CN110647305B - 应用程序的语音交互方法、装置、设备和介质 - Google Patents

Abstract

本申请实施例公开了一种应用程序的语音交互方法、装置、设备和介质，涉及语音技术领域。具体实现方案为：响应关于应用程序的语音指令注册请求，获取应用程序在目标程序状态下支持的注册语音指令集合，其中，注册语音指令集合中包括语音指令和与每个语音指令对应的应用程序可识别的回调指令；获取在目标程序状态下，针对应用程序的用户语音指令；将用户语音指令在注册语音指令集合中进行匹配，确定用户语音指令对应的回调指令；向应用程序发送回调指令，以使得应用程序根据回调指令执行与用户语音指令相匹配的操作。本申请实施例可以提高对用户语音指令的响应准确率，简化各应用程序的语音交互功能的实现过程。

Description

应用程序的语音交互方法、装置、设备和介质

技术领域

本申请实施例涉及计算机技术领域，尤其涉及语音技术领域，具体涉及一种应用程序的语音交互方法、装置、设备和介质。

背景技术

目前，有的电子设备用于显示的屏幕尺寸很小，能显示的内容也就有限，例如便携智能手表，屏幕支持的触控操作较少；有的电子设备虽然具有尺寸较大的显示屏幕，但是在特定场景下用户不方便进行触控操作，例如用户开车时为了确保驾驶安全，不方便去触碰车载人机交互系统的显示屏，或者用户在用手机边听歌边做家务时，由于手上有其他东西，也不方便用手去触控手机屏幕。针对上述情况，通过语音交互来操作电子设备，便会给用户带来极大的便利性。

然而，在现有技术中，电子设备中支持语音控制的应用程序与语音识别模块之间属于相互独立的模块，当各应用程序存在语音控制需求时，需要通过电子设备操作系统对语音识别模块进行调用，然后逐一识别用户的语音指令，导致各应用程序的语音交互功能实现过程繁琐，而且对用户语音指令的响应准确率较低。

发明内容

本申请实施例公开一种应用程序的语音交互方法、装置、设备和介质，以提高对用户语音指令的响应准确率，简化各应用程序的语音交互功能的实现过程。

第一方面，本申请实施例公开了一种应用程序的语音交互方法，包括：

响应关于应用程序的语音指令注册请求，获取所述应用程序在目标程序状态下支持的注册语音指令集合，其中，所述注册语音指令集合中包括语音指令和与每个语音指令对应的所述应用程序可识别的回调指令；

获取在所述目标程序状态下，针对所述应用程序的用户语音指令；

将所述用户语音指令在所述注册语音指令集合中进行匹配，确定所述用户语音指令对应的回调指令；

向所述应用程序发送所述回调指令，以使得所述应用程序根据所述回调指令执行与所述用户语音指令相匹配的操作。

上述申请中的一个实施例具有如下优点或有益效果：通过各应用程序向语音交互装置的主动语音指令注册，可以形成多个应用程序与语音交互装置之间相互通信的框架协议，对各应用程序进行语音控制过程中无需重复通过电子设备系统对语音交互装置进行调用；语音交互装置获取到用户在应用程序的目标程序状态下的语音指令后，可以有针对性的在该目标程序状态下的注册语音指令集合中进行匹配，可以提高对用户语音指令的响应效率和识别准确率。

可选的，所述目标程序状态包括所述应用程序当前所处的程序状态。

上述申请中的一个实施例具有如下优点或有益效果：可以实现随着应用程序的当前程序状态的变化，应用程序向语音交互装置进行动态的语音指令注册，确保语音交互装置获取的注册语音指令与应用程序支持的语音指令之间的实时匹配性。

可选的，所述响应关于应用程序的语音指令注册请求，获取所述应用程序在目标程序状态下支持的注册语音指令集合，包括：

利用预先配置的注册接口，响应关于所述应用程序的语音指令注册请求，将所述应用程序的目标程序状态、所述应用程序在所述目标程序状态下支持的语音指令以及所述语音指令对应的回调指令作为所述注册接口的参数进行获取。

上述申请中的一个实施例具有如下优点或有益效果：语音交互装置向外提供的注册接口具有通用性，有助于建立起各应用程序与语音交互装置之间通用的通信协议框架，使得电子设备中各应用程序与语音交互装置之间不再是相互孤立的模块。

可选的，向所述应用程序发送所述回调指令，包括：

获取所述应用程序的唯一性标识，并根据所述唯一性标识向对应的应用程序发送所述回调指令。

可选的，所述方法还包括：

获取所述应用程序的语音播报请求，利用预先配置的语音播报接口，播报与所述语音播报请求对应的语音信息，其中，所述语音播放接口支持被多个应用程序调用。

上述申请中的一个实施例具有如下优点或有益效果：通过语音交互装置为不同应用程序提供同一个语音播报接口，可以避免不同应用程序分别集成不同的文本转语音信息，减少对电子设备硬件存储空间的消耗，还可以保证各应用程序的信息播报声音的一致性。

可选的，所述方法还包括：

响应关于所述应用程序的语音指令注销请求，在所述应用程序在所述目标程序状态下支持的注册语音指令集合中，注销与所述语音指令注销请求对应的语音指令。

可选的，在所述响应关于应用程序的语音指令注册请求，获取所述应用程序在目标程序状态下支持的注册语音指令集合之前，所述方法还包括：

根据设备操作系统指示确定参与语音交互的应用程序；或者

通过识别含有程序信息的用户语音，确定参与语音交互的应用程序。

可选的，所述方法还包括：

获取所述注册语音指令集合中每个语音指令在语音交互过程中支持的有效时间；

如果在所述有效时间内对应的注册语音指令没有被匹配到，则所述有效时间内对应的注册语音指令失效。

上述申请中的一个实施例具有如下优点或有益效果：通过语音交互装置获取语音指令支持的有效时间，可以避免应用程序在错误的时间执行某些语音指令，并且由于特定指令无效之后，注册指令集合中参与指令匹配的指令数量减少，因而可以减少语音交互过程对电子设备中央处理器的和内存的占用。

第二方面，本申请实施例还公开了一种应用程序的语音交互装置，包括：

注册语音指令集合获取模块，用于响应关于应用程序的语音指令注册请求，获取所述应用程序在目标程序状态下支持的注册语音指令集合，其中，所述注册语音指令集合中包括语音指令和与每个语音指令对应的所述应用程序可识别的回调指令；

用户语音指令获取模块，用于获取在所述目标程序状态下，针对所述应用程序的用户语音指令；

语音指令匹配模块，用于将所述用户语音指令在所述注册语音指令集合中进行匹配，确定所述用户语音指令对应的回调指令；

回调指令发送模块，用于向所述应用程序发送所述回调指令，以使得所述应用程序根据所述回调指令执行与所述用户语音指令相匹配的操作。

第三方面，本申请实施例还公开了一种电子设备，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如本申请实施例任一所述的应用程序的语音交互方法。

第四方面，本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请实施例任一所述的应用程序的语音交互方法。

根据本申请实施例的技术方案，通过支持语音交互功能的各应用程序，根据程序状态向语音交互装置注册各程序状态下支持的语音指令集合，语音交互装置获取到用户在目标程序状态下的语音指令后，可以有针对性的在该目标程序状态下的注册语音指令集合中进行匹配，提高了对用户语音指令的响应效率，同时提高了对用户语音指令的响应准确率；并且，通过各应用程序向语音交互装置的主动语音指令注册，形成了多个应用程序与语音交互装置之间相互通信的框架协议，对各应用程序进行语音控制过程中无需重复通过电子设备系统对语音交互装置进行调用，简化了各应用程序的语音交互功能的实现过程。上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例公开的一种应用程序的语音交互方法的流程图；

图2是根据本申请实施例公开的另一种应用程序的语音交互方法的流程图；

图3是根据本申请实施例公开的一种应用程序的语音交互装置的结构示意图；

图4是根据本申请实施例公开的一种电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请实施例公开的一种应用程序的语音交互方法的流程图，本实施例可以适用于通过用户语音与电子设备上的至少一个应用程序进行交互，或者对电子设备上的不同应用程序进行语音控制的情况。本实施例方案可以由应用程序的语音交互装置来执行，该装置可以采用软件和/或硬件的方式实现，并可与各应用程序一起集成在任意的电子设备上，例如车载设备、车机系统、移动终端、电脑、平板电脑、智能交互机器人等。本实施例中语音交互装置的功能包括获取用户语音并对用户语音进行识别，语音交互装置也可以称为语音识别装置。

如图1所示，本实施例公开的应用程序的语音交互方法可以包括：

S101、响应关于应用程序的语音指令注册请求，获取应用程序在目标程序状态下支持的注册语音指令集合，其中，注册语音指令集合中包括语音指令和与每个语音指令对应的应用程序可识别的回调指令。

本实施例中，电子设备上可以安装多个应用程序，并且，在每个应用程序的语音交互过程中，预先按照每个应用程序在不同程序状态下支持的语音指令，向语音交互装置进行分类注册，使得语音交互装置可以预先获取到每个应用程序在不同程序状态下支持的语音指令集合，每个程序状态下支持的语音指令以及指令数量与应用程序的功能设计有关，本实施例不作具体限定，即每个语音指令集合中可以包括至少一个语音指令。每个应用程序可以在其语音交互功能被启用后，即向语音交互装置发送语音指令注册请求，以请求注册其在各程序状态下支持的语音指令集合；每个应用程序也可以在其语音交互功能被启用后，根据当前程序状态，向语音交互装置发送关于当前程序状态下支持的语音指令的注册请求，即目标程序状态包括应用程序当前所处的程序状态，在此情况下，随着应用程序的当前程序状态的变化，应用程序向语音交互装置进行动态的语音指令注册，可以确保语音交互装置获取的注册语音指令与应用程序支持的语音指令之间的实时匹配性。

程序状态可以根据应用程序的功能，以及语音识别过程中对语音指令的分类粒度进行确定。示例性的，应用程序的目标程序状态可以包括但不限于应用程序的安装完成状态、应用程序的启动完成状态，以及应用程序的页面显示状态。并且，对于不同程序状态，可以由应用程序统一向语音交互装置进行语音指令的注册，也可以通过调用电子设备中与应用程序相关的不同模块或装置进行语音指令的注册。

例如，对于应用程序的安装完成状态，即应用程序被安装后支持的语音指令，可以通过调用电子设备中应用程序的安装模块或装置向语音交互装置进行注册，当语音交互装置识别在安装完成状态下获取的用户语音指令后就会通知安装模块启动该安装好的应用程序，或者直接由语音交互装置向电子设备操作系统发消息，请求电子设备启动该安装好的应用程序，当应用程序被卸载后，当前注册的语音指令注销；对于应用程序的启动完成状态，即应用程序被启动后支持的语音指令，可以由应用程序向语音交互装置进行注册；对于应用程序的页面显示状态，即在程序显示页面上支持的语音指令，可以由应用程序显示的页面向语音交互装置进行注册。

可选的，在响应关于应用程序的语音指令注册请求，获取应用程序在目标程序状态下支持的注册语音指令集合之前，该方法还包括：

根据设备操作系统指示确定参与语音交互的应用程序；或者

通过识别含有程序信息的用户语音，确定参与语音交互的应用程序。

在启动特定应用程序的语音交互功能之前，用户可以通过在电子设备上进行触控操作，电子设备根据用户的触控操作确定将要参与语音交互的应用程序，并指示给语音交互装置；或者，用户可以在启动特定应用程序的语音交互功能之前，向语音交互装置发送包含该应用程序信息的语音，以使得语音交互装置对该语音进行识别后确定将要参与语音交互的应用程序，其中，应用程序信息包括应用程序的名称或者功能关键词等，在可以实现对不同应用程序进行区分的基础上，本实施例对应用程序信息的具体内容不作限定。

S102、获取在目标程序状态下，针对应用程序的用户语音指令。

如果每个应用程序根据当前程序状态，向语音交互装置注册当前程序状态下支持的语音指令集合，目标程序状态即指当前程序状态，语音交互装置获取当前的用户语音指令，便可直接在当前的注册语音指令集合中进行匹配。

如果每个应用程序按照程序状态与语音指令集合的对应关系，预先将各个程序状态下支持的语音指令集合均向语音交互装置进行注册，则在语音交互过程中，语音交互装置不仅需要实时获取用户语音指令，还需要实时获取应用程序的程序状态，基于实时获取的程序状态，利用前述对应关系，确定获取的用户语音指令对应的回调指令。

语音交互装置获取各应用程序注册的语音指令集合后，进行本地存储，在语音交互过程中可以减少网络请求，有助于加快对用户语音指令的识别速度。

S103、将用户语音指令在注册语音指令集合中进行匹配，确定用户语音指令对应的回调指令。

在注册语音指令集合中，语音指令和对应的回调指令可以采用键值对的形式进行对应存储。

S104、向应用程序发送回调指令，以使得应用程序根据回调指令执行与用户语音指令相匹配的操作。

示例性的，向应用程序发送回调指令，包括：获取应用程序的唯一性标识，并根据唯一性标识向对应的应用程序发送回调指令。其中，唯一性标识用于区分和标记不同的应用程序，可以包括应用程序的在电子设备系统中的程序包名等信息。语音交互装置可以在确定当前参与语音交互的应用程序时，即获取应用程序的唯一性标识；也可以在应用程序向语音交互装置进行语音指令注册的过程中获取其唯一性标识，本实施例不作具体限定。

根据本申请实施例的技术方案，通过支持语音交互功能的各应用程序，根据程序状态向语音交互装置注册各程序状态下支持的语音指令集合，语音交互装置获取到用户在目标程序状态下的语音指令后，可以有针对性的在该目标程序状态下的注册语音指令集合中进行匹配，提高了对用户语音指令的响应效率，同时提高了对用户语音指令的识别准确率，实现了一种全程的实时语音交互，免去了电子设备屏幕的触控操作以及键盘等外接设备的输入操作；并且，通过各应用程序向语音交互装置的主动语音指令注册，形成了多个应用程序与语音交互装置之间相互通信的框架协议，对各应用程序进行语音控制过程中无需重复通过电子设备系统对语音交互装置进行调用，简化了各应用程序的语音交互功能的实现过程。

图2是根据本申请实施例公开的另一种应用程序的语音交互方法的流程图，基于上述实施方式进一步进行优化与扩展，并可以与上述实施方式中各个可选技术方案结合。如图2所示，该方法可以包括：

S201、利用预先配置的注册接口，响应关于应用程序的语音指令注册请求，将应用程序的目标程序状态、应用程序在目标程序状态下支持的语音指令以及语音指令对应的回调指令作为注册接口的参数进行获取，并将以注册接口参数形式获取的各信息作为注册语音指令集合。

本实施例中，语音交互装置可以向外提供各种通信接口，通过各通信接口实现与各应用程序的信息交互，建立起各应用程序与语音交互装置之间通用的通信协议框架，使得电子设备中各应用程序与语音交互装置之间不再是相互孤立的模块。对语音交互装置而言，一是可以获取电子设备中支持语音交互功能的应用程序包括哪些，二是可以获取各应用程序在不同语音指令下分别执行哪些操作、完成哪些功能；三是可以获知需要利用何种方式让应用程序执行准确的响应操作。

根据信息交互的不同需求，通信接口可以包括不同的类型，例如通信接口可以包括语音指令的注册接口、注销接口以及语音播报接口等。其中，各应用程序可以通过语音指令的注册接口实现对用户语音指令的响应，各应用程序可以通过语音指令的注销接口注销之前注册的一个或者多个语音指令，各应用程序可以通过相同的语音播报接口播报语音信息。根据预设通信协议，每个通信接口中可以包括不同的参数，每个参数传递特定类型的数据。

S202、获取在目标程序状态下，针对应用程序的用户语音指令。

S203、将用户语音指令在注册语音指令集合中进行匹配，确定用户语音指令对应的回调指令。

S204、向应用程序发送回调指令，以使得应用程序根据回调指令执行与用户语音指令相匹配的操作。

以下作为示例，对语音指令的注册接口可以包括的参数进行示例性说明：

第一个参数可以是语音交互装置需要识别的语音指令或者应用程序在目标程序状态下支持的语音指令，下文简称指令A，例如“打开地图”、“导航到x地点”、“确定”、“取消”、“返回”等。

第二个参数可以是执行指令A的应用程序在电子设备的操作系统里的唯一性标识或者唯一性识别代号，例如可以是应用程序的包名。利用应用程序的唯一性标识，可以便于语音交互装置识别出用户语音指令之后，迅速确定能够响应该用户指令的应用程序。

第三个参数可以是指令A需要支持的程序状态。按照应用程序状态的不同，可以对应用程序支持的语音指令进行分类。例如第一类可以是应用程序被安装后即可支持的语音指令，响应语音指令的生命周期可以与电子设备的系统生命周期一样，比如地图应用程序被安装后，即支持“打开地图”的语音指令；第二类可以是应用程序被启动后即可支持的语音指令，响应语音指令的生命周期与该应用程序进程的生命周期一样，不管应用程序当前是否显示在前台，只要该应用程序进程运行在后台就支持的语音指令，比如只要地图应用程序进程在运行，就支持“退出地图”、“打开电子狗”等语音指令；第三类可以是应用程序显示在前台时支持的语音指令，响应语音指令的生命周期仅限于当前页面，比如支持响应当前显示页面的返回按钮的操作，支持对当前显示的对话框的“确定”或“取消”按钮的响应等。在本实施例中，第三类语音指令的识别优先级最高，指令响应周期也最短，即在应用程序的语音交互过程中，可以优先在应用程序当前显示页面支持的注册语音指令集合中进行匹配。

第四个参数可以是指令A对应的应用程序的显示页面，如果指令A不是应用程序在前台运行时支持的指令，则第四个参数可以是空值。

第五个参数可以是指令A在第三个参数描述的程序状态下对应的回调指令，回调指令与语音指令采用键值对的形式一一对应。例如在地图应用程序中，“开始导航”指令对应的回调指令可以是“NAVI_CMD_16”，该回调指令可以被地图应用程序准确的识别。当语音交互装置识别到用户发出的“开始导航”指令后，便向地图应用程序发送“NAVI_CMD_16”的消息，地图应用程序收到该消息后便执行导航操作。

需要说明的是，上述五个参数也可以合并为一个参数，前提是需要通过键值对的形式表明每一对键值对代表的含义。

对于应用程序的语音指令注册返回结果，可以直接是代表成功还是失败的布尔类型的true或false，也可以是键值对类型，例如返回结果里的result为true或false。如果应用程序的语音指令注册失败，语音交互装置可以将注册失败的原因以及注册结果一并发送至应用程序，例如，如果注册失败类型或注册错误类型(error_type)为1001，表示当前应用程序注册的语音指令与已经被其他应用程序注册的语音指令存在冲突；如果注册失败类型或注册错误类型为1002，表示当前应用程序注册的语音指令不符合指令注册要求，在语音交互过程中，如果用户发出与该注册语音指令对应的语音时，用户语音指令是不能被准确识别的，例如用户语音指令过于简短、过于复杂或者过于常见等原因导致不便于识别。

在上述技术方案的基础上，可选的，本实施例方法还包括：

获取应用程序的语音播报请求，利用预先配置的语音播报接口，播报与语音播报请求对应的语音信息，其中，语音播放接口支持被多个应用程序调用。通过语音交互装置为不同应用程序提供同一个语音播报接口，当不同的应用程序存在语音信息的播报需求时，可以调用该语音播报接口将需要播报的信息传递给语音交互装置的语音播放模块进行播放，避免了不同应用程序分别集成不同的文本转语音信息(Text To Speech，TTS)，减少了对电子设备硬件存储空间的消耗，还可以让各应用程序采用相同的声音进行信息播报，避免了同一电子设备上不同的应用程序的播放声音质量不一致的现象。

可选的，本实施例方法还包括：

响应关于应用程序的语音指令注销请求，在应用程序在目标程序状态下支持的注册语音指令集合中，注销与语音指令注销请求对应的语音指令。

具体的，各应用程序可以调用语音交互装置向外提供的语音指令注销接口，以接口参数的形式的向语音交互装置发送需要注销的语音指令，该接口参数可以包括应用程序的唯一性标识、需要注销的语音指令以及该语音指令对应的程序状态。当特定语音指令被注销之后，语音交互装置在应用程序的语音交互过程中，便可以不再监测该应用程序支持的该特定语音指令对应的用户语音。语音交互装置将特定语音指令进行注销，可以是指将特定语音指令从语音交互装置的存储空间移除，也可以是指将该特定语音指令的状态设置为不可用状态或失效状态，或者称为指令关闭状态。相应的，语音指令在没有被注销之前的状态为可用状态或者称为指令开启状态。

可选的，本实施例方法还包括：

获取注册语音指令集合中每个语音指令在语音交互过程中支持的有效时间；

如果在有效时间内对应的注册语音指令没有被匹配到，则有效时间内对应的注册语音指令失效。

示例性的，该有效时间也可以作为语音指令注册接口的一个参数，在应用程序向语音交互装置注册语音指令时，一起发送给语音交互装置。例如语音指令A在语音交互过程中支持的有效时间为5秒，如果在应用程序的当前程序状态下，基于获取的用户语音指令，在5秒内语音指令A没有被匹配到，则5秒之后语音指令A自动注销，变为应用程序在当前程序状态下不支持的无效语音指令，此外，应用程序显示某个页面时，页面上的返回、确定、取消等按钮对语音指令的响应也可以设定各自的有效时间长度。在语音交互过程中，语音指令支持的有效时间的起点可以语音交互装置获取到应用程序在当前程序状态下支持的注册语音指令的时刻为基准，也可以获取到应用程序在当前的实时程序状态的时刻为基准。

通过语音交互装置获取语音指令支持的有效时间，可以避免应用程序在错误的时间执行某些语音指令，并且由于特定指令无效之后，注册指令集合中参与指令匹配的指令数量减少，因而可以减少语音交互过程对电子设备中央处理器的和内存的占用。

根据本申请实施例的技术方案，通过语音交互装置向外提供各种通信接口，便于不同的应用程序利用相同的通信接口与语音交互装置进行通信，建立了不同应用程序与语音交互装置之间的统一通信框架协议，对各应用程序进行语音控制过程中无需重复通过电子设备系统对语音交互装置进行调用，简化了各应用程序的语音交互功能的实现过程；并且，语音交互装置获取到用户在应用程序的目标程序状态下的语音指令后，可以有针对性的在该目标程序状态下的注册语音指令集合中进行匹配，提高了对用户语音指令的响应效率，同时提高了对用户语音指令的响应准确率；同时，语音播报接口的提供，实现了多个应用程序的信息播报声音的一致性，减少了对电子设备硬件存储空间的消耗；通过获取语音指令支持的有效时间，避免了应用程序在错误的时间执行某些语音指令，并且减少了对电子设备中央处理器的和内存的占用。

图3是根据本申请实施例公开的一种应用程序的语音交互装置的结构示意图，本实施例可以适用于通过用户语音与电子设备上的至少一个应用程序进行交互，或者对电子设备上的不同应用程序进行语音控制的情况。本实施例公开的装置可以采用软件和/或硬件的方式实现，并可集成在任意的电子设备上，例如车载设备、移动终端、电脑、平板电脑、智能交互机器人等。

如图3所示，本实施例公开的应用程序的语音交互装置300可以包括注册语音指令集合获取模块301、用户语音指令获取模块302、语音指令匹配模块303和回调指令发送模块304，其中：

注册语音指令集合获取模块301，用于响应关于应用程序的语音指令注册请求，获取应用程序在目标程序状态下支持的注册语音指令集合，其中，注册语音指令集合中包括语音指令和与每个语音指令对应的应用程序可识别的回调指令；

用户语音指令获取模块302，用于获取在目标程序状态下，针对应用程序的用户语音指令；

语音指令匹配模块303，用于将用户语音指令在注册语音指令集合中进行匹配，确定用户语音指令对应的回调指令；

回调指令发送模块304，用于向应用程序发送回调指令，以使得应用程序根据回调指令执行与用户语音指令相匹配的操作。

可选的，目标程序状态包括应用程序当前所处的程序状态。

可选的，注册语音指令集合获取模块301具体用于：

利用预先配置的注册接口，响应关于应用程序的语音指令注册请求，将应用程序的目标程序状态、应用程序在目标程序状态下支持的语音指令以及语音指令对应的回调指令作为注册接口的参数进行获取。

可选的，回调指令发送模块304用于：获取应用程序的唯一性标识，并根据唯一性标识向对应的应用程序发送回调指令。

可选的，本实施例装置还包括：

语音播放模块，用于获取应用程序的语音播报请求，利用预先配置的语音播报接口，播报与语音播报请求对应的语音信息，其中，语音播放接口支持被多个应用程序调用。

可选的，本实施例装置还包括：

语音指令注销模块，用于响应关于应用程序的语音指令注销请求，在应用程序在目标程序状态下支持的注册语音指令集合中，注销与语音指令注销请求对应的语音指令。

可选的，本实施例装置还包括：

应用程序确定模块，用于在注册语音指令集合获取模块301执行响应关于应用程序的语音指令注册请求，获取应用程序在目标程序状态下支持的注册语音指令集合的操作之前，根据设备操作系统指示确定参与语音交互的应用程序；或者，通过识别含有程序信息的用户语音，确定参与语音交互的应用程序。

可选的，本实施例装置还包括：

指令有效时间获取模块，用于获取注册语音指令集合中每个语音指令在语音交互过程中支持的有效时间；

指令失效模块，用于如果在有效时间内对应的注册语音指令没有被匹配到，则有效时间内对应的注册语音指令失效。

本申请实施例所公开的应用程序的语音交互装置300可执行本申请实施例所公开的任意的应用程序的语音交互方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图4所示，图4是用于实现本申请实施例中应用程序的语音交互方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。

如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作，例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统。图4中以一个处理器401为例。

存储器402即为本申请实施例所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请实施例所提供的应用程序的语音交互方法。本申请实施例的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请实施例所提供的应用程序的语音交互方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中应用程序的语音交互方法对应的程序指令/模块，例如，附图3所示的注册语音指令集合获取模块301、用户语音指令获取模块302、语音指令匹配模块303和回调指令发送模块304。处理器401通过运行存储在存储器402中的非瞬时软件程序、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中应用程序的语音交互方法。

存储器402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用于实现本申请实施例中应用程序的语音交互方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至用于实现本申请实施例中应用程序的语音交互方法的电子设备。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。

用于实现本申请实施例中应用程序的语音交互方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与用于实现本申请实施例中应用程序的语音交互方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置和触觉反馈装置等，其中，辅助照明装置例如发光二极管(Light Emitting Diode，LED)；触觉反馈装置例如，振动电机等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、LED显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuit，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序，也称作程序、软件、软件应用、或者代码，包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置，例如，磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device，PLD)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置，例如，阴极射线管(Cathode Ray Tube，CRT)或者LCD监视器；以及键盘和指向装置，例如，鼠标或者轨迹球，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈，例如，视觉反馈、听觉反馈、或者触觉反馈；并且可以用任何形式，包括声输入、语音输入或者、触觉输入，来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统，例如，作为数据服务器，或者实施在包括中间件部件的计算系统，例如，应用服务器，或者实施在包括前端部件的计算系统，例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互，或者实施在包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信，例如通信网络，来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过支持语音交互功能的各应用程序，根据程序状态向语音交互装置注册各程序状态下支持的语音指令集合，语音交互装置获取到用户在目标程序状态下的语音指令后，可以有针对性的在该目标程序状态下的注册语音指令集合中进行匹配，提高了对用户语音指令的响应效率，同时提高了对用户语音指令的响应准确率；并且，通过各应用程序向语音交互装置的主动语音指令注册，形成了多个应用程序与语音交互装置之间相互通信的框架协议，对各应用程序进行语音控制过程中无需重复通过电子设备系统对语音交互装置进行调用，简化了各应用程序的语音交互功能的实现过程。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (9)

1.一种应用程序的语音交互方法，其特征在于，包括：

在各应用程序的语音交互过程中，响应关于所述各应用程序的语音指令注册请求，进行分类注册，形成与多个应用程序之间相互通信的框架协议，获取所述各应用程序在目标程序状态下支持的注册语音指令集合；其中，所述注册语音指令集合中包括语音指令和与每个语音指令对应的所述各应用程序可识别的回调指令；所述目标程序状态根据所述各应用程序的功能，以及所述语音识别过程中对语音指令的分类粒度确定；所述目标程序状态包括应用程序的安装完成状态、应用程序的启动完成状态、应用程序的页面显示状态和应用程序当前所处的程序状态；

获取在所述目标程序状态下，针对所述应用程序的用户语音指令；

将所述用户语音指令在所述注册语音指令集合中进行匹配，确定所述用户语音指令对应的回调指令；

向所述应用程序发送所述回调指令，以使得所述应用程序根据所述回调指令执行与所述用户语音指令相匹配的操作；

若所述应用程序的语音指令注册请求注册失败，将注册失败原因和注册结果发送至所述应用程序；其中，所述注册失败为当前应用程序注册的语音指令与已经被其他应用程序注册的语音指令存在冲突，或所述注册失败为当前应用程序注册的语音指令不符合指令注册要求；

根据信息交互的不同需求，配置不同类型的通信接口；其中，所述通信接口包括语音指令的注册接口、注销接口和语音播报接口；根据预设通信协议，每个所述通信接口中包括不同的参数，每个所述参数传递相应特定类型的数据；

获取所述应用程序的语音播报请求，利用预先配置的所述语音播报接口，播报与所述语音播报请求对应的语音信息；其中，所述语音播放接口支持被多个应用程序调用。

2.根据权利要求1所述的方法，其特征在于，所述响应关于所述各应用程序的语音指令注册请求，进行分类注册，形成与多个应用程序之间相互通信的框架协议，获取所述各应用程序在目标程序状态下支持的注册语音指令集合，包括：

利用预先配置的所述注册接口，响应关于所述应用程序的语音指令注册请求，将所述应用程序的目标程序状态、所述应用程序在所述目标程序状态下支持的语音指令以及所述语音指令对应的回调指令作为所述注册接口的参数进行获取。

3.根据权利要求1所述的方法，其特征在于，向所述应用程序发送所述回调指令，包括：

获取所述应用程序的唯一性标识，并根据所述唯一性标识向对应的应用程序发送所述回调指令。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应关于所述应用程序的语音指令注销请求，在所述应用程序在所述目标程序状态下支持的注册语音指令集合中，注销与所述语音指令注销请求对应的语音指令。

5.根据权利要求1所述的方法，其特征在于，在所述响应关于所述各应用程序的语音指令注册请求，进行分类注册，形成与多个应用程序之间相互通信的框架协议，获取所述各应用程序在目标程序状态下支持的注册语音指令集合之前，所述方法还包括：

根据设备操作系统指示确定参与语音交互的应用程序；或者

通过识别含有程序信息的用户语音，确定参与语音交互的应用程序。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述注册语音指令集合中每个语音指令在语音交互过程中支持的有效时间；

如果在所述有效时间内对应的注册语音指令没有被匹配到，则所述有效时间内对应的注册语音指令失效。

7.一种应用程序的语音交互装置，其特征在于，包括：

注册语音指令集合获取模块，用于在各应用程序的语音交互过程中，响应关于所述各应用程序的语音指令注册请求，进行分类注册，形成与多个应用程序之间相互通信的框架协议，获取所述各应用程序在目标程序状态下支持的注册语音指令集合；其中，所述注册语音指令集合中包括语音指令和与每个语音指令对应的所述各应用程序可识别的回调指令；所述目标程序状态根据所述各应用程序的功能，以及所述语音识别过程中对语音指令的分类粒度确定；所述目标程序状态包括应用程序的安装完成状态、应用程序的启动完成状态、应用程序的页面显示状态和应用程序当前所处的程序状态；

用户语音指令获取模块，用于获取在所述目标程序状态下，针对所述应用程序的用户语音指令；

语音指令匹配模块，用于将所述用户语音指令在所述注册语音指令集合中进行匹配，确定所述用户语音指令对应的回调指令；

回调指令发送模块，用于向所述应用程序发送所述回调指令，以使得所述应用程序根据所述回调指令执行与所述用户语音指令相匹配的操作；

失败信息发送模块，用于若所述应用程序的语音指令注册请求注册失败，将注册失败原因和注册结果发送至所述应用程序；其中，所述注册失败为当前应用程序注册的语音指令与已经被其他应用程序注册的语音指令存在冲突，或所述注册失败为当前应用程序注册的语音指令不符合指令注册要求；

接口配置模块，用于根据信息交互的不同需求，配置不同类型的通信接口；其中，所述通信接口包括语音指令的注册接口、注销接口和语音播报接口；根据预设通信协议，每个所述通信接口中包括不同的参数，每个所述参数传递相应特定类型的数据；

语音播放模块，用于获取所述应用程序的语音播报请求，利用预先配置的所述语音播报接口，播报与所述语音播报请求对应的语音信息；其中，所述语音播放接口支持被多个应用程序调用。

8.一种电子设备，其特征在于，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1-6中任一项所述的应用程序的语音交互方法。

9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的应用程序的语音交互方法。