CN111261159A - 信息指示的方法及装置 - Google Patents

信息指示的方法及装置 Download PDF

Info

Publication number
CN111261159A
CN111261159A CN202010060130.XA CN202010060130A CN111261159A CN 111261159 A CN111261159 A CN 111261159A CN 202010060130 A CN202010060130 A CN 202010060130A CN 111261159 A CN111261159 A CN 111261159A
Authority
CN
China
Prior art keywords
devices
voice
images
intensity
target device
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
Application number
CN202010060130.XA
Other languages
English (en)
Other versions
CN111261159B (zh
Inventor
刘洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010060130.XA priority Critical patent/CN111261159B/zh
Publication of CN111261159A publication Critical patent/CN111261159A/zh
Application granted granted Critical
Publication of CN111261159B publication Critical patent/CN111261159B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Abstract

本申请实施例提供一种信息指示的方法及装置，涉及人工智能领域，具体包括：在连接于同一个无线局域网的多个设备接收到相同的语音指令时，可以向服务器发送图像、语音强度和语音指令，进而服务器可以根据图像、语音强度和语音指令在多个设备中确定用于响应该语音指令的目标设备，并向目标设备发送指示消息，指示该目标设备响应该语音指令。则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。

Description

信息指示的方法及装置
技术领域
本申请涉及数据处理的人工智能技术领域，尤其涉及一种信息指示的方法及装置。
背景技术
随着终端技术的发展，用户可以使用越来越多的智能设备，例如，用户可以通过智能音箱等设备实现信息查询、家电控制等。
现有技术中，智能设备通常是基于语音控制的，例如控制小度音箱时，用户可以通过“小度小度，放首歌吧”等唤醒词实现对智能设备的控制。
但是，随着智能设备的应用越来越普遍，一个家庭或空间内可能有多个智能设备，在存在多个智能设备的情况下，经常出现一句唤醒词多个设备应答的情况，用户还需要对这些执行错误指令的智能设备发出停止指令，操作繁琐。
发明内容
本申请实施例提供一种信息指示的方法及装置，以解决现有技术中多个设备应答一个语音指令造成的操作繁琐的技术问题。
本申请实施例第一方面提供一种信息指示的方法，包括：
接收来自多个设备的信息；其中，所述多个设备连接于同一个无线局域网；任一个设备的信息包括：图像、语音强度和语音指令；所述图像为所述任一个设备在接收到所述语音指令时拍摄得到的，所述语音强度为所述任一个设备接收到所述语音指令时的信号强度；所述多个设备的语音指令相同；根据所述多个设备的信息，确定用于响应所述语音指令的目标设备；向所述目标设备发送指示消息，所述指示消息用于指示所述目标设备响应所述语音指令。则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。
可选的，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像中识别到一个图像中存在面向摄像头的人脸的情况下，将发送存在面向摄像头的人脸的图像的设备确定为所述目标设备。本申请实施例中，将图像识别的结果作为最高优先级来确定目标设备，可以得到较为准确的目标设备。
可选的，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像中均不存在面向摄像头的人脸，比较来自所述多个设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。本申请实施例中，将各设备的语音强度作为次高优先级来确定目标设备，可以得到较为准确的目标设备。
可选的，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。本申请实施例中，在图像识别中存在多个面向摄像头的人脸的图像时，进一步结合设备的语音强度来确定目标设备，可以在各种场景中得到较为准确的目标设备。
可选的，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像中均不存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。本申请实施例中，可以在各种场景中得到较为准确的目标设备。
可选的，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。本申请实施例中，可以在各种场景中得到较为准确的目标设备。
可选的，还包括：
向所述目标设备发送所述语音指令对应的搜索结果。
可选的，所述设备为设置有摄像头的音箱。
本申请实施例第二方面提供一种信息指示的装置，包括：
接收模块，用于接收来自多个设备的信息；其中，所述多个设备连接于同一个无线局域网；任一个设备的信息包括：图像、语音强度和语音指令；所述图像为所述任一个设备在接收到所述语音指令时拍摄得到的，所述语音强度为所述任一个设备接收到所述语音指令时的信号强度；所述多个设备的语音指令相同；
处理模块，用于根据所述多个设备的信息，确定用于响应所述语音指令的目标设备；
发送模块，用于向所述目标设备发送指示消息，所述指示消息用于指示所述目标设备响应所述语音指令。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中识别到一个图像中存在面向摄像头的人脸的情况下，将发送存在面向摄像头的人脸的图像的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸，比较来自所述多个设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
可选的，所述发送模块还用于：
向所述目标设备发送所述语音指令对应的搜索结果。
可选的，所述设备为设置有摄像头的音箱。
本申请实施例第三方面提供一种电子设备，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前述第一方面任一项所述的方法。
本申请实施例第四方面提供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前述第一方面中任一项所述的方法。
综上所述，本申请实施例相对于现有技术的有益效果：
本申请实施例中提供了一种信息指示的方法及装置，在连接于同一个无线局域网的多个设备接收到相同的语音指令时，可以向服务器发送图像、语音强度和语音指令，进而服务器可以根据图像、语音强度和语音指令在多个设备中确定用于响应该语音指令的目标设备，并向目标设备发送指示消息，指示该目标设备响应该语音指令。则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。
附图说明
图1为本申请实施例提供的信息指示的方法适用的系统架构示意图；
图2为本申请实施例提供的信息指示的方法的流程示意图；
图3为本申请实施例提供的信息指示装置的结构示意图；
图4是用来实现本申请实施例的信息指示的方法的电子设备的框图。
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。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本申请实施例的信息指示方法可以应用于为智能音箱等设备服务的云端服务器。
本申请实施例所描述的设备可以是具备摄像头的智能音箱等，在设备接收到语音指令时，可以拍摄图像，并将拍摄的图像上传给云端服务器。
如图1所示，图1为本申请实施例提供的方法所适用的应用场景架构示意图。
本申请实施例中，在同一个无线局域中可以连接有多个设备，设备的具体数量可以根据实际应用场景确定，本申请实施例对此不作具体限定。例如，在一个家庭中，可能会在客厅、卧室、厨房或其他位置放置多个智能音箱，多个智能音箱可以连接在家庭的无线局域网络中，用户在不同的位置可以使用较近的智能音箱。
以连接在同一个无线局域网中的设备包括设备11和设备12为例，在用户发出语音指令时，设备11和设备12均接收到语音指令，进而设备11和设备12可以分别拍摄图像，以及分别计算接收到的语音指令的信号强度，并将各自的图像、语音强度和语音指令基于路由器等发送给云端设备(例如服务器等)13。
云端设备13可以根据图像、语音强度和语音指令在多个设备中确定用于响应该语音指令的目标设备，并向目标设备发送指示消息，指示该目标设备响应该语音指令。
例如，如图1所示的设备11可以拍到用户脸部图像，设备11接收到的语音指令的信号强度较大，则可以选择设备11作为目标设备，指示设备11响应该语音指令。
则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。
如图2所示，图2为本申请实施例提供的信息指示的方法的流程示意图。
该方法具体可以包括：
S101：接收来自多个设备的信息；其中，所述多个设备连接于同一个无线局域网；任一个设备的信息包括：图像、语音强度和语音指令；所述图像为所述任一个设备在接收到所述语音指令时拍摄得到的，所述语音强度为所述任一个设备接收到所述语音指令时的信号强度；所述多个设备的语音指令相同。
本申请实施例中，多个设备可以采用任何通信方式连接于同一个无线局域网，例如多个设备可以基于用于配置连接在同一个无线保真(wireless-fidelity，WIFI)账号中，本申请实施例对此不作具体限定。
对于任一个设备，在接收到语音指令时，可以执行的操作包括：拍摄图像，计算接收到的语音信号的强度，以及将图像、语音强度和语音指令发送给云端服务器。则云端服务器可以接收到来自多个设备的信息。
S102：根据所述多个设备的信息，确定用于响应所述语音指令的目标设备。
本申请实施例中，云端服务器可以综合来自各设备的图像、语音强度和语音指令，确定用于执行语音指令的目标设备。
通常的，用户会向距离自己较近的设备发出语音指令，也希望该距离较近的设备响应。
图像可以是设置在设备上的摄像头拍摄的。图像中存在用户，可以说明拍摄该图像的设备距离用户较近，较大可能用户是向该发送该图像的设备发出语音指令。
计算语音强度的原理可以是：声波是一种能量的传播方式,传播介质是指空气,在传播过程中受到扩散、吸收、散射等作用，声波的能量随着距离的增加而逐渐衰减。
示例性的，两个点距离点声源的声压分别为：Lp1、Lp2，两点距离点声源分别为r1和r2，则距离r1和r2之间的声压级差值为：Lp1-Lp2＝20lg(r2/r1)。
当r2/r1＝2时，衰减6dB，也就是距离增加一倍声压级衰减6dB。
声压级SPL是对声压大小的指标，也代表了声音传播能量的相对指标，理论上声音传播距离增加一倍则声压级就会衰减6dB，因此对于用户面对多个音箱设备，说出唤醒词后不同设备收到声音后不需要计算设备与用户的具体距离，只需更加麦克风拾取到底声音得出声压级(SPL)，值越大的即代表用户距离设备越近。
另外，云端服务器接收到各设备的语音指令的时刻，也可以反映离用户较近的设备。具体的，由于不同设备位置不同，接收到语音指令的时刻不同，云端服务器接收到语音指令的时刻越早，通常说明设备距离用户越近。
S103：向所述目标设备发送指示消息，所述指示消息用于指示所述目标设备响应所述语音指令。
本申请实施例中，云端服务器可以向目标设备发送指示消息，指示目标设备响应语音指令。
需要说明的是，指示消息可以是该语音指令对应的搜索结果，则目标设备可以语音输出搜索结果，实现响应。
可选的，指示信息也可以是仅用于指示目标响应应答的字符等，则云端服务器还可以向所述目标设备发送所述语音指令对应的搜索结果，则目标设备可以语音输出搜索结果，实现响应。可以理解，该情况下，指示信息和搜索结果可以是同步发送给目标设备的，也可以是分别发给目标设备的，本申请实施例对此不作具体限定。
可选的，S102的根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像中识别到一个图像中存在面向摄像头的人脸的情况下，将发送存在面向摄像头的人脸的图像的设备确定为所述目标设备。
依据人们的说话习惯，通常与他人交谈时，会面向对方说话，适应的，用户在向设备发出语音指令时，较大可能会面向希望响应的设备。
因此，本申请实施例中，在多个设备中确定目标设备时，将设备拍摄的图像的识别结果作为最高优先级，如果在多个设备的图像中识别到仅一个图像中存在面向摄像头的人脸，可以认为用户希望该设备应答，则将发送存在面向摄像头的人脸的图像的设备确定为目标设备。
具体实现中，可以采用任意的图像识别方法识别面向摄像头的人脸，例如可以识别人脸的角度，或识别图像中包含的脸部器官等识别面向摄像头的人脸，本申请实施例对此不作具体限定。
本申请实施例中，将图像识别的结果作为最高优先级来确定目标设备，可以得到较为准确的目标设备。
可选的，S102的根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像中均不存在面向摄像头的人脸，比较来自所述多个设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
用户在发送语音指令时，也可能没有面对设备的摄像头说话，则是多个设备的图像中可能均不存在面向摄像头的人脸，则可以进一步比较来自该多个设备的语音强度的大小，语音强度最大的设备可能是距离用户最近的设备，将该语音强度最大的设备作为目标设备，目标设备可以较近为用户提供服务。
本申请实施例中，将各设备的语音强度作为次高优先级来确定目标设备，可以得到较为准确的目标设备。
可选的，S102的根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
在实际应用中，可能多个设备的摄像头前都站有人，且正好人脸面向摄像头，则可能存在个设备的图像有至少两个图像中存在面向摄像头的人脸的情况，但是语音指令通常是一个人发出的，因此，在无法从图像识别中得到唯一响应语音指令的目标设备时，可以进一步比较来自至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为目标设备。
本申请实施例中，在图像识别中存在多个面向摄像头的人脸的图像时，进一步结合设备的语音强度来确定目标设备，可以在各种场景中得到较为准确的目标设备。
可选的，S102的根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像中均不存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
用户在发送语音指令时，也可能没有面对设备的摄像头说话，则是多个设备的图像中可能均不存在面向摄像头的人脸，则可以进一步比较来自该多个设备的语音强度的大小，如果语音强度最大的设备有多个，则进一步从接收到设备发送语音指令的时刻确定目标设备，获取接收到来自多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为目标设备，目标设备可以较近为用户提供服务。
本申请实施例中，可以在各种场景中得到较为准确的目标设备。
可选的，S102的根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
在实际应用中，可能多个设备的摄像头前都站有人，且正好人脸面向摄像头，则可能存在个设备的图像有至少两个图像中存在面向摄像头的人脸的情况，但是语音指令通常是一个人发出的，因此，在无法从图像识别中得到唯一响应语音指令的目标设备时，可以进一步比较来自至少两个图像对应的设备的语音强度的大小，如果语音强度最大的设备有多个，则进一步从接收到设备发送语音指令的时刻确定目标设备，获取接收到来自多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为目标设备，目标设备可以较近为用户提供服务。
本申请实施例中，可以在各种场景中得到较为准确的目标设备。
综上所述，本申请实施例中提供了一种信息指示的方法及装置，在连接于同一个无线局域网的多个设备接收到相同的语音指令时，可以向服务器发送图像、语音强度和语音指令，进而服务器可以根据图像、语音强度和语音指令在多个设备中确定用于响应该语音指令的目标设备，并向目标设备发送指示消息，指示该目标设备响应该语音指令。则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。
图3为本申请提供的信息指示的装置一实施例的结构示意图。如图3所示，本实施例提供的信息指示的装置包括：
接收模块31，用于接收来自多个设备的信息；其中，所述多个设备连接于同一个无线局域网；任一个设备的信息包括：图像、语音强度和语音指令；所述图像为所述任一个设备在接收到所述语音指令时拍摄得到的，所述语音强度为所述任一个设备接收到所述语音指令时的信号强度；所述多个设备的语音指令相同；
处理模块32，用于根据所述多个设备的信息，确定用于响应所述语音指令的目标设备；
发送模块33，用于向所述目标设备发送指示消息，所述指示消息用于指示所述目标设备响应所述语音指令。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中识别到一个图像中存在面向摄像头的人脸的情况下，将发送存在面向摄像头的人脸的图像的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸，比较来自所述多个设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
可选的，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
可选的，所述发送模块还用于：
向所述目标设备发送所述语音指令对应的搜索结果。
可选的，所述设备为设置有摄像头的音箱。
本申请实施例中提供了一种信息指示的方法及装置，在连接于同一个无线局域网的多个设备接收到相同的语音指令时，可以向服务器发送图像、语音强度和语音指令，进而服务器可以根据图像、语音强度和语音指令在多个设备中确定用于响应该语音指令的目标设备，并向目标设备发送指示消息，指示该目标设备响应该语音指令。则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。
本申请各实施例提供的信息指示的装置可用于执行如前述各对应的实施例所示的方法，其实现方式与原理相同，不再赘述。
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，是根据本申请实施例的信息指示的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所提供的信息指示的方法。本申请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所提供的信息指示的方法。
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，如本申请实施例中的信息指示的方法对应的程序指令/模块(例如，附图3所示的接收模块31、处理模块32和发送模块33)。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的信息指示的方法。
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信息指示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信息指示的电子设备。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。
信息指示的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，以及产生与信息指示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(例如，LED)和触觉反馈装置(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(LCD)、发光二极管(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ASIC(专用集成电路)、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(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，CRT(阴极射线管)或者LCD(液晶显示器)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)、或者包括中间件部件的计算系统(例如，应用服务器)、或者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(LAN)、广域网(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，在连接于同一个无线局域网的多个设备接收到相同的语音指令时，可以向服务器发送图像、语音强度和语音指令，进而服务器可以根据图像、语音强度和语音指令在多个设备中确定用于响应该语音指令的目标设备，并向目标设备发送指示消息，指示该目标设备响应该语音指令。则本申请实施例中，即使一个家庭或空间内有多个设备都接收到语音指令，服务器也可以指示具体响应该语音指令的目标设备，避免出现多个设备应答一个语音指令的现象发生。
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 (18)

1.一种信息指示的方法，其特征在于，所述方法包括：
接收来自多个设备的信息；其中，所述多个设备连接于同一个无线局域网；任一个设备的信息包括：图像、语音强度和语音指令；所述图像为所述任一个设备在接收到所述语音指令时拍摄得到的，所述语音强度为所述任一个设备接收到所述语音指令时的信号强度；所述多个设备的语音指令相同；
根据所述多个设备的信息，确定用于响应所述语音指令的目标设备；
向所述目标设备发送指示消息，所述指示消息用于指示所述目标设备响应所述语音指令。
2.根据权利要求1所述的方法，其特征在于，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中识别到一个图像中存在面向摄像头的人脸的情况下，将发送存在面向摄像头的人脸的图像的设备确定为所述目标设备。
3.根据权利要求1所述的方法，其特征在于，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸，比较来自所述多个设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
4.根据权利要求1所述的方法，其特征在于，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
5.根据权利要求1所述的方法，其特征在于，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
6.根据权利要求1所述的方法，其特征在于，根据所述多个设备的信息，确定用于响应所述语音指令的目标设备，包括：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
7.根据权利要求1-6任一项所述的方法，其特征在于，还包括：
向所述目标设备发送所述语音指令对应的搜索结果。
8.根据权利要求1-6任一项所述的方法，其特征在于，所述设备为设置有摄像头的音箱。
9.一种信息指示的装置，其特征在于，包括：
接收模块，用于接收来自多个设备的信息；其中，所述多个设备连接于同一个无线局域网；任一个设备的信息包括：图像、语音强度和语音指令；所述图像为所述任一个设备在接收到所述语音指令时拍摄得到的，所述语音强度为所述任一个设备接收到所述语音指令时的信号强度；所述多个设备的语音指令相同；
处理模块，用于根据所述多个设备的信息，确定用于响应所述语音指令的目标设备；
发送模块，用于向所述目标设备发送指示消息，所述指示消息用于指示所述目标设备响应所述语音指令。
10.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中识别到一个图像中存在面向摄像头的人脸的情况下，将发送存在面向摄像头的人脸的图像的设备确定为所述目标设备。
11.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸，比较来自所述多个设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
12.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小，将语音强度最大的设备确定为所述目标设备。
13.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像中均不存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
14.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：
分别识别来自所述多个设备的图像；
在所述多个设备的图像有至少两个图像中存在面向摄像头的人脸的情况下，比较来自所述至少两个图像对应的设备的语音强度的大小；
在来自所述至少两个图像对应的设备的语音强度中存在多个语音强度最大的设备的情况下，获取接收到来自所述多个语音强度最大的设备的语音指令的时刻，将时刻最早的设备确定为所述目标设备。
15.根据权利要求9-14任一项所述的装置，其特征在于，所述发送模块还用于：
向所述目标设备发送所述语音指令对应的搜索结果。
16.根据权利要求9-14任一项所述的装置，其特征在于，所述设备为设置有摄像头的音箱。
17.一种电子设备，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如权利要求1-8任一项所述的方法的指令。
18.一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，计算机指令用于使所述计算机执行如权利要求1-8任一项所述的方法。
CN202010060130.XA 2020-01-19 2020-01-19 信息指示的方法及装置 Active CN111261159B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010060130.XA CN111261159B (zh) 2020-01-19 2020-01-19 信息指示的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010060130.XA CN111261159B (zh) 2020-01-19 2020-01-19 信息指示的方法及装置

