离线语义识别。无需两次访问云端服务器,针对弱网环境不友好,可以提高响应速度。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于识别语音的方法的一个实施例的流程图;
图3是根据本公开的用于识别语音的方法的又一个实施例的流程图;
图4是根据本公开的用于识别语音的方法的一个应用场景的示意图;
图5是根据本公开的用于识别语音的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的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公开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,本公开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公开。
图1示出了可以应用本公开的用于识别语音的方法或用于识别语音的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括麦克风101、控制器102、语音识别服务器103、语义理解服务器104。网络用以在控制器102、语音识别服务器103、语义理解服务器104之间提供通信链路的介质。网络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。
用户可以使用麦克风101向控制器102输入语音。然后控制器102通过网络与语音识别服务器103、语义理解服务器104交互,以接收或发送消息等。麦克风101可以是安装在无人车等移动装置上的语音输入设备,麦克风101还可以是手机、电脑等的内置设备。控制器可以是车载设备也可以是手机、电脑等的内置设备。控制器102具有接收和发送信息的功能。
语音识别服务器103,用于接收控制器102发送的语音,并将语音中的词汇内容转换为计算机可读的输入,例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同,后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。语音识别服务器102上安装有语音识别系统。语音识别系统一般分训练和解码两阶段。训练,即通过大量标注的语音数据训练声学模型。解码,即通过声学模型和语言模型将训练集外的语音数据识别成文字,训练的声学模型好坏直接影响识别的精度。
语义理解服务器103,用于接收控制器102发送的文字结果,并根据文字结果进行语义分析。语义分析指运用各种方法,学习与理解一段文本所表示的语义内容,任何对语言的理解都可以归为语义分析的范畴。一段文本通常由词、句子和段落来构成,根据理解对象的语言单位不同,语义分析又可进一步分解为词汇级语义分析、句子级语义分析以及篇章级语义分析。一般来说,词汇级语义分析关注的是如何获取或区别单词的语义,句子级语义分析则试图分析整个句子所表达的语义,而篇章语义分析旨在研究自然语言文本的内在结构并理解文本单元(可以是句子从句或段落)间的语义关系。简单地讲,语义分析的目标就是通过建立有效的模型和系统,实现在各个语言单位(包括词汇、句子和篇章等)的自动语义分析,从而实现理解整个文本表达的真实语义。
需要说明的是,语音识别服务器103、语义理解服务器104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或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于识别语音的方法一般由控制器102执行,相应地,用于识别语音的装置一般设置于控制器102中。
应该理解,图1中的麦克风、控制器、语音识别服务器、语义理解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麦克风、控制器、语音识别服务器、语义理解服务器。
继续参考图2,示出了根据本公开的用于识别语音的方法的一个实施例的流程200。该用于识别语音的方法,包括以下步骤:
步骤201,响应于接收到用户输入的语音,检测当前网络状态。
在本实施例中,用于识别语音的方法的执行主体(例如图1所示的控制器)可以通过有线连接方式或者无线连接方式从麦克风接收用户输入的语音。该语音可用于控制目标设备执行指令。因此需要对语音进行语音识别转换成文字结果,再将文字结果转换成可执行的指令。控制器可支持在线语音识别和在线语义理解。控制器还可由本地离线执行语音识别和语义理解。需要检测当前网络状态来判断是采用在线的方式还是离线的方式。网络状态可分为良好和不佳两种情况。不佳可包括断网或弱网。网络状态可根据以下指示来衡量:
1)流量指标:控制器的总流量(通过网管获取)。如果控制器的总流量大于流量阈值,说明流量达标。
2)发送报文状况指标:包括发送报文丢包率、发送速率、发送高速率报文比例。注:通过仪表或网管获取。如果控制器的发送报文状况指标中的每一项达到发送报文状况指标对应的预定标准,说明发送报文状况达标。
3)接收报文状况指标:包括接收报文错包率、接收速率、接收高速率报文比例。注:通过仪表获取,仅瞬时值,需手工统计。如果控制器的接收报文状况指标中的每一项达到接收报文状况指标对应的预定标准,说明接收报文状况达标。
4)射频信号指标:包括RSSI(Received Signal Strength Indication,接收的信号强度指示)值、信噪比。注:一般参考设计要求。如果控制器的射频信号指标中的每一项达到射频信号指标对应的预定标准,说明射频信号达标。
5)体验指标:包括漫游次数、RF Ping丢包与延时情况。注:漫游次数通过网管获取;RF Ping丢包与延时情况通过客户端测试工具。如果控制器的体验指标中的每一项达到体验指标对应的预定标准,说明体验指标达标。
如果控制器的上述指标都达标,则说明网络状态良好。如果有任何一项不达标,则说明网络状态为弱网。如果无法ping包,则说明断网。
每次识别开始前,先判断当前网络状态,如果网络状态良好,则直接启动在线识别。如果网络状态为弱网状态或断网,则直接启动离线识别,以保证识别能够快速返回结果(在线识别超时时间一般是5秒左右)。此时离线/在线识别都能快速返回识别结果。
步骤202,若当前网络状态良好,则将语音发送给语音识别服务器,以接收语音识别服务器返回的识别文字结果。
在本实施例中,如果网络状态良好,则选择在线语音识别。由云端的语音识别服务器来进行语音识别。可采用常用的语音识别技术来得到识别文字结果。语音识别的过程可包括:输入语音、语音端点检测、信号处理、提取声学特征、识别网络匹配、识别解码、置信度判决、识别文本结果。
步骤203,将识别文字结果与本地预解析指令集进行匹配。
在本实施例中,预先构建本地预解析指令集数据库,将每次云端语义解析结果都固定一类指令构造出一个指令语法池,如:打开空调、空调调到23度等拥有固定的解析结果的指令。先将文字结果放到本地预解析指令集数据库中匹配,匹配成功后直接返回语义结果。
步骤204,若匹配成功,则执行识别文字结果对应的指令。
在本实施例中,匹配成功后直接返回语义结果即识别文字结果对应的指令。执行该指令,例如,打开车窗、打开空调等。
本公开的上述实施例提供的方法实现了离线在线混合语音识别,本地预解析指令大大节省了解析时间,从而提高了语音识别速度。
进一步参考图3,其示出了用于识别语音的方法的又一个实施例的流程300。该网页生成方法的流程300,包括以下步骤:
步骤301,响应于接收到用户输入的语音,检测当前网络状态。
步骤302,若当前网络状态良好,则将语音发送给语音识别服务器,以接收语音识别服务器返回的识别文字结果。
步骤303,将识别文字结果与本地预解析指令集进行匹配。
步骤304,若匹配成功,则执行识别文字结果对应的指令。
步骤301-304与步骤201-204基本相同,因此不再赘述。
步骤305,若当前网络状态不佳,则进行本地语音识别,得到识别文字结果。
在本实施例中,如果网络状态为弱网状态或断网,则直接启动离线识别,以保证识别能够快速返回结果(在线识别超时时间一般是5秒左右)。
步骤306,若匹配失败,则再次检测当前网络状态。
在本实施例中,如果识别文字结果与本地预解析指令集进行匹配时匹配失败,则需要考虑发给语义理解服务器进行语义理解。在发送前检测一下网络状态,由于和接收到语音时已经间隔了一段时间,此时的网络状态可能已经变好了。
步骤307,若再次检测出网络状态为良好,则将识别文字结果发送到语义理解服务器,以在预定的时间内得到语义理解服务器返回的识别文字结果对应的语义结果,以及将语义结果与识别文字结果的对应关系存储在本地语义缓存区。
在本实施例中,在线语义解析成功后,会快速返回语义结果并进行相应语义处理。此时更新在线语义缓存区,将本条语义解析结果缓存至语义缓存区。
步骤308,若再次检测出网络状态不佳,则对识别文字结果进行本地语义解析。
在本实施例中,如果网络状态为弱网状态或断网,则进行本地语义解析,此时的本地语义解析能力比在线解析能力稍弱,并且不会携带相关在线资源。
步骤309,若本地语义解析成功,则处理识别文字结果对应的语义结果。
在本实施例中,例如识别文字结果是“天气怎么样”,则可将其转成语义结果:预定格式的结构体,包括类型、意图等。然后再根据类型、意图等确定出语义结果对应的指令,再执行该指令。例如,识别文字结果“天气怎么样”可得到语义结果:结构体{类型:查询,意图:天气预报}。确定出语义结果对应的指令为:查询天气预报。控制器可将指令发给搜索引擎,执行查询天气预报的操作。
步骤310,若本地语义解析失败,则在本地语义缓存区对识别结果文字进行匹配搜索,将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在本实施例中,本地语义缓存区已经存储了之前语义理解服务器返回的语义结果。在离线和在线语义解析都失败的情况下,可参考历史解析结果,从中找到最相似的语义结果。例如,用户输入的语音“今天天气好吗?”。由于网络不佳,需要进行本地解析,而本地解析失败,则从本地语义缓存区中存储的通过在线识别得到语义结果中找到相似度高于预定相似度阈值(例如,80%)的语义结果中最相似的语义结果。例如,查找到“天气怎么样”的相似度最高,达到90%,则可将“天气怎么样”对应的语义结果{类型:查询,意图:天气预报}进行处理。确定出相应的指令为:查询天气预报。控制器可将指令发给搜索引擎,执行查询天气预报的操作。
同时定义短于在线语义解析请求超时时间的本地容错时间,在在线语义解析请求时,在本地语义缓存区进行匹配搜索,如果本地语义缓存区有相似结果而且超过了本地容错时间云端语义解析服务器没有响应应,则直接返回本地缓存中的结果,同时取消本次在线语义解析请求。
如果语义缓存区无最优结果,而且语义服务器访问超时,再提示用户当前网络状态不佳。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于识别语音的方法的流程300体现了再次网络检测确定采用在线语义理解或离线语义理解的步骤。由此,本实施例描述的方案可以进一步提高语音识别响应速度,降低网络状态不佳造成的影响。
继续参见图4,图4是根据本实施例的用于识别语音的方法的应用场景的一个示意图。在图3的应用场景中,语音识别的过程如下所示:
(1)每次识别开始前,先判断当前网络状态,如果网络状态良好,则直接启动在线识别。如果网络状态为弱网状态或断网,则直接启动离线识别,以保证识别能够快速返回结果(在线识别超时时间一般是5秒左右)。此时离线/在线识别都能快速返回识别结果。
(2)构建本地预解析指令集数据库,将每次云端语义解析结果都固定一类指令构造出一个指令语法池,如:打开空调、空调调到23度等拥有固定的解析结果的指令。先将文字结果放到本地预解析指令集数据库中匹配,匹配成功后直接返回语义结果。
(3)本地预解析失败时,判断当前网络状态,如果网络状态良好,则直接使用在线语义解析;如果网络状态为弱网状态或断网,则进行本地语义解析,此时的本地语义解析能力比在线解析能力稍弱,并且不会携带相关在线资源。
(4)在线语义解析成功后,会快速返回语义结果并进行相应语义处理。此时更新在线语义缓存区,将本条语义解析结果缓存至语义缓存区。
(5)本地语义解析成功后,会快速返回语义结果并进行相应语义处理;本地语义解析失败后,在本地语义缓存区对识别结果文字进行模糊搜索,以匹配相似结果。
(6)同时定义短于在线语义解析请求超时时间的本地容错时间,在在线语义解析请求时,在本地语义缓存区进行匹配搜索,如果本地语义缓存区有相似结果而且超过了本地容错时间云端语义解析服务器没有响应,则直接返回本地缓存中的结果,同时取消本次在线语义解析请求。
(7)如果语义缓存区无最优结果,而且语义服务器访问超时,再提示用户当前网络状态不佳。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于识别语音的装置的一个实施例,该装置实施例与图2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,本实施例的用于识别语音的装置500包括:检测单元501、发送单元502、匹配单元503和执行单元504。其中,检测单元501,被配置成响应于接收到用户输入的语音,检测当前网络状态。发送单元502,被配置成若当前网络状态良好,则将语音发送给语音识别服务器,以接收语音识别服务器返回的识别文字结果。匹配单元503,被配置成将识别文字结果与本地预解析指令集进行匹配。执行单元504,被配置成若匹配成功,则执行识别文字结果对应的指令。
在本实施例中,用于识别语音的装置500的检测单元501、发送单元502、匹配单元503和执行单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中,装置500还包括语音识别单元(附图中未示出),被配置成:若当前网络状态不佳,则进行本地语音识别,得到识别文字结果。
在本实施例的一些可选的实现方式中,检测单元501进一步被配置成若匹配失败,则再次检测当前网络状态;发送单元502进一步被配置成若再次检测出网络状态为良好,则将识别文字结果发送到语义理解服务器,以在预定的时间内得到语义理解服务器返回的识别文字结果对应的语义结果,以及将语义结果与识别文字结果的对应关系存储在本地语义缓存区。
在本实施例的一些可选的实现方式中,装置500还包括语义解析单元(附图中未示出),被配置成:若再次检测出网络状态不佳,则对识别文字结果进行本地语义解析;若本地语义解析成功,则处理识别文字结果对应的语义结果;若本地语义解析失败,则在本地语义缓存区对识别结果文字进行匹配搜索,将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在本实施例的一些可选的实现方式中,匹配单元503进一步被配置成:在本地语义缓存区对识别结果文字进行匹配搜索;若存在相似度高于预定相似度阈值的匹配结果,且在预定的时间内未接收到语义理解服务器返回的识别文字结果对应的语义结果,则将相似度高于预定相似度阈值的匹配结果作为识别文字结果对应的语义结果进行处理。
在本实施例的一些可选的实现方式中,装置500还包括输出单元(附图中未示出),被配置成:若不存在相似度高于预定相似度阈值的匹配结果,则返回解析失败结果,以及提示当前网络状态不佳。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的控制器)600的结构示意图。本公开的实施例中的控制器可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的控制器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603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。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:响应于接收到用户输入的语音,检测当前网络状态;若当前网络状态良好,则将语音发送给语音识别服务器,以接收所述语音识别服务器返回的识别文字结果;将识别文字结果与本地预解析指令集进行匹配;若匹配成功,则执行识别文字结果对应的指令。
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公开的实施例的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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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。
描述于本公开的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:一种处理器包括检测单元、发送单元、匹配单元和执行单元。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,检测单元还可以被描述为“响应于接收到用户输入的语音,检测当前网络状态的单元”。
以上描述仅为本公开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,本公开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所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。例如上述特征与本公开中公开的(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)
1.一种用于识别语音的方法,包括:
响应于接收到用户输入的语音,检测当前网络状态;
若当前网络状态良好,则将所述语音发送给语音识别服务器,以接收所述语音识别服务器返回的识别文字结果;
将所述识别文字结果与本地预解析指令集进行匹配;
若匹配成功,则执行所述识别文字结果对应的指令。
2.根据权利要求1所述的方法,其中,所述方法还包括:
若当前网络状态不佳,则进行本地语音识别,得到识别文字结果。
3.根据权利要求1所述的方法,其中,所述方法还包括:
若匹配失败,则再次检测当前网络状态;
若再次检测出网络状态为良好,则将所述识别文字结果发送到语义理解服务器,以在预定的时间内得到所述语义理解服务器返回的所述识别文字结果对应的语义结果,以及将所述语义结果与所述识别文字结果的对应关系存储在本地语义缓存区。
4.根据权利要求3所述的方法,其中,所述方法还包括:
若再次检测出网络状态不佳,则对所述识别文字结果进行本地语义解析;
若本地语义解析成功,则处理所述识别文字结果对应的语义结果;
若本地语义解析失败,则在所述本地语义缓存区对所述识别结果文字进行匹配搜索,将相似度高于预定相似度阈值的匹配结果作为所述识别文字结果对应的语义结果进行处理。
5.根据权利要求3所述的方法,其中,所述方法还包括:
在所述本地语义缓存区对所述识别结果文字进行匹配搜索;
若存在相似度高于预定相似度阈值的匹配结果,且在预定的时间内未接收到所述语义理解服务器返回的所述识别文字结果对应的语义结果,则将相似度高于预定相似度阈值的匹配结果作为所述识别文字结果对应的语义结果进行处理。
6.根据权利要求4或5所述的方法,其中,所述方法还包括:
若不存在相似度高于预定相似度阈值的匹配结果,则返回解析失败结果,以及提示当前网络状态不佳。
7.一种用于识别语音的装置,包括:
检测单元,被配置成响应于接收到用户输入的语音,检测当前网络状态;
发送单元,被配置成若当前网络状态良好,则将所述语音发送给语音识别服务器,以接收所述语音识别服务器返回的识别文字结果;
匹配单元,被配置成将所述识别文字结果与本地预解析指令集进行匹配;
执行单元,被配置成若匹配成功,则执行所述识别文字结果对应的指令。
8.根据权利要求7所述的装置,其中,所述装置还包括语音识别单元,被配置成:
若当前网络状态不佳,则进行本地语音识别,得到识别文字结果。
9.根据权利要求7所述的装置,其中,
所述检测单元进一步被配置成若匹配失败,则再次检测当前网络状态;
所述发送单元进一步被配置成若再次检测出网络状态为良好,则将所述识别文字结果发送到语义理解服务器,以在预定的时间内得到所述语义理解服务器返回的所述识别文字结果对应的语义结果,以及将所述语义结果与所述识别文字结果的对应关系存储在本地语义缓存区。
10.根据权利要求9所述的装置,其中,所述装置还包括语义解析单元,被配置成:
若再次检测出网络状态不佳,则对所述识别文字结果进行本地语义解析;
若本地语义解析成功,则处理所述识别文字结果对应的语义结果;
若本地语义解析失败,则在所述本地语义缓存区对所述识别结果文字进行匹配搜索,将相似度高于预定相似度阈值的匹配结果作为所述识别文字结果对应的语义结果进行处理。
11.根据权利要求9所述的装置,其中,所述匹配单元进一步被配置成:
在所述本地语义缓存区对所述识别结果文字进行匹配搜索;
若存在相似度高于预定相似度阈值的匹配结果,且在预定的时间内未接收到所述语义理解服务器返回的所述识别文字结果对应的语义结果,则将相似度高于预定相似度阈值的匹配结果作为所述识别文字结果对应的语义结果进行处理。
12.根据权利要求10或11所述的装置,其中,所述装置还包括输出单元,被配置成:
若不存在相似度高于预定相似度阈值的匹配结果,则返回解析失败结果,以及提示当前网络状态不佳。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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 (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160480.0A CN109961792B (zh) | 2019-03-04 | 2019-03-04 | 用于识别语音的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160480.0A CN109961792B (zh) | 2019-03-04 | 2019-03-04 | 用于识别语音的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961792A true CN109961792A (zh) | 2019-07-02 |
CN109961792B CN109961792B (zh) | 2022-01-11 |
Family
ID=67023979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910160480.0A Active CN109961792B (zh) | 2019-03-04 | 2019-03-04 | 用于识别语音的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961792B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144128A (zh) * | 2019-12-26 | 2020-05-12 | 北京百度网讯科技有限公司 | 语义解析方法和装置 |
CN111292753A (zh) * | 2020-02-28 | 2020-06-16 | 广州国音智能科技有限公司 | 一种离线语音识别方法、装置和设备 |
CN111640434A (zh) * | 2020-06-05 | 2020-09-08 | 三星电子(中国)研发中心 | 用于控制语音设备的方法和装置 |
CN111653067A (zh) * | 2020-06-12 | 2020-09-11 | 杭州海康威视数字技术股份有限公司 | 智能家居设备及基于音频的报警方法 |
CN111768774A (zh) * | 2020-06-12 | 2020-10-13 | 苏州思必驰信息科技有限公司 | 一种语音导航方法、装置及存储设备 |
CN112164392A (zh) * | 2020-11-13 | 2021-01-01 | 北京百度网讯科技有限公司 | 确定显示的识别文本的方法、装置、设备以及存储介质 |
CN112331207A (zh) * | 2020-09-30 | 2021-02-05 | 音数汇元(上海)智能科技有限公司 | 服务内容监控方法、装置、电子设备和存储介质 |
CN113129896A (zh) * | 2019-12-30 | 2021-07-16 | 北京猎户星空科技有限公司 | 一种语音交互方法、装置、电子设备及存储介质 |
CN113658601A (zh) * | 2021-08-18 | 2021-11-16 | 开放智能机器(上海)有限公司 | 语音交互方法、装置、终端设备、存储介质及程序产品 |
JP2022037100A (ja) * | 2020-12-22 | 2022-03-08 | 北京百度網訊科技有限公司 | 車載機器の音声処理方法、装置、機器及び記憶媒体 |
CN114550719A (zh) * | 2022-02-21 | 2022-05-27 | 青岛海尔科技有限公司 | 语音控制指令的识别方法和装置、存储介质 |
CN114610727A (zh) * | 2020-12-09 | 2022-06-10 | 博泰车联网科技(上海)股份有限公司 | 离线语音识别库的更新方法及装置、语音识别方法及系统 |
CN114944155A (zh) * | 2021-02-14 | 2022-08-26 | 成都启英泰伦科技有限公司 | 一种终端硬件和算法软件处理相结合的离线语音识别方法 |
CN115410579A (zh) * | 2022-10-28 | 2022-11-29 | 广州小鹏汽车科技有限公司 | 语音交互方法、语音交互装置、车辆和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2596456A1 (en) * | 2006-08-08 | 2008-02-08 | Accenture Global Services Gmbh | Mobile audio content delivery system |
CN102779509A (zh) * | 2011-05-11 | 2012-11-14 | 联想(北京)有限公司 | 语音处理设备和语音处理方法 |
CN105118508A (zh) * | 2015-09-14 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 语音识别方法和装置 |
CN105261366A (zh) * | 2015-08-31 | 2016-01-20 | 努比亚技术有限公司 | 语音识别方法、语音引擎及终端 |
CN105978760A (zh) * | 2016-06-27 | 2016-09-28 | 桂林电子科技大学 | 一种基于C4.5决策树的VoIP流量在线识别方法 |
CN109410927A (zh) * | 2018-11-29 | 2019-03-01 | 北京蓦然认知科技有限公司 | 离线命令词与云端解析结合的语音识别方法、装置和系统 |
-
2019
- 2019-03-04 CN CN201910160480.0A patent/CN109961792B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2596456A1 (en) * | 2006-08-08 | 2008-02-08 | Accenture Global Services Gmbh | Mobile audio content delivery system |
CN102779509A (zh) * | 2011-05-11 | 2012-11-14 | 联想(北京)有限公司 | 语音处理设备和语音处理方法 |
CN105261366A (zh) * | 2015-08-31 | 2016-01-20 | 努比亚技术有限公司 | 语音识别方法、语音引擎及终端 |
CN105118508A (zh) * | 2015-09-14 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 语音识别方法和装置 |
CN105978760A (zh) * | 2016-06-27 | 2016-09-28 | 桂林电子科技大学 | 一种基于C4.5决策树的VoIP流量在线识别方法 |
CN109410927A (zh) * | 2018-11-29 | 2019-03-01 | 北京蓦然认知科技有限公司 | 离线命令词与云端解析结合的语音识别方法、装置和系统 |
Non-Patent Citations (1)
Title |
---|
何旻中等: "《计算机网络与工程》", 31 January 2012, 中国铁道出版社 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144128A (zh) * | 2019-12-26 | 2020-05-12 | 北京百度网讯科技有限公司 | 语义解析方法和装置 |
CN113129896A (zh) * | 2019-12-30 | 2021-07-16 | 北京猎户星空科技有限公司 | 一种语音交互方法、装置、电子设备及存储介质 |
CN113129896B (zh) * | 2019-12-30 | 2023-12-12 | 北京猎户星空科技有限公司 | 一种语音交互方法、装置、电子设备及存储介质 |
CN111292753A (zh) * | 2020-02-28 | 2020-06-16 | 广州国音智能科技有限公司 | 一种离线语音识别方法、装置和设备 |
CN111640434A (zh) * | 2020-06-05 | 2020-09-08 | 三星电子(中国)研发中心 | 用于控制语音设备的方法和装置 |
CN111653067A (zh) * | 2020-06-12 | 2020-09-11 | 杭州海康威视数字技术股份有限公司 | 智能家居设备及基于音频的报警方法 |
CN111768774A (zh) * | 2020-06-12 | 2020-10-13 | 苏州思必驰信息科技有限公司 | 一种语音导航方法、装置及存储设备 |
CN112331207A (zh) * | 2020-09-30 | 2021-02-05 | 音数汇元(上海)智能科技有限公司 | 服务内容监控方法、装置、电子设备和存储介质 |
CN112164392A (zh) * | 2020-11-13 | 2021-01-01 | 北京百度网讯科技有限公司 | 确定显示的识别文本的方法、装置、设备以及存储介质 |
CN114610727A (zh) * | 2020-12-09 | 2022-06-10 | 博泰车联网科技(上海)股份有限公司 | 离线语音识别库的更新方法及装置、语音识别方法及系统 |
EP3958256A3 (en) * | 2020-12-22 | 2022-06-15 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Voice processing method, apparatus, device and storage medium for vehicle-mounted device |
JP2022037100A (ja) * | 2020-12-22 | 2022-03-08 | 北京百度網訊科技有限公司 | 車載機器の音声処理方法、装置、機器及び記憶媒体 |
JP7213943B2 (ja) | 2020-12-22 | 2023-01-27 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 車載機器の音声処理方法、装置、機器及び記憶媒体 |
CN114944155A (zh) * | 2021-02-14 | 2022-08-26 | 成都启英泰伦科技有限公司 | 一种终端硬件和算法软件处理相结合的离线语音识别方法 |
CN114944155B (zh) * | 2021-02-14 | 2024-06-04 | 成都启英泰伦科技有限公司 | 一种终端硬件和算法软件处理相结合的离线语音识别方法 |
CN113658601A (zh) * | 2021-08-18 | 2021-11-16 | 开放智能机器(上海)有限公司 | 语音交互方法、装置、终端设备、存储介质及程序产品 |
CN114550719A (zh) * | 2022-02-21 | 2022-05-27 | 青岛海尔科技有限公司 | 语音控制指令的识别方法和装置、存储介质 |
CN115410579A (zh) * | 2022-10-28 | 2022-11-29 | 广州小鹏汽车科技有限公司 | 语音交互方法、语音交互装置、车辆和可读存储介质 |
WO2024088085A1 (zh) * | 2022-10-28 | 2024-05-02 | 广州小鹏汽车科技有限公司 | 语音交互方法、语音交互装置、车辆和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109961792B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961792A (zh) | 用于识别语音的方法和装置 | |
US8682640B2 (en) | Self-configuring language translation device | |
US8380512B2 (en) | Navigation using a search engine and phonetic voice recognition | |
US20240021202A1 (en) | Method and apparatus for recognizing voice, electronic device and medium | |
CN108428446A (zh) | 语音识别方法和装置 | |
JP7213943B2 (ja) | 車載機器の音声処理方法、装置、機器及び記憶媒体 | |
CN110047481A (zh) | 用于语音识别的方法和装置 | |
CN109712610A (zh) | 用于识别语音的方法和装置 | |
CN112735418B (zh) | 一种语音交互的处理方法、装置、终端及存储介质 | |
US11783808B2 (en) | Audio content recognition method and apparatus, and device and computer-readable medium | |
CN110956955B (zh) | 一种语音交互的方法和装置 | |
CN113486170B (zh) | 基于人机交互的自然语言处理方法、装置、设备及介质 | |
CN112417158A (zh) | 文本数据分类模型的训练方法、分类方法、装置和设备 | |
US11188199B2 (en) | System enabling audio-based navigation and presentation of a website | |
CN116762078A (zh) | 用于聊天机器人会话的实体解析 | |
US9224388B2 (en) | Sound recognition method and system | |
CN114765025A (zh) | 语音识别模型的生成方法、识别方法、装置、介质及设备 | |
CN113889091A (zh) | 语音识别方法、装置、计算机可读存储介质及电子设备 | |
CN111400463A (zh) | 对话响应方法、装置、设备和介质 | |
CN112087726B (zh) | 彩铃识别的方法及系统、电子设备及存储介质 | |
CN113076397A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
CN109887490A (zh) | 用于识别语音的方法和装置 | |
CN112269468A (zh) | 基于蓝牙、2.4g、wifi连接获取云端资讯的人机交互智能眼镜、方法及其平台 | |
CN116486815A (zh) | 车载语音信号处理方法及装置 | |
US20200159824A1 (en) | Dynamic Contextual Response Formulation |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211011 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 100085 third floor, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |