CN111667827B - 应用程序的语音控制方法、装置及存储介质 - Google Patents
应用程序的语音控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111667827B CN111667827B CN202010469437.5A CN202010469437A CN111667827B CN 111667827 B CN111667827 B CN 111667827B CN 202010469437 A CN202010469437 A CN 202010469437A CN 111667827 B CN111667827 B CN 111667827B
- Authority
- CN
- China
- Prior art keywords
- voice
- application program
- interface
- target
- awakening
- 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.)
- Active
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Telephone Function (AREA)
Abstract
本公开涉及一种应用程序的语音控制方法、装置及存储介质，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述方法包括：采集语音指令；判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象；其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
Description
技术领域
本公开涉及移动通信技术领域，尤其涉及一种应用程序的语音控制方法、装置及存储介质。
背景技术
移动终端中通常安装有多个APP(Application，应用程序)，安装的APP可以为移动终端用户带来便捷的服务。随着移动终端的不断更新换代，移动终端上可运行的APP数量也随之增多，通过APP移动终端用户可以购物、聊天、支付账单等，APP已经成为移动终端用户日常生活中不可或缺的部分。
相关技术中，可以通过语音来控制APP实现相应的功能，从而提升APP的控制效率。但是，这样的控制方式能够实现的控制功能还较少，应用场景也较为有限。
发明内容
为克服相关技术中存在的问题，本公开提供一种应用程序的语音控制方法、装置及存储介质。
根据本公开实施例的第一方面，提供一种应用程序的语音控制方法，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述方法包括：
采集语音指令；
判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象；
其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
可选地，所述多种语音唤醒接口还包括为所述应用程序的目标页面设置的第二语音唤醒接口，相应地，所述根据所述目标语音唤醒接口调用对应的执行对象还包括：
在所述目标语音唤醒接口为所述第二语音唤醒接口的情况下，控制所述应用程序由当前界面切换为所述第二语音唤醒接口对应的目标页面，其中，所述当前界面与所述目标页面不同。
可选地，所述多种语音唤醒接口还包括为所述应用程序的目标页面元素设置的第三语音唤醒接口，相应地，所述根据所述目标语音唤醒接口调用对应的执行对象还包括：
在所述目标语音唤醒接口为所述第三语音唤醒接口的情况下，控制所述应用程序从当前界面直接访问所述目标界面元素。
可选地，所述方法还包括：
获取所述应用程序的页面信息及关键节点信息；
根据所述应用程序的页面信息及关键节点信息制定所述语音开发标准。
可选地，所述语音开发标准为全双工语音开发标准，所述方法还包括：
在根据所述目标语音唤醒接口调用对应的执行对象后，通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。
可选地，所述方法还包括：
若所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口，则根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户。
根据本公开实施例的第二方面，提供一种应用程序的语音控制装置，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述装置包括：
采集模块，被配置为采集语音指令；
判断模块，被配置为判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
调用模块，被配置为在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，根据所述目标语音唤醒接口调用对应的执行对象；
其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
可选地，所述多种语音唤醒接口还包括为所述应用程序的目标页面设置的第二语音唤醒接口，相应地，所述调用模块还包括：
第一执行子模块，被配置为在所述目标语音唤醒接口为所述第二语音唤醒接口的情况下，控制所述应用程序由当前界面切换为所述第二语音唤醒接口对应的目标页面，其中，所述当前界面与所述目标页面不同。
可选地，所述多种语音唤醒接口还包括为所述应用程序的目标页面元素设置的第三语音唤醒接口，相应地，所述调用模块还包括：
第二执行子模块，被配置为在所述目标语音唤醒接口为所述第三语音唤醒接口的情况下，控制所述应用程序从当前界面直接访问所述目标界面元素。
可选地，所述装置还包括：
获取模块，被配置为获取所述应用程序的页面信息及关键节点信息；
第一执行模块，被配置为根据所述应用程序的页面信息及关键节点信息制定所述语音开发标准。
可选地，所述语音开发标准为全双工语音开发标准，所述装置还包括：
语音引导模块，被配置为在所述调用模块根据所述目标语音唤醒接口调用对应的执行对象后，通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。
可选地，所述装置还包括：
第二执行模块，被配置为在所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口时，根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户。
根据本公开实施例的第三方面，提供一种应用程序的语音控制装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
采集语音指令；
判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象；
其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的应用程序的语音控制方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：
由于所述应用程序是根据语音控制平台制定的语音开发标准开发的，因此所述应用程序中可以包括相应的语音唤醒接口。这样，终端在采集到用户发出的语音指令时，可以对所述语音指令进行解析并判断该应用程序中是否存在匹配所述语音指令的目标语音唤醒接口。在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，终端可以根据所述目标语音唤醒接口调用对应的执行对象，从而实现相应的程序功能。也就是说，通过在应用程序中设置多种语音唤醒接口，用户能够通过语音来实现对应的目标交互流程，从而起到了提升应用程序的语音控制效率的效果，也丰富了语音控制所能够实现的功能。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种应用程序的语音控制方法的流程图。
图2是根据一示例性实施例示出的一种应用程序的语音控制方法的流程图。
图3是根据一示例性实施例示出的一种应用程序的界面的示意图。
图4是根据一示例性实施例示出的一种应用程序的语音控制方法的流程图。
图5是根据一示例性实施例示出的一种应用程序的语音控制方法的流程图。
图6是根据一示例性实施例示出的一种应用程序的语音控制装置的框图。
图7是根据一示例性实施例示出的一种用于应用程序的语音控制方法的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
介绍本公开所提供的应用程序的语音控制方法之前，首先对本公开的应用场景进行介绍。本公开所提供的各实施例可以应用于各种应用程序的语音控制场景，其中，所述应用程序例如可以是安卓应用程序、快应用程序、Web应用程序等等。
图1是根据本公开一示例性实施例所示出的一种应用程序的语音控制方法的流程图，所述方法可以应用于手机、平板电脑、电脑等终端设备。如图1所示，所述方法包括：
S11，采集语音指令；
S12，判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
S13，若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象。
具体来讲，所述应用程序可以是根据语音控制平台制定的语音开发标准开发的应用程序。所述语音开发标准例如可以包括各种UI(Userinterface，用户界面)元素的分类信息、UI元素的描述格式以及规范等等。这样，在根据所述语音开发标准开发应用程序时，可以为应用程序中的各类UI元素添加描述信息，从而得到对应的语音唤醒接口。
应当理解，所述应用程序可以包括多个语音唤醒接口。此外，针对所述语音唤醒接口，在一些实施例中还可以对各所述语音唤醒接口进行交互流程的匹配，例如播放音乐、切换下一首音乐、暂停播放音乐等等。也就是说，对于应用程序而言，可以同时包括多个语音唤醒接口以及对应的交互流程。例如，所述多种语音唤醒接口可以包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
这样，以所述方法应用于手机为例，在步骤S11中，可以对用户的语音指令进行采集。其中，所述手机可以包括对应的语音助手，当用户发出控制语音后，所述控制语音可以被手机采集并转换成对应的语音指令发送至所述语音助手。
在步骤S12中，判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口。
举例来讲，在一些实施例中可以针对各种交互流程设置对应的语音唤醒查询(query)。沿用上述例子，在语音助手获取到用户的控制指令后，可以通过对所述控制指令进行解析并与语音唤醒query相匹配，从而确定所述语音指令所对应的交互流程。在确定所述语音指令所对应的交互流程后，可以根据交互流程与语音唤醒接口的对应关系确定所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口。
那么，在步骤S13中，在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，则可以根据所述目标语音唤醒接口调用对应的执行对象。
举例来讲，当语音助手接收到语音指令“查看我微博关注的好友动态”时，可以将所述语音指令和语音唤醒query相匹配，从而确定执行的任务为：打开微博，以及打开好友动态(即目标语音唤醒接口为第一语音唤醒接口)。这样，若微博应用程序存在与所述语音指令匹配的目标语音唤醒接口，则所述语音助手可以根据所述目标语音唤醒接口调用对应的执行对象，从而实现对应的功能。
当然，上述实施例中以所述方法应用于手机的情况对所述方法进行了说明，但本领域技术人员应当知晓，所述方法也可以应用于平板电脑、电脑等其他终端，本公开对此不做限定。
采用上述技术方案，由于所述应用程序是根据语音控制平台制定的语音开发标准开发的，因此所述应用程序中可以包括相应的语音唤醒接口。这样，终端在采集到用户发出的语音指令时，可以对所述语音指令进行解析并判断该应用程序中是否存在匹配所述语音指令的目标语音唤醒接口。在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，终端可以根据所述目标语音唤醒接口调用对应的执行对象，从而实现相应的程序功能。也就是说，通过在应用程序中设置多种语音唤醒接口，用户能够通过语音来实现对应的目标交互流程，从而起到了提升应用程序的语音控制效率的效果，也丰富了语音控制所能够实现的功能。
在一种可能的实施方式中，所述多种语音唤醒接口还包括为所述应用程序的目标页面设置的第二语音唤醒接口，相应地，参照图2所示出的一种应用程序的语音控制方法的流程图，所述方法包括：
S21，采集语音指令；
S22，判断所述应用程序是否存在与所述语音指令匹配的第二语音唤醒接口；
S23，若所述应用程序存在与所述语音指令匹配的第二语音唤醒接口，则控制所述应用程序由当前界面切换为所述第二语音唤醒接口对应的目标页面，其中，所述当前界面与所述目标页面不同。
举例来讲，参照图3所示出的一种应用程序的界面的示意图，应用程序中的界面“我”中的节点“微博”设置有第二语音唤醒接口，当语音助手接收到语音指令“查看我的微博”时，可以将所述语音指令和语音唤醒query相匹配，从而确定执行的交互流程为：打开我—>微博页面。这样，所述语音助手可以通过将该交互流程与所述应用程序所包括的语音唤醒接口进行匹配，从而调用所述第二语音唤醒接口所对应的执行对象，进而打开用户自己的微博界面。
也就是说，采用上述技术方案，通过在应用程序中设置第二语音唤醒接口，语音助手能够识别和执行应用程序当前界面上不存在的操作，从而能够提升用户的语音操作效率，也拓展了语音控制的适用范围。
在另一种可能的实施方式中，所述多种语音唤醒接口还包括为所述应用程序的目标页面元素设置的第三语音唤醒接口，相应地，参照图4所示出的一种应用程序的语音控制方法的流程图，所述方法包括：
S41，采集语音指令；
S42，判断所述应用程序是否存在与所述语音指令匹配的第三语音唤醒接口；
S43，若所述应用程序存在与所述语音指令匹配的第三语音唤醒接口，控制所述应用程序从当前界面直接访问所述目标界面元素。
举例来讲，应用程序中的节点“发微博”设置有第三语音唤醒接口，当语音助手接收到语音指令“查看我的微博”时，可以将所述语音指令和语音唤醒query相匹配，从而确定执行的交互流程为“发微博”。这样，所述语音助手可以通过将该交互流程与所述微博应用程序所包括的语音唤醒接口进行匹配，从而调用所述第三语音唤醒接口所对应的执行对象，进而直接进入微博发送界面。
也就是说，采用上述技术方案，通过在应用程序中设置语音唤醒接口，语音助手能够识别和执行应用程序中的各类节点。例如，针对第三语音唤醒接口所对应的功能节点，所述语音助手能够通过调用所述第三语音唤醒接口所对应的对象从而直接访问对应的元素，从而能够提升用户的语音操作效率。
可选地，所述方法还包括：
获取所述应用程序的页面信息及关键节点信息；
根据所述应用程序的页面信息及关键节点信息制定所述语音开发标准。
举例来讲，针对各应用程序，语音控制平台可以对该应用程序的结构信息进行获取，从而获得各类应用程序的功能节点。在一些实施例中，语音控制平台还可以根据这些结构信息建立用户常用的交互流程，例如，外卖下单流程，美食查询流程、电影票购买流程等等。其中，交互流程可以对应设置有相应的语音唤醒接口以及语音唤醒query。这样，可以根据各种交互流程以及对应的语音唤醒接口来建立所述语音开发标准。当然，所述语音开发标准还可以包括对应的语音唤醒接口的描述格式、规范等等。此外，在具体实施时，开发端也可以根据待开发的应用程序所需的交互流程选择合适的语音唤醒接口，进而对应用程序进行开发。
这样，通过建立所述语音开发标准，使得根据所述语音开发标准开发得到的应用程序中包括了相应的语音唤醒接口。也就是说，针对所述应用程序，可以通过对应的语控制指令来实现所述应用程序的相应功能，从而能够拓展终端语音控制的范围。
图5是根据本公开一示例性实施例所示出的一种应用程序的语音控制方法的流程图，所述语音开发标准为全双工语音开发标准，所述方法包括：
S51，采集语音指令；
S52，判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
S53，若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象。
S54，通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。
其中，针对步骤S51至S53，请参照上述关于步骤S11至S13的描述，本公开在此不做赘述。在步骤S54中，终端在在根据所述目标语音唤醒接口调用对应的执行对象后，通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。
以语音助手为例进行说明，应用程序中的节点“发微博”设置有第三语音唤醒接口，当语音助手接收到语音指令“查看我的微博”时，可以将所述语音指令和语音唤醒query相匹配，从而确定执行的交互流程为“发微博”。这样，所述语音助手可以通过将该交互流程与所述微博应用程序所包括的语音唤醒接口进行匹配，从而调用所述第三语音唤醒接口所对应的执行对象，进而直接进入微博发送界面，节省了多步操作。
此外，所述语音助手还可以通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。例如，在进入微博发送界面之后，所述语音助手还可以以语音的形式询问用户所要发送的内容。当接收到用户关于发送内容的指令时(例如用户要发送“今天天气不错～”)，所述语音助手可以触发对应的语音唤醒接口，将待发送的内容输入至微博发送文本框。当然，所述终端还可以通过类似的操作来引导用户继续输入语音指令，以完成微博发送订单目的。这些操作例如可以包括设置微博的阅读权限、确认是否发送等等。
上述技术方案能够进一步扩展应用程序的语音控制能力，从而起到帮助用户完成繁琐的操作，提升用户针对应用程序的控制效率的效果。并且，由于所述语音开发标准为全双工语音开发标准，因此终端与用户的对话可以是双向、连续的。用户可以中断终端的语音引导过程，也无需多次对终端进行唤醒，因此采用上述技术方案还能够简化用户的语音操作步骤，进一步地提升语音控制效率。
可选地，所述方法还包括：
若所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口，则根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户。
举例来讲，在一些实施例中，终端采集的语音指令可能包括较少的信息，从而导致所述应用程序所包括的语音唤醒接口与所述语音指令匹配失败。在这种情况下，所述终端可以根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户。例如，当终端获取到的语音指令为“打开”时，所述终端可以根据该语音指令预测用户的控制意图，例如“打开微博”、“打开音乐”等等。这样，可以根据所述控制意图语音询问所述用户，从而根据用户的反馈确定用户的真实控制意图，进而控制应用程序相应的动作。
在另一些实施例中，应用程序可能不存在与所述语音指令匹配的目标语音唤醒接口。在这种情况下，所述终端可以根据所述语音指令，预测用户的控制意图，并根据所述控制意图语音询问所述用户。例如，当采集到的语音指令为“播放音乐”且音乐应用程序没有“播放音乐”这一语音唤醒借口时，终端可以根据用户的语音指令预测用户的意图为“播放音乐”，从而询问所述用户“是否要播放音乐”。在一些可能的实施方式中，终端在询问用户是否播放音乐后还可以提供打开音乐应用程序的选项(音乐应用程序存在打开应用程序的语音唤醒接口)。
采用上述技术方案，当所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口时，终端可以根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户，起到提升用户的控制效率和体验。
此外值得说明的是，采用上述技术方案，应用程序中可以包括多个语音唤醒接口。并且，语音唤醒接口可以与应用程序的常用交互流程相对应，通过调用不同语音唤醒接口所对应的对象可以实现所述交互流程。也就是说，终端可以通过应用程序中的所述语音唤醒接口识别应用程序中的对应对象的功能。
这样，在一些实施场景中，当用户面对陌生的应用程序时，还可以通过语音指令的方式询问终端相应对象的功能含义。例如，用户可以发送语音指令“办公电话是什么？”。终端在接收到所述语音指令之后，可以根据应用程序中的语音唤醒接口的功能，向用户播报程序中的“办公电话”选项的含义，起到提升用户的应用程序使用效率的效果。
图6是根据一示例性实施例示出的一种应用程序的语音控制装置的框图，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述装置600包括：
采集模块601，被配置为采集语音指令；
判断模块602，被配置为判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
调用模块603，被配置为在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，根据所述目标语音唤醒接口调用对应的执行对象；
其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
本公开的实施例提供的技术方案可以包括以下有益效果：
由于所述应用程序是根据语音控制平台制定的语音开发标准开发的，因此所述应用程序中可以包括相应的语音唤醒接口。这样，终端在采集到用户发出的语音指令时，可以对所述语音指令进行解析并判断该应用程序中是否存在匹配所述语音指令的目标语音唤醒接口。在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，终端可以根据所述目标语音唤醒接口调用对应的执行对象，从而实现相应的程序功能。也就是说，通过在应用程序中设置多种语音唤醒接口，用户能够通过语音来实现对应的目标交互流程，从而起到了提升应用程序的语音控制效率的效果，也丰富了语音控制所能够实现的功能。
可选地，所述多种语音唤醒接口还包括为所述应用程序的目标页面设置的第二语音唤醒接口，相应地，所述调用模块603还包括：
第一执行子模块，被配置为在所述目标语音唤醒接口为所述第二语音唤醒接口的情况下，控制所述应用程序由当前界面切换为所述第二语音唤醒接口对应的目标页面，其中，所述当前界面与所述目标页面不同。
也就是说，采用上述技术方案，通过在应用程序中设置第二语音唤醒接口，语音助手能够识别和执行应用程序当前界面上不存在的操作，从而能够提升用户的语音操作效率，也拓展了语音控制的适用范围。
可选地，所述多种语音唤醒接口还包括为所述应用程序的目标页面元素设置的第三语音唤醒接口，相应地，所述调用模块603还包括：
第二执行子模块，被配置为在所述目标语音唤醒接口为所述第三语音唤醒接口的情况下，控制所述应用程序从当前界面直接访问所述目标界面元素。
也就是说，采用上述技术方案，通过在应用程序中设置语音唤醒接口，语音助手能够识别和执行应用程序中的各类节点。例如，针对第三语音唤醒接口所对应的功能节点，所述语音助手能够通过调用所述第三语音唤醒接口所对应的对象从而直接访问对应的元素，从而能够提升用户的语音操作效率。
可选地，所述装置还包括：
获取模块，被配置为获取所述应用程序的页面信息及关键节点信息；
第一执行模块，被配置为根据所述应用程序的页面信息及关键节点信息制定所述语音开发标准。
这样，通过建立所述语音开发标准，使得根据所述语音开发标准开发得到的应用程序中包括了相应的语音唤醒接口。也就是说，针对所述应用程序，可以通过对应的语控制指令来实现所述应用程序的相应功能，从而能够拓展终端语音控制的范围。
可选地，所述语音开发标准为全双工语音开发标准，所述装置还包括：
语音引导模块，被配置为在所述调用模块根据所述目标语音唤醒接口调用对应的执行对象后，通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。
上述技术方案能够进一步扩展应用程序的语音控制能力，从而起到帮助用户完成繁琐的操作，提升用户针对应用程序的控制效率的效果。并且，由于所述语音开发标准为全双工语音开发标准，因此终端与用户的对话可以是双向、连续的。用户可以中断终端的语音引导过程，也无需多次对终端进行唤醒，因此采用上述技术方案还能够简化用户的语音操作步骤，进一步地提升语音控制效率。
可选地，所述装置还包括：
第二执行模块，被配置为在所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口时，根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户。
采用上述技术方案，当所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口时，终端可以根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户，起到提升用户的控制效率和体验。
本公开还提供一种应用程序的语音控制装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
采集语音指令；
判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象；
其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
采用上述装置，由于所述应用程序是根据语音控制平台制定的语音开发标准开发的，因此所述应用程序中可以包括相应的语音唤醒接口。这样，终端在采集到用户发出的语音指令时，可以对所述语音指令进行解析并判断该应用程序中是否存在匹配所述语音指令的目标语音唤醒接口。在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，终端可以根据所述目标语音唤醒接口调用对应的执行对象，从而实现相应的程序功能。也就是说，通过在应用程序中设置多种语音唤醒接口，用户能够通过语音来实现对应的目标交互流程，从而起到了提升应用程序的语音控制效率的效果，也丰富了语音控制所能够实现的功能。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开所提供的应用程序的语音控制方法的步骤。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种用于应用程序的语音控制方法的装置700的框图。例如，装置700可以是移动电话，计算机，平板设备，医疗设备，健身设备，个人数字助理等。
参照图7，装置700可以包括以下一个或多个组件：处理组件702，存储器704，电力组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。
处理组件702通常控制装置700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的应用程序的语音控制方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件706为装置700的各种组件提供电力。电力组件706可以包括电源管理系统，一个或多个电源，及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当装置700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器，用于为装置700提供各个方面的状态评估。例如，传感器组件714可以检测到装置700的打开/关闭状态，组件的相对定位，例如所述组件为装置700的显示器和小键盘，传感器组件714还可以检测装置700或装置700一个组件的位置改变，用户与装置700接触的存在或不存在，装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的应用程序的语音控制方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由装置700的处理器720执行以完成上述的应用程序的语音控制方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的应用程序的语音控制方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种应用程序的语音控制方法，其特征在于，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述语音开发标准根据应用程序的页面信息及关键节点信息制定，所述语音开发标准包括为用户界面元素添加描述信息，所述方法包括：
采集语音指令；
判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象；
响应用户的询问应用程序中的对象的功能含义的语音指令，根据应用程序的语音唤醒接口，向用户播报所述对象的含义；
其中，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
2.根据权利要求1所述的方法，其特征在于，所述多种语音唤醒接口还包括为所述应用程序的目标页面设置的第二语音唤醒接口，相应地，所述根据所述目标语音唤醒接口调用对应的执行对象还包括：
在所述目标语音唤醒接口为所述第二语音唤醒接口的情况下，控制所述应用程序由当前界面切换为所述第二语音唤醒接口对应的目标页面，其中，所述当前界面与所述目标页面不同。
3.根据权利要求1所述的方法，其特征在于，所述多种语音唤醒接口还包括为所述应用程序的目标页面元素设置的第三语音唤醒接口，相应地，所述根据所述目标语音唤醒接口调用对应的执行对象还包括：
在所述目标语音唤醒接口为所述第三语音唤醒接口的情况下，控制所述应用程序从当前界面直接访问所述目标页面元素。
4.根据权利要求1所述的方法，其特征在于，所述语音开发标准为全双工语音开发标准，所述方法还包括：
在根据所述目标语音唤醒接口调用对应的执行对象后，通过语音引导用户继续输入语音指令，以完成与所述执行对象关联的后续操作。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
若所述应用程序不存在与所述语音指令匹配的目标语音唤醒接口，则根据所述语音指令预测用户的控制意图，并根据所述控制意图语音询问所述用户。
6.一种应用程序的语音控制装置，其特征在于，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述语音开发标准根据应用程序的页面信息及关键节点信息制定，所述语音开发标准包括为用户界面元素添加描述信息，所述装置包括：
采集模块，被配置为采集语音指令；
判断模块，被配置为判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
调用模块，被配置为在所述应用程序存在与所述语音指令匹配的目标语音唤醒接口时，根据所述目标语音唤醒接口调用对应的执行对象；
其中，所述装置还用于响应用户的询问应用程序中的对象的功能含义的语音指令，根据应用程序的语音唤醒接口，向用户播报所述对象的含义，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
7.根据权利要求6所述的装置，其特征在于，所述多种语音唤醒接口还包括为所述应用程序的目标页面设置的第二语音唤醒接口，相应地，所述调用模块还包括：
第一执行子模块，被配置为在所述目标语音唤醒接口为所述第二语音唤醒接口的情况下，控制所述应用程序由当前界面切换为所述第二语音唤醒接口对应的目标页面，其中，所述当前界面与所述目标页面不同。
8.一种应用程序的语音控制装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
采集语音指令；
判断所述应用程序是否存在与所述语音指令匹配的目标语音唤醒接口；
若所述应用程序存在与所述语音指令匹配的目标语音唤醒接口，则根据所述目标语音唤醒接口调用对应的执行对象；
响应用户的询问应用程序中的对象的功能含义的语音指令，根据应用程序的语音唤醒接口，向用户播报所述对象的含义；
其中，所述应用程序是根据语音控制平台制定的语音开发标准开发的应用程序，所述语音开发标准根据应用程序的页面信息及关键节点信息制定，所述语音开发标准包括为用户界面元素添加描述信息，所述应用程序包括多种语音唤醒接口，所述多种语音唤醒接口包括为目标交互流程设置的第一语音唤醒接口，所述目标交互流程用于对所述应用程序执行至少两次操作。
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010469437.5A CN111667827B (zh) | 2020-05-28 | 2020-05-28 | 应用程序的语音控制方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010469437.5A CN111667827B (zh) | 2020-05-28 | 2020-05-28 | 应用程序的语音控制方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111667827A CN111667827A (zh) | 2020-09-15 |
| CN111667827B true CN111667827B (zh) | 2023-10-17 |
Family
ID=72385193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010469437.5A Active CN111667827B (zh) | 2020-05-28 | 2020-05-28 | 应用程序的语音控制方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111667827B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114489437B (zh) * | 2022-01-14 | 2024-03-19 | 深圳优美创新科技有限公司 | 智能手表及其控制方法、计算机可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107919123A (zh) * | 2017-12-07 | 2018-04-17 | 北京小米移动软件有限公司 | 多语音助手控制方法、装置及计算机可读存储介质 |
| CN107978316A (zh) * | 2017-11-15 | 2018-05-01 | 西安蜂语信息科技有限公司 | 控制终端的方法及装置 |
| CN108320742A (zh) * | 2018-01-31 | 2018-07-24 | 广东美的制冷设备有限公司 | 语音交互方法、智能设备及存储介质 |
| WO2019007245A1 (zh) * | 2017-07-04 | 2019-01-10 | 阿里巴巴集团控股有限公司 | 一种处理方法、控制方法、识别方法及其装置和电子设备 |
| CN110223682A (zh) * | 2019-04-29 | 2019-09-10 | 百度在线网络技术（北京）有限公司 | 一种语音指令仲裁方法和装置 |
| CN110647305A (zh) * | 2019-09-29 | 2020-01-03 | 百度在线网络技术（北京）有限公司 | 应用程序的语音交互方法、装置、设备和介质 |
| WO2020042993A1 (zh) * | 2018-08-29 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 语音控制方法、装置及系统 |
| CN111161714A (zh) * | 2019-12-25 | 2020-05-15 | 联想(北京)有限公司 | 一种语音信息处理方法、电子设备及存储介质 |
-
2020
- 2020-05-28 CN CN202010469437.5A patent/CN111667827B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019007245A1 (zh) * | 2017-07-04 | 2019-01-10 | 阿里巴巴集团控股有限公司 | 一种处理方法、控制方法、识别方法及其装置和电子设备 |
| CN107978316A (zh) * | 2017-11-15 | 2018-05-01 | 西安蜂语信息科技有限公司 | 控制终端的方法及装置 |
| CN107919123A (zh) * | 2017-12-07 | 2018-04-17 | 北京小米移动软件有限公司 | 多语音助手控制方法、装置及计算机可读存储介质 |
| CN108320742A (zh) * | 2018-01-31 | 2018-07-24 | 广东美的制冷设备有限公司 | 语音交互方法、智能设备及存储介质 |
| WO2020042993A1 (zh) * | 2018-08-29 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 语音控制方法、装置及系统 |
| CN110223682A (zh) * | 2019-04-29 | 2019-09-10 | 百度在线网络技术（北京）有限公司 | 一种语音指令仲裁方法和装置 |
| CN110647305A (zh) * | 2019-09-29 | 2020-01-03 | 百度在线网络技术（北京）有限公司 | 应用程序的语音交互方法、装置、设备和介质 |
| CN111161714A (zh) * | 2019-12-25 | 2020-05-15 | 联想(北京)有限公司 | 一种语音信息处理方法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111667827A (zh) | 2020-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3171270A1 (en) | Method and device for information push | |
| EP3300407A1 (en) | Method and device for processing verification code | |
| CN110610699B (zh) | 语音信号处理方法、装置、终端、服务器及存储介质 | |
| CN111461304B (zh) | 分类神经网络的训练方法、文本分类方法、装置及设备 | |
| CN106201734B (zh) | 文件分享方法及装置 | |
| EP4184506A1 (en) | Audio processing | |
| CN107463372B (zh) | 一种数据驱动的页面更新方法和装置 | |
| CN111061452A (zh) | 用户界面的语音控制方法和装置 | |
| CN108803892B (zh) | 一种在输入法中调用第三方应用程序的方法和装置 | |
| CN108270661B (zh) | 一种信息回复的方法、装置和设备 | |
| CN109670025B (zh) | 对话管理方法及装置 | |
| CN108766427B (zh) | 语音控制方法及装置 | |
| CN112948704A (zh) | 用于信息推荐的模型训练方法、装置、电子设备以及介质 | |
| CN111667827B (zh) | 应用程序的语音控制方法、装置及存储介质 | |
| CN107368278B (zh) | 信息处理方法及装置 | |
| CN114025317B (zh) | 多媒体资源的传播方法、装置、服务器、终端及存储介质 | |
| CN114051157A (zh) | 一种输入方法和装置 | |
| CN113035189A (zh) | 一种文档演示的控制方法、装置和设备 | |
| CN106897876B (zh) | 终端支付处理方法和装置 | |
| CN111816174A (zh) | 语音识别方法、装置及计算机可读存储介质 | |
| CN113377322A (zh) | 页面直达处理方法、装置及电子设备 | |
| CN111596980A (zh) | 一种信息处理方法及装置 | |
| CN112507162B (zh) | 信息处理方法、装置、终端及存储介质 | |
| CN113778385B (zh) | 组件注册方法、装置、终端及存储介质 | |
| CN111401048B (zh) | 一种意图识别方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |