CN111124123A - 基于虚拟机器人形象的语音交互方法及装置、车载设备智能控制系统 - Google Patents
基于虚拟机器人形象的语音交互方法及装置、车载设备智能控制系统 Download PDFInfo
- Publication number
- CN111124123A CN111124123A CN201911350521.9A CN201911350521A CN111124123A CN 111124123 A CN111124123 A CN 111124123A CN 201911350521 A CN201911350521 A CN 201911350521A CN 111124123 A CN111124123 A CN 111124123A
- Authority
- CN
- China
- Prior art keywords
- virtual robot
- user
- voice
- processor
- intention
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000003993 interaction Effects 0.000 title claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 230000008451 emotion Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 13
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000036651 mood Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 16
- 238000004891 communication Methods 0.000 abstract description 4
- 230000009471 action Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001544 dysphoric effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000012265 solid product Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开一种基于虚拟机器人形象的语音交互方法，其包括：响应于接收到的唤醒指令，获取音频信息进行声源定位获取位置信息；响应于监听到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图；根据用户意图输出展示对应形象的虚拟机器人，并根据位置信息调整输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。本发明还公开了一种基于虚拟机器人形象的语音交互装置及车载设备智能控制系统。根据本发明公开的方案，能够实现根据用户意图提供对应形象的虚拟机器人进行沟通交流，使得交互更符合人和人的直觉，且还能够根据声源位置调动虚拟机器人的方向，使其面对说话人进行交流，使得交互过程更拟人化。
Description
技术领域
本发明涉及车载语音技术领域，特别是一种基于虚拟机器人形象的语音交互方法及装置、和一种车载设备智能控制系统。
背景技术
随着智能语音技术的快速发展，基于语音的智能交互越来越普及。而如何更优化语音交互过程，使得用户体验更好，与机器的交互更逼真与人类自身的交互，成了业界努力的新目标。目前，基于语音进行智能交互的设备一般仅仅进行交互，没有对应的人物形象展示，或者本身就是语音机器人，因而具有机械的机器人外观。没有人物形象的交互过程，很难给用户带来逼真的交流感，而具有机械外观的机器人形象一般具有实体产品限制，很难传递更丰富细腻的情感，且制备机械外观必然会带来高成本，也很难普适所有的语音交互系统和场景。
发明内容
为了解决上述问题，发明人想到既然具有了语音交互的系统，其实在与用户进行交互时，已经具备了一个虚拟的机器人，如果能为这个虚拟的机器人赋予适当的形象并在交互过程进行展示，就能够实现与用户的生动交互，提高用户的交互体验，且相对机械外观可扩展性和可塑造性都会更好。
基于此，根据本发明的第一个方面，提供了一种基于虚拟机器人形象的语音交互方法，其包括如下步骤：
响应于接收到的唤醒指令，获取音频信息进行声源定位获取位置信息；
响应于监听到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图；
根据所述用户意图输出展示对应形象的虚拟机器人，并根据所述位置信息调整输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
根据本发明的第二个方面，提供了一种基于虚拟机器人形象的语音交互装置，其包括：
用于进行用户界面显示的显示模块；
声源定位模块，用于响应于接收到的唤醒指令，获取音频信息进行声源定位生成位置信息输出；
语音处理模块，用于响应于接收到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图输出；
交互形象确定模块，用于根据所述用户意图获取对应形象的虚拟机器人在所述显示模块输出展示；和
位置调整模块，用于根据所述位置信息调整所述显示模块上输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
通过上述的方法和装置，能够实现在语音交互过程中根据用户意图提供对应形象的虚拟机器人进行沟通交流，很好地配合用户意图，提高用户的交互体验。另外，本发明实施例的方法和装置还能够根据声源位置调动虚拟机器人的方向，使其面对说话人进行交流，符合人们实际的交互习惯，使得交互过程显得真实、有趣。
根据本发明的第三个方面，还提供了一种应用了本发明构思的车载设备控制系统，其包括麦克风阵列、车载显示屏和处理器；其中，所述处理器用于
响应于接收到的唤醒指令，对麦克风阵列拾取的音频信息进行声源定位获取位置信息；
响应于监听到的用户语音，对麦克风阵列拾取的音频信息进行语音识别和语义解析获取用户意图；
根据所述用户意图获取对应形象的虚拟机器人在所述车载显示屏输出展示；和
根据所述位置信息调整所述显示模块上输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
通过将上述的方法构思应用在车载设备上，能够在用户使用汽车时，基于提供的虚拟机器人形象与用户进行交互，且能够根据说话人的声音来面对驾驶位或副驾或后座进行交互，提高用户在行车过程中的趣味性，且能够提供很好的车载语音交互体验。且基于用户意图来进行形象展示，还有助于用户心情的舒畅，进而有助于提高行车安全。
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。
附图说明
图1为本发明一实施方式的基于虚拟机器人形象的语音交互方法流程图；
图2为本发明一实施方式的基于虚拟机器人形象的语音交互装置的原理框图；
图3为本发明一实施方式的电子设备结构示意图。
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。
本发明实施例的语音交互方法可以应用于任何具有显示模块的智能语音终端设备上，例如，具有显示屏的计算机、智能手机、平板电脑、智能家居等语音终端设备，本发明对此不作限制。通过应用本发明实施例的方法，在语音交互过程中，可以实现在交互的终端设备上展示与用户意图和说话方向相适配的虚拟机器人形象，提高交互的逼真性和趣味性，进而提高用户的语音交互体验。
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一实施方式的基于虚拟机器人形象的语音交互方法基于虚拟机器人形象的语音交互方法流程，如图1所示，本实施例包括如下步骤：
步骤S101：响应于接收到的唤醒指令，获取音频信息进行声源定位获取位置信息。当用户说出唤醒词时，具有语音交互功能的终端设备一般会通过其麦克风或收音机录制音频信息，对该音频信息进行唤醒处理，在确定是可以被唤醒时(即用户说出的唤醒词符合唤醒条件)，就对该音频信息进行声源定位处理，以判断有效语音的具体方位，即说出唤醒词的用户的具体方位。示例性地，以具有语音交互功能的车机系统为例，车机系统会通过车机已有麦克风阵列来获取多个位置的声音，录制成音频，然后把音频信息送入唤醒引擎，提取音频特征，当音频特征与预设音频特征类似，且得分较高超过阈值，则判断车机系统能够唤醒，在唤醒回复的同时，会通过声学处理的算法(可以选用现有技术中的声学处理算法)进行解析，分析出声源位置，来判断有效语音信息的具体方位，声学处理算法在进行处理后一般会输出location(位置)字段信息，通过对该字段信息进行解析即可找出具体说话的用户是在主驾还是副驾，前排还是后排；如输出的location字段信息为location：driver，则表示说话人在主驾位置。其中，唤醒处理和声源定位处理均可以参照现有技术进行实现。
步骤S102：响应于监听到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图。语音交互系统一般在唤醒后，会进行语音监听，并获取通过拾音单元如麦克风或收音机采集的音频信息，之后将通过语音监听来获取用户输入的音频信息送入识别引擎进行识别。在得到对应文本后，会对文本进行语义解析，得到用户意图，这些都是现有的语音交互系统比较常见的功能和实现方式，故本发明实施例不再赘述。
作为一种更得优选实施例，在进行语音识别和语义解析时，还获取用户情绪。其具体实现可以是在语义解析模块增加规则语义(规则语义指事先定义部分说法为特定意图)，并通过将规则语义与深度学习算法模型(深度学习算法指通过模型来训练，为现有技术)结合的方式来识别用户的说话意图和情绪，例如在原有的语义解析的基础上，增加说法与情绪的关联规则语义，如快点打开空调这个说法关联烦躁的用户情绪。规则语义可以在一开始没有数据的情况下，实现冷启动；深度学习模型可以在启动后，随着数据的积累，进行训练，可以提高泛化效果。规则语义与深度学习模型的结合，可以同时保证了正确率与召回率。通过基于规则语义进行语义解析，就可以可得出包含用户意图和用户情绪得字段，如对于用户说出得“快点打开空调”的语音指令，通过语义解析可以得到skill:空调，intent：打开空调，feeling：烦躁的输出结果，其中intent标识用户意图，feeling标识用户情绪。
步骤S103：根据用户意图输出展示对应形象的虚拟机器人，并根据位置信息调整输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。为了实现基于用户意图来展示对应形象的虚拟机器人，会实现对虚拟机器人的形象进行设计，为每个用户意图设计对应的虚拟机器人形象(可以是对应的UI图像)，并将用户意图与虚拟机器人形象关联存储。这样，在分析出说话的意图后，就可以基于用户意图获取对应的虚拟机器人形象即UI图像进行输出展示。作为优选实施例，在同时解析了用户情绪的实现例下，还可以将为每种用户情绪设计具有对应表情的虚拟机器人UI图像，以将用户意图与用户情绪结合用来决定展示什么样的表情给用户。在具体实现时，根据需求可以将一个用户意图对应绑定一个UI图像；也可以将一个意图搭配一种情绪对应一个UI，只需根据事先设定好的策略，如什么意图搭配什么情绪，展示什么表情与动作进行设计和关联存储即可。其中，虚拟机器人的形象与用户意图的关联关系可以在于肢体动作的改变或/和展示背景的变化；同样，虚拟机器人的形象与用户情绪的关联关系可以是表情的改变或/和展示背景的变化。
示例性地，当监听到用户说“快点打开空调”的语音指令时，从语义解析结果可得知，用户意图为打开空调，用户情绪为烦躁不耐烦。这种场景下，在打开空调的同时，输出展示的虚拟机器人的表情和动作可以为拿着扇子在扇风，加以冰川等冰凉背景，可以给用户传达车内很快就凉爽的信息，缓解客户烦躁的情绪。
示例性地，当监听到用户说“打开车窗”的语音指令时，根据语义解析结果可以知道用户意图为打开车窗，用户情绪为平淡。这种场景下，在打开空调的同时，输出展示的虚拟机器人形象可以是机器人坐在窗边，并配以车窗缓缓降落的背景。
示例性地，当监听到用户说“哎呀我腰酸背痛帮我开启按摩”的语音指令时，根据语义解析可以得到用户意图为打开按摩，用户情绪为难受。这种场景下，输出展示的虚拟机器人形象则可以是帮你按摩的动作和表情。
此外，在进行展示时，为了更具有互动性，除了上述展示对应形象的虚拟机器人外，还会根据基于声源定位处理得到的位置信息(即方位信息)如location：driver字段来确定声源的方位为主驾，并在展示界面上把立体虚拟机器人形象往主驾的方向旋转预定角度(如45度，该数值可以是根据应用场景的特征预设好的规则)，以形成虚拟机器人面对着主驾说话的效果，让主驾或别人知道虚拟机器人此刻是在与主驾对话，在响应主驾的指令。这样交互方式更接近现实生活中人与人的对话模式，使得机器人更拟人化。在其他实现例中，如在车载系统的应用中，还根据需求还把表示主驾的图标点亮。
图2示意性显示了根据本发明一种实施方式的基于虚拟机器人形象的语音交互装置，如图2所示，其包括：
用于进行用户界面显示的显示模块20；
声源定位模块21，用于响应于接收到的唤醒指令，获取音频信息进行声源定位生成位置信息输出；
语音处理模块22，用于响应于接收到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图输出；
交互形象确定模块23，用于根据所述用户意图获取对应形象的虚拟机器人在所述显示模块输出展示；和
位置调整模块24，用于根据所述位置信息调整所述显示模块上输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
其中，作为一种优选实现方式，还通过对虚拟机器人的形象与用户意图的关联配置，使得输出展示的对应形象的虚拟机器人具有与用户意图适配的肢体动作。在优选实施例中，语音处理模块还用于根据语音识别和语义解析获取用户情绪；这种情况下，还通过对虚拟机器人的形象与用户意图及用户情绪的关联配置，使得输出展示的对应形象的虚拟机器人还具有与用户情绪适配的表情。另外，根据需求还可以为虚拟机器人配置与用户意图和/或用户情绪相适配的显示背景。本发明实施例的装置中涉及的各模块的具体实现可以参照前文方法部分的叙述，在此不再赘述。
在具体应用中，可以将上述方案应用在车载设备上。示例性地，车载设备上一般包括有麦克风阵列、车载显示屏和处理器。通过在处理器中部署实现了上述方法的程序指令，就可以使得处理器能够在执行程序指令时实现上述功能：
响应于接收到的唤醒指令，对麦克风阵列拾取的音频信息进行声源定位获取位置信息；
响应于监听到的用户语音，对麦克风阵列拾取的音频信息进行语音识别和语义解析获取用户意图；
根据所述用户意图获取对应形象的虚拟机器人在车载显示屏输出展示；和
根据所述位置信息调整显示模块上输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
其中，优选地，输出展示的对应形象的虚拟机器人具有与用户意图适配的肢体动作。更优地，在进行语音识别和语义解析时还获取用户情绪，设计的虚拟机器人还具有与用户情绪相适配的表情。
根据本实施例提供的方案，可以将虚拟的机器人形象与人机交互相结合，并基于用户意图、情绪和说话方向进行形象展示，为用户提供了更加智能化、更逼真、更有趣、互动性更强的交互体验。且通过将其应用在语音设备如车载设备，至少可以达到以下几点效果：
第一、声源定位，多音区交互，使得语音交互更拟人，因为现实生活中，人与人说话，是有目光眼神接触的交互，根据声源定位操控虚拟机器人形象，使得交互更加拟人化；
第二、通过虚拟机器人形象来承载此产品方案，可以让其他方案商轻松对接，不需要考虑其他的硬件设计，极大地降低成本费用，提高对接效率；
第三、虚拟机器人形象是显示在中控屏幕上的，没有硬件的限制，可以通过面部表情和肢体动作表情来传递更丰富的情感信息，使得语音交互更有温度；
第四、通过结合说话用户方位信息与意图情绪，虚拟机器人的表情与肢体动作，可以承载设计者更多的设计思路，从而来向用户传递更多信息，使得交互感觉更符合人与人之间的交互直觉。
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基于虚拟机器人形象的语音交互方法。
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，使计算机执行上述基于虚拟机器人形象的语音交互方法。
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上述基于虚拟机器人形象的语音交互方法。
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，该程序被处理器执行时能够执行上述基于虚拟机器人形象的语音交互方法。
上述本发明实施例的基于虚拟机器人形象的语音交互装置可用于执行本发明实施例的基于虚拟机器人形象的语音交互方法，并相应的达到上述本发明实施例的实现基于虚拟机器人形象的语音交互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3是本申请另一实施例提供的执行基于虚拟机器人形象的语音交互方法的电子设备的硬件结构示意图，如图3所示，该设备包括：
一个或多个处理器310以及存储器320，图3中以一个处理器310为例。
执行基于虚拟机器人形象的语音交互方法的设备还可以包括：输入装置330和输出装置340。
处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器320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虚拟机器人形象的语音交互方法对应的程序指令/模块。处理器310通过运行存储在存储器320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中的基于虚拟机器人形象的语音交互方法。
存储器320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虚拟机器人形象的语音交互装置的使用所创建的数据等。此外，存储器320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320可选包括相对于处理器310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虚拟机器人形象的语音交互装置。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330可接收输入的数字或字符信息，以及产生与基于虚拟机器人形象的语音交互装置的用户设置以及功能控制有关的信号。输出装置340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320中，当被所述一个或者多个处理器310执行时，执行上述任意方法实施例中的基于虚拟机器人形象的语音交互方法。
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。
(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.基于虚拟机器人形象的语音交互方法，其特征在于，包括如下步骤：
响应于接收到的唤醒指令，获取音频信息进行声源定位获取位置信息；
响应于监听到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图；
根据所述用户意图输出展示对应形象的虚拟机器人，并根据所述位置信息调整输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
2.根据权利要求1所述的方法，其特征在于，所述输出展示的对应形象的虚拟机器人具有与所述用户意图适配的肢体动作。
3.根据权利要求2所述的方法，其特征在于，在进行语音识别和语义解析时，还获取用户情绪；其中，
所述输出展示的对应形象的虚拟机器人还具有与所述用户情绪适配的表情。
4.根据权利要求3所述的方法，其特征在于，所述输出展示的对应形象的虚拟机器人还具有与所述用户意图或用户情绪适配的展示背景。
5.基于虚拟机器人形象的语音交互装置，其包括：
用于进行用户界面显示的显示模块；
声源定位模块，用于响应于接收到的唤醒指令，获取音频信息进行声源定位生成位置信息输出；
语音处理模块，用于响应于接收到的用户语音，获取音频信息进行语音识别和语义解析，获取用户意图输出；
交互形象确定模块，用于根据所述用户意图获取对应形象的虚拟机器人在所述显示模块输出展示；和
位置调整模块，用于根据所述位置信息调整所述显示模块上输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
6.根据权利要求5所述的装置，其特征在于，所述输出展示的对应形象的虚拟机器人具有与所述用户意图适配的肢体动作。
7.根据权利要求5或6所述的装置，其特征在于，所述语音处理模块还用于根据语音识别和语义解析获取用户情绪；其中，
所述输出展示的对应形象的虚拟机器人还具有与所述用户情绪适配的表情。
8.车载设备智能控制系统，其特征在于，包括麦克风阵列、车载显示屏和处理器；其中，所述处理器用于
响应于接收到的唤醒指令，对麦克风阵列拾取的音频信息进行声源定位获取位置信息；
响应于监听到的用户语音，对麦克风阵列拾取的音频信息进行语音识别和语义解析获取用户意图；
根据所述用户意图获取对应形象的虚拟机器人在所述车载显示屏输出展示；和
根据所述位置信息调整所述显示模块上输出展示的虚拟机器人的旋转角度，使得虚拟机器人输出展示为朝向声源位置的方向。
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.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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911350521.9A CN111124123A (zh) | 2019-12-24 | 2019-12-24 | 基于虚拟机器人形象的语音交互方法及装置、车载设备智能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911350521.9A CN111124123A (zh) | 2019-12-24 | 2019-12-24 | 基于虚拟机器人形象的语音交互方法及装置、车载设备智能控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111124123A true CN111124123A (zh) | 2020-05-08 |
Family
ID=70500566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911350521.9A Withdrawn CN111124123A (zh) | 2019-12-24 | 2019-12-24 | 基于虚拟机器人形象的语音交互方法及装置、车载设备智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111124123A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696548A (zh) * | 2020-05-13 | 2020-09-22 | 深圳追一科技有限公司 | 显示行车提示信息的方法、装置、电子设备以及存储介质 |
| CN112034989A (zh) * | 2020-09-04 | 2020-12-04 | 华人运通(上海)云计算科技有限公司 | 一种智能交互系统 |
| CN112420045A (zh) * | 2020-12-11 | 2021-02-26 | 奇瑞汽车股份有限公司 | 一种汽车车载语音交互系统及方法 |
| CN112706177A (zh) * | 2020-12-28 | 2021-04-27 | 浙江合众新能源汽车有限公司 | 一种语音触发机器人表情系统 |
| CN112802468A (zh) * | 2020-12-24 | 2021-05-14 | 广汽蔚来新能源汽车科技有限公司 | 汽车智能终端的交互方法、装置、计算机设备和存储介质 |
| CN113436602A (zh) * | 2021-06-18 | 2021-09-24 | 深圳市火乐科技发展有限公司 | 虚拟形象语音交互方法、装置、投影设备和计算机介质 |
| CN113709954A (zh) * | 2021-08-26 | 2021-11-26 | 中国第一汽车股份有限公司 | 一种氛围灯的控制方法、装置、电子设备及存储介质 |
| CN113851126A (zh) * | 2021-09-22 | 2021-12-28 | 思必驰科技股份有限公司 | 车内语音交互方法及系统 |
| CN114067032A (zh) * | 2021-11-05 | 2022-02-18 | 常熟常春汽车零部件有限公司 | 一种车内全息卡通影像仿真交互方法 |
| WO2022048118A1 (zh) * | 2020-09-03 | 2022-03-10 | 上海商汤临港智能科技有限公司 | 车载机器人的控制方法及装置、车辆、电子设备和介质 |
| CN114201596A (zh) * | 2021-12-14 | 2022-03-18 | 思必驰科技股份有限公司 | 虚拟数字人使用方法、电子设备和存储介质 |
| CN114237395A (zh) * | 2021-12-14 | 2022-03-25 | 北京百度网讯科技有限公司 | 信息处理方法、装置、电子设备及存储介质 |
| CN114267353A (zh) * | 2021-12-24 | 2022-04-01 | 思必驰科技股份有限公司 | 用于迎宾汽车的语音控制方法及电子设备和存储介质 |
| CN114639395A (zh) * | 2020-12-16 | 2022-06-17 | 观致汽车有限公司 | 车载虚拟人物的语音控制方法、装置及具有其的车辆 |
| CN114954004A (zh) * | 2022-06-22 | 2022-08-30 | 润芯微科技(江苏)有限公司 | 一种基于声源识别的车机交互系统 |
| CN115016648A (zh) * | 2022-07-15 | 2022-09-06 | 大爱全息(北京)科技有限公司 | 一种全息互动装置及其处理方法 |
| CN115086466A (zh) * | 2022-06-21 | 2022-09-20 | 安徽江淮汽车集团股份有限公司 | 一种基于移动终端的车载语音形象的定制方法及装置 |
| WO2022193883A1 (zh) * | 2021-03-15 | 2022-09-22 | Oppo广东移动通信有限公司 | 响应控制语音的方法、装置、终端、存储介质及程序产品 |
| CN115424623A (zh) * | 2022-03-23 | 2022-12-02 | 北京罗克维尔斯科技有限公司 | 语音交互方法、装置、设备及计算机可读存储介质 |
| CN115431762A (zh) * | 2022-03-25 | 2022-12-06 | 北京罗克维尔斯科技有限公司 | 多屏幕交互方法、装置、设备及计算机可读存储介质 |
| WO2023098564A1 (zh) * | 2021-11-30 | 2023-06-08 | 华为技术有限公司 | 一种语音助手显示方法及相关装置 |
| CN116843805A (zh) * | 2023-06-19 | 2023-10-03 | 上海奥玩士信息技术有限公司 | 一种包含行为的虚拟形象生成方法、装置、设备及介质 |
| WO2024044891A1 (en) * | 2022-08-29 | 2024-03-07 | Abb Schweiz Ag | Adjusting a virtual relative position in a virtual robot work cell |
-
2019
- 2019-12-24 CN CN201911350521.9A patent/CN111124123A/zh not_active Withdrawn
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696548A (zh) * | 2020-05-13 | 2020-09-22 | 深圳追一科技有限公司 | 显示行车提示信息的方法、装置、电子设备以及存储介质 |
| WO2022048118A1 (zh) * | 2020-09-03 | 2022-03-10 | 上海商汤临港智能科技有限公司 | 车载机器人的控制方法及装置、车辆、电子设备和介质 |
| CN112034989A (zh) * | 2020-09-04 | 2020-12-04 | 华人运通(上海)云计算科技有限公司 | 一种智能交互系统 |
| CN112420045A (zh) * | 2020-12-11 | 2021-02-26 | 奇瑞汽车股份有限公司 | 一种汽车车载语音交互系统及方法 |
| CN114639395A (zh) * | 2020-12-16 | 2022-06-17 | 观致汽车有限公司 | 车载虚拟人物的语音控制方法、装置及具有其的车辆 |
| CN112802468A (zh) * | 2020-12-24 | 2021-05-14 | 广汽蔚来新能源汽车科技有限公司 | 汽车智能终端的交互方法、装置、计算机设备和存储介质 |
| CN112706177A (zh) * | 2020-12-28 | 2021-04-27 | 浙江合众新能源汽车有限公司 | 一种语音触发机器人表情系统 |
| WO2022193883A1 (zh) * | 2021-03-15 | 2022-09-22 | Oppo广东移动通信有限公司 | 响应控制语音的方法、装置、终端、存储介质及程序产品 |
| CN113436602A (zh) * | 2021-06-18 | 2021-09-24 | 深圳市火乐科技发展有限公司 | 虚拟形象语音交互方法、装置、投影设备和计算机介质 |
| CN113709954A (zh) * | 2021-08-26 | 2021-11-26 | 中国第一汽车股份有限公司 | 一种氛围灯的控制方法、装置、电子设备及存储介质 |
| CN113709954B (zh) * | 2021-08-26 | 2024-03-26 | 中国第一汽车股份有限公司 | 一种氛围灯的控制方法、装置、电子设备及存储介质 |
| CN113851126A (zh) * | 2021-09-22 | 2021-12-28 | 思必驰科技股份有限公司 | 车内语音交互方法及系统 |
| CN114067032A (zh) * | 2021-11-05 | 2022-02-18 | 常熟常春汽车零部件有限公司 | 一种车内全息卡通影像仿真交互方法 |
| WO2023098564A1 (zh) * | 2021-11-30 | 2023-06-08 | 华为技术有限公司 | 一种语音助手显示方法及相关装置 |
| CN114201596A (zh) * | 2021-12-14 | 2022-03-18 | 思必驰科技股份有限公司 | 虚拟数字人使用方法、电子设备和存储介质 |
| CN114237395A (zh) * | 2021-12-14 | 2022-03-25 | 北京百度网讯科技有限公司 | 信息处理方法、装置、电子设备及存储介质 |
| CN114267353A (zh) * | 2021-12-24 | 2022-04-01 | 思必驰科技股份有限公司 | 用于迎宾汽车的语音控制方法及电子设备和存储介质 |
| CN115424623A (zh) * | 2022-03-23 | 2022-12-02 | 北京罗克维尔斯科技有限公司 | 语音交互方法、装置、设备及计算机可读存储介质 |
| CN115431762A (zh) * | 2022-03-25 | 2022-12-06 | 北京罗克维尔斯科技有限公司 | 多屏幕交互方法、装置、设备及计算机可读存储介质 |
| CN115086466A (zh) * | 2022-06-21 | 2022-09-20 | 安徽江淮汽车集团股份有限公司 | 一种基于移动终端的车载语音形象的定制方法及装置 |
| CN115086466B (zh) * | 2022-06-21 | 2023-08-18 | 安徽江淮汽车集团股份有限公司 | 一种基于移动终端的车载语音形象的定制方法及装置 |
| CN114954004A (zh) * | 2022-06-22 | 2022-08-30 | 润芯微科技(江苏)有限公司 | 一种基于声源识别的车机交互系统 |
| CN115016648B (zh) * | 2022-07-15 | 2022-12-20 | 大爱全息(北京)科技有限公司 | 一种全息互动装置及其处理方法 |
| CN115016648A (zh) * | 2022-07-15 | 2022-09-06 | 大爱全息(北京)科技有限公司 | 一种全息互动装置及其处理方法 |
| WO2024044891A1 (en) * | 2022-08-29 | 2024-03-07 | Abb Schweiz Ag | Adjusting a virtual relative position in a virtual robot work cell |
| CN116843805A (zh) * | 2023-06-19 | 2023-10-03 | 上海奥玩士信息技术有限公司 | 一种包含行为的虚拟形象生成方法、装置、设备及介质 |
| CN116843805B (zh) * | 2023-06-19 | 2024-03-19 | 上海奥玩士信息技术有限公司 | 一种包含行为的虚拟形象生成方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111124123A (zh) | 基于虚拟机器人形象的语音交互方法及装置、车载设备智能控制系统 | |
| US11222632B2 (en) | System and method for intelligent initiation of a man-machine dialogue based on multi-modal sensory inputs | |
| CN107340991B (zh) | 语音角色的切换方法、装置、设备以及存储介质 | |
| US11468894B2 (en) | System and method for personalizing dialogue based on user's appearances | |
| CN107632706B (zh) | 多模态虚拟人的应用数据处理方法和系统 | |
| CN108877336A (zh) | 基于增强现实技术的教学方法、云服务平台和教学系统 | |
| US11183187B2 (en) | Dialog method, dialog system, dialog apparatus and program that gives impression that dialog system understands content of dialog | |
| CN110413841A (zh) | 多态交互方法、装置、系统、电子设备及存储介质 | |
| CN110609620A (zh) | 基于虚拟形象的人机交互方法、装置及电子设备 | |
| US20150298315A1 (en) | Methods and systems to facilitate child development through therapeutic robotics | |
| CN111801730A (zh) | 用于人工智能驱动的自动伴侣的系统和方法 | |
| JP2023525173A (ja) | レンダリングされたグラフィカル出力を利用する会話型ａｉプラットフォーム | |
| CN110152314B (zh) | 会话输出系统、会话输出服务器、会话输出方法以及存储介质 | |
| CN112262024A (zh) | 用于增强数字体验的动态机器人配置的系统和方法 | |
| CN106384591A (zh) | 一种与语音助手应用交互的方法和装置 | |
| CN107393529A (zh) | 语音识别方法、装置、终端及计算机可读存储介质 | |
| CN109324688A (zh) | 基于虚拟人行为标准的交互方法及系统 | |
| CN111515970B (zh) | 一种互动方法、拟态机器人和相关装置 | |
| JP2023120130A (ja) | 抽出質問応答を利用する会話型ａｉプラットフォーム | |
| JP2019124855A (ja) | 装置及びプログラム等 | |
| CN114201596A (zh) | 虚拟数字人使用方法、电子设备和存储介质 | |
| WO2016206643A1 (zh) | 机器人交互行为的控制方法、装置及机器人 | |
| CN113851126A (zh) | 车内语音交互方法及系统 | |
| CN110822647B (zh) | 空调器的控制方法、空调器及存储介质 | |
| CN112447177B (zh) | 全双工语音对话方法及系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: Sipic Technology Co.,Ltd. Address before: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: AI SPEECH Ltd. |
|
| CB02 | Change of applicant information | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200508 |
|
| WW01 | Invention patent application withdrawn after publication |