Publications (2)

Publication Number Publication Date
CN111261159A true CN111261159A (zh) 2020-06-09
CN111261159B CN111261159B (zh) 2022-12-13

Family

ID=70947811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010060130.XA Active CN111261159B (zh) 2020-01-19 2020-01-19 信息指示的方法及装置

Country Status (1)

Country Link
CN (1) CN111261159B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112002316A (zh) * 2020-07-30 2020-11-27 珠海格力电器股份有限公司 一种电器控制方法、装置、存储介质及终端
CN112037763A (zh) * 2020-08-27 2020-12-04 腾讯科技（深圳）有限公司 一种基于人工智能的服务测试方法及装置
CN112164405A (zh) * 2020-11-05 2021-01-01 佛山市顺德区美的电子科技有限公司 语音设备及其唤醒方法、装置以及存储介质
CN112634872A (zh) * 2020-12-21 2021-04-09 北京声智科技有限公司 语音设备唤醒方法及装置
CN112908321A (zh) * 2020-12-02 2021-06-04 青岛海尔科技有限公司 设备控制方法、装置、存储介质及电子装置
CN113450798A (zh) * 2021-06-29 2021-09-28 青岛海尔科技有限公司 设备控制方法、装置、存储介质及电子装置
CN115086095A (zh) * 2021-03-10 2022-09-20 Oppo广东移动通信有限公司 设备控制方法及相关装置
CN115148202A (zh) * 2022-05-31 2022-10-04 青岛海尔科技有限公司 语音指令的处理方法和装置、存储介质及电子装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07271426A (ja) * 1994-03-28 1995-10-20 Sharp Corp 機器制御装置および室内機器の制御システム
CN103186227A (zh) * 2011-12-28 2013-07-03 北京德信互动网络技术有限公司 人机互动系统和方法
US10425781B1 (en) * 2018-02-22 2019-09-24 Amazon Technologies, Inc. Outputting notifications using device groups
US20210134278A1 (en) * 2017-11-15 2021-05-06 Sony Corporation Information processing device and information processing method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07271426A (ja) * 1994-03-28 1995-10-20 Sharp Corp 機器制御装置および室内機器の制御システム
CN103186227A (zh) * 2011-12-28 2013-07-03 北京德信互动网络技术有限公司 人机互动系统和方法
US20210134278A1 (en) * 2017-11-15 2021-05-06 Sony Corporation Information processing device and information processing method
US10425781B1 (en) * 2018-02-22 2019-09-24 Amazon Technologies, Inc. Outputting notifications using device groups

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112002316A (zh) * 2020-07-30 2020-11-27 珠海格力电器股份有限公司 一种电器控制方法、装置、存储介质及终端
CN112037763A (zh) * 2020-08-27 2020-12-04 腾讯科技（深圳）有限公司 一种基于人工智能的服务测试方法及装置
CN112037763B (zh) * 2020-08-27 2023-10-13 腾讯科技（深圳）有限公司 一种基于人工智能的服务测试方法及装置
CN112164405A (zh) * 2020-11-05 2021-01-01 佛山市顺德区美的电子科技有限公司 语音设备及其唤醒方法、装置以及存储介质
CN112164405B (zh) * 2020-11-05 2024-04-23 佛山市顺德区美的电子科技有限公司 语音设备及其唤醒方法、装置以及存储介质
CN112908321A (zh) * 2020-12-02 2021-06-04 青岛海尔科技有限公司 设备控制方法、装置、存储介质及电子装置
CN112634872A (zh) * 2020-12-21 2021-04-09 北京声智科技有限公司 语音设备唤醒方法及装置
CN115086095A (zh) * 2021-03-10 2022-09-20 Oppo广东移动通信有限公司 设备控制方法及相关装置
CN113450798A (zh) * 2021-06-29 2021-09-28 青岛海尔科技有限公司 设备控制方法、装置、存储介质及电子装置
CN115148202A (zh) * 2022-05-31 2022-10-04 青岛海尔科技有限公司 语音指令的处理方法和装置、存储介质及电子装置

Also Published As

Publication number Publication date
CN111261159B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN111261159B (zh) 信息指示的方法及装置
CN111192591B (zh) 智能设备的唤醒方法、装置、智能音箱及存储介质
US20210090567A1 (en) Method and apparatus for managing voice-based interaction in internet of things network system
US20210210091A1 (en) Method, device, and storage medium for waking up via speech
US20120326866A1 (en) Method and system for providing gathering experience
KR20210038460A (ko) 음성 인터랙션 처리 방법, 장치와 전자기기
CN112669831B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
CN110557699B (zh) 一种智能音箱交互方法、装置、设备及存储介质
CN108063949A (zh) 图像截屏方法、装置及截屏服务器
CN111443801B (zh) 人机交互方法、装置、设备及存储介质
CN113325954B (zh) 用于处理虚拟对象的方法、装置、设备和介质
CN105100672A (zh) 显示装置及其视频通话执行方法
CN110601933A (zh) 物联网设备的控制方法、装置、设备及存储介质
US10824392B2 (en) Electronic apparatus for processing user utterance for controlling an external electronic apparatus and controlling method thereof
CN112929246A (zh) 操作指令的处理方法、存储介质、程序产品及用户终端
CN111883127A (zh) 用于处理语音的方法和装置
CN111862987A (zh) 语音识别方法和装置
KR20210038278A (ko) 음성 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
CN111243585B (zh) 多人场景下的控制方法、装置、设备及存储介质
CN111160318B (zh) 电子设备控制方法及装置
CN113327311A (zh) 基于虚拟角色的显示方法、装置、设备、存储介质
CN112329907A (zh) 对话处理方法、装置、电子设备和存储介质
CN111652344A (zh) 用于呈现信息的方法和装置
CN114968387A (zh) 外接设备切换方法和装置
CN113141292B (zh) 一种消息处理方法、装置及电子设备

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
TA01 Transfer of patent application right

Effective date of registration: 20210518

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant after: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

Applicant after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant