CN112259076B - 语音交互方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本公开实施例公开了一种语音交互方法、装置、电子设备和计算机可读存储介质。其中该语音交互方法包括：通过第一语音采集设备采集第一声音信号；当检测到第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。上述方法通过切换语音源为不同的语音采集设备，直接从不同的音源采集声音，解决了现有技术中通过语音采集设备进行语音交互时的匹配性差的技术问题。

Description

语音交互方法、装置、电子设备及计算机可读存储介质

技术领域

本公开涉及语音识别领域，尤其涉及一种语音交互方法、装置、电子设备及计算机可读存储介质。

背景技术

作为一种人机交互的手段，语音识别的获取技术在解放人类双手方面意义重大。随着各种智能音箱的出现，语音交互成为了互联网入口的新价值所在，越来越多的智能设备加入了语音唤醒的潮流，成为人与设备沟通的桥梁，因此语音唤醒(keyword spotting，KWS)技术愈发显得重要。

目前越来越多的手机、平板电脑上安装有语音助手，比如苹果语音手机，直接喊“hey！siri”就可以直接将手机助手唤醒，然后进行查询等，非常方便。目前，还有的手机助手会被安装在智能耳机或者智能音箱上，如苹果的Siri和谷歌的Google Assistant已经分别出现在了AirPods和Pixel Buds耳机上。除了自有品牌的硬件产品以外，谷歌还与一些公司合作“专为谷歌设计”(Made for Google)的耳机，Siri和Google Assistant均广泛出现于市场最近涌现的一大波无线耳机产品。

然而，目前的智能耳机或智能音箱提供语音交互功能的方案是直接在智能耳机或者智能音箱中设置语音助手模块。以苹果公司的AirPods为例，目前蓝牙耳机语音助手方案是在耳机内置语音助手模块，当AirPods与苹果手机配对时，可与手机内部的语音助手形成联动，达到语音控制手机的目的。但是这种方案需要耳机内的程序与手机语音程序高度契合，如果购买了AirPod在Android手机上使用，就丧失了耳机语音助手的功能，用户想要通过蓝牙耳机使用手机内的语音助手，必须购买与其匹配的耳机，非常不方便。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供一种语音交互方法，包括：

通过第一语音采集设备采集第一声音信号；

当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；

当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；

当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。

进一步的，所述方法还包括：

当第二语音采集设备断开，通过第一语音设备采集所述第一声音信号。

进一步的，所述当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息，包括：

检测所述第一声音信号中的第一语音信号；

当检测到所述第一语音信号，检测所述第一语音信号中是否包括目标语音；

当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示。

进一步的，当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示，包括：

当检测到目标语音，弹出显示框；

识别所述第一语音信号的语义并转换成文本显示在所述显示框中；

当所述第一语音信号结束，关闭所述显示框。

进一步的，所述当在第二声音信号中检测到目标语音，通过第二交互方式发送交互信息，包括：

检测所述第二声音信号中的第二语音信号；

当检测到所述第二语音信号，检测所述第二语音信号中是否包括目标语音；

当所述第二语音信号中包括目标语音，发送提示声音。

进一步的，所述当所述第二语音信号中包括目标语音，发送提示声音，包括：

当检测到目标语音，发送开始提示音；

识别所述第二语音信号的语义；

当所述第二语音结束，发送结束提示音。

进一步的，所述方法还包括：

当从所述第一语音信号或第二语音信号中识别出第一语音指令，发送所述第一语音指令至终端设备。

进一步的，所述第一语音设备设置于终端设备内，所述第二语音采集设备设置于所述终端设备外。

进一步的，所述方法还包括：

当检测到第一语音采集设备采集第一声音信号时，识别所述第一声音信号的声纹信息，以确定发出所述第一声音信号的第一用户的身份；

当检测到第二语音采集设备采集第二声音信号时，识别所述第二声音信号的声纹信息，以确定发出所述第二声音信号的第二用户的身份。

进一步的，所述方法还包括：

当确定发出第一声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第一声音信号的用户身份关联的第一用户终端；将对所述第一声音信号进行语音识别所得到的内容发送至与所述第一用户终端上。

进一步的，所述方法还包括：

当确定发出第二声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第二声音信号的用户身份关联的第二用户终端；将对所述第二声音信号进行语音识别所得到的内容发送至与所述第二用户终端上。

进一步的，所述方法还包括：

将所述第一用户的身份和所述第二用户的身份进行对比；

当所述第一用户的身份与所述第二用户的身份相同的情况下，将对所述第二声音信号进行语音识别所得到的内容与对所述第一声音信号进行语音识别所得到的内容写入同一个文件中；

当所述第一用户的身份与所述第二用户的身份不相同的情况下，将对所述第二声音信号进行语音识别所得到的内容写入一个新文件中。

第二方面，本公开实施例提供一种语音交互装置，包括：

第一采集模块，用于通过第一语音采集设备采集第一声音信号；

第二采集模块，用于当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；

第一交互模块，用于当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；

第二交互模块，用于当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。

进一步的，所述第一采集模块还用于：

当检测到所述第二语音采集设备断开，通过所述第一语音设备采集所述第一声音信号。

进一步的，所述第一交互模块还用于：

检测所述第一声音信号中的第一语音信号；

当检测到所述第一语音信号，检测所述第一语音信号中是否包括目标语音；

当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示。

进一步的，所述第一交互模块还用于：

当检测到目标语音，弹出显示框；

识别所述第一语音信号的语义并转换成文本显示在所述显示框中；

当所述第一语音信号结束，关闭所述显示框。

进一步的，所述第二交互模块还用于：

检测所述第二声音信号中的第二语音信号；

当检测到所述第二语音信号，检测所述第二语音信号中是否包括目标语音；

当所述第二语音信号中包括目标语音，发送提示声音。

进一步的，所述第二交互模块还用于：

当检测到目标语音，发送开始提示音；

识别所述第二语音信号的语义；

当所述第二语音结束，发送结束提示音。

进一步的，所述语音交互装置还包括：

指令发送模块，用于当从所述第一语音信号或第二语音信号中识别出第一语音指令，发送所述第一语音指令至终端设备。

进一步的，所述第一语音设备设置于终端设备内，所述第二语音采集设备设置于所述终端设备外。

进一步的，所述语音交互装置，还用于：

当检测到第一语音采集设备采集第一声音信号时，识别所述第一声音信号的声纹信息，以确定发出所述第一声音信号的第一用户的身份；

当检测到第二语音采集设备采集第二声音信号时，识别所述第二声音信号的声纹信息，以确定发出所述第二声音信号的第二用户的身份。

进一步的，所述语音交互装置，还用于：

当确定发出第一声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第一声音信号的用户身份关联的第一用户终端；将对所述第一声音信号进行语音识别所得到的内容发送至与所述第一用户终端上。

进一步的，所述语音交互装置，还用于：

当确定发出第二声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第二声音信号的用户身份关联的第二用户终端；将对所述第二声音信号进行语音识别所得到的内容发送至与所述第二用户终端上。

进一步的，所述语音交互装置，还用于：

将所述第一用户的身份和所述第二用户的身份进行对比；

当所述第一用户的身份与所述第二用户的身份相同的情况下，将对所述第二声音信号进行语音识别所得到的内容与对所述第一声音信号进行语音识别所得到的内容写入同一个文件中；

当所述第一用户的身份与所述第二用户的身份不相同的情况下，将对所述第二声音信号进行语音识别所得到的内容写入一个新文件中。

第三方面，本公开实施例提供一种电子设备，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，所述存储器存储有能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前述第一方面中的任一所述方法。

第四方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，该非暂态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前述第一方面中的任一所述方法。

本公开实施例公开了一种语音交互方法、装置、电子设备和计算机可读存储介质。其中该语音交互方法包括：通过第一语音采集设备采集第一声音信号；当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。上述方法通过切换语音源为不同的语音采集设备，直接从不同的音源采集声音，解决了现有技术中通过语音采集设备进行语音交互时的匹配性差的技术问题。

上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例的应用场景示意图；

图2为本公开实施例提供的语音交互方法的流程示意图；

图3为本公开实施例提供的语音交互方法步骤S203的具体实现方式的示意图；

图4为本公开实施例提供的语音交互方法步骤S204的具体实现方式的示意图；

图5为本公开实施例提供的语音交互系统的结构示意图；

图6为本公开实施例提供的语音交互装置的实施例的结构示意图

图7为根据本公开实施例提供的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1为本公开实施例的应用场景示意图。如图1所示，用户101向终端设备102输入语音，终端设备102可以为智能手机、智能音箱、智能家电等任何可以接收所述自然语言输入的终端设备，该终端设备可以使用其自身内部的声音采集设备来采集用户的语音信号，如通过智能手机的麦克风采集用户的语音信号，或者所述终端设备102还可以使用与之连接的蓝牙耳机103采集用户的语音信号。终端设备102与语音识别设备105通过网络104连接，其中，语音识别设备105可以是计算机设备、智能终端或者云端等等；其中，终端设备102与语音识别设备105进行通信所依赖的网络104可以是无线网络，例如5G网络和wifi网络等，还可以是有线网络，例如光纤网络。在该应用场景下，用户101说出语音，终端设备102采集语音并将语音发送至语音识别设备105，如果语音识别设备105识别出目标语音(即，唤醒语音)，则终端设备102继续接收语音信号并将语音信号发送至语音识别设备105，所述语音识别装置105识别出所述语音信号中的语音指令，并将所述指令下发至所述终端设备102执行所述语音指令所对应的功能。

可以理解的，上述语音识别设备105和所述终端设备102可以设置在一起，即终端设备102可以集成语音识别功能，这样用户的语音输入可以直接在终端设备102中识别。当语音被识别出来之后，根据所述语音，所述终端设备102可以执行与所述语音相关的功能。

图2为本公开实施例提供的语音交互方法实施例的流程图，本实施例提供的该语音交互方法可以由一语音交互装置来执行，该语音交互装置可以实现为软件，或者实现为软件和硬件的组合，该语音交互装置可以集成设置在语音交互系统中的某设备中，比如语音交互服务器或者语音交互终端设备中。如图2所示，该方法包括如下步骤：

步骤S201，通过第一语音采集设备采集第一声音信号；

在该实施例中，所述第一语音采集设备为设置于终端设备102内的采集设备，如所述终端设备的麦克风或者麦克风阵列等。

在一个实施例中，所述终端设备持续读取所述第一语音采集设备所采集到的信号。

步骤S202，当检测到第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；

在该实施例中，所述第二语音采集设备为设置于所述终端设备102外的采集设备，如与所述终端设备连接的耳机、音箱等等，示例性的，所述耳机和音箱与所述终端设备通过蓝牙进行连接。

在该步骤中，当检测到所述第二语音采集设备接入了所述终端设备，则将声音信号采集设备切换为所述第二语音采集设备，之后持续读取所述第二语音采集设备所采集到的信号，可选的，默认持续读取终端设备内部的语音采集设备的输入信号，当检测到终端设备外部的采集设备连接到终端设备时，切换为持续读取终端设备外部的采集设备的输入信号。可选的，所述终端设备内部的语音采集设备为终端设备内部的麦克风，所述终端设备外部的语音采集设备为蓝牙耳机；可选的，当蓝牙耳机与终端设备如手机配对成功后，判断用户的意图为使用耳机，则切换至蓝牙语音数据模式：切换为处理单通道蓝牙数据模式，同时调用系统中处理蓝牙数据的应用程序接口将数据读取模式切换到读取蓝牙语音数据模式。

这样，不需要在蓝牙耳机等外部语音采集设备中设置，即可将声音源从内部语音采集设备切换为外部语音采集设备，并直接从外部语音采集设备采集语音信号。

步骤S203，当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；

在该实施例中，声音源的不同表示用户与终端的交互方式不同，其中，当从第一语音采集设备采集第一语音信号时，表示用户是直接与终端设备进行交互的，此时通过所述终端设备的第一交互方式发送交互信息，其中所述第一交互方式为显示方式，示例性的，通过终端设备的显示装置显示所识别的目标语音或者识别出的语义等等。

如图3所示，可选的，所述步骤S203包括：

步骤S301，检测所述第一声音信号中的第一语音信号；

步骤S302，当检测到所述第一语音信号，检测所述第一语音信号中是否包括目标语音；

步骤S303，当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示。

上述第一语音信号为用户发出的语音信号，第一语音采集设备所采集的第一声音信号中，大部分时间的声音信号可能为静默信号或者环境声音信号，当有用户的语音信号出现时，通过语音识别功能识别出所述第一声音信号中的语音信号。

在接收到所述第一声音信号之后，检测所述第一声音信号的第一语音信号，可以理解的，检测所述第一语音信号可以使用语音的端点检测技术，其在检测到第一语音信号中的语音起点和终点之后，确定检测到所述第一语音信号；当检测到第一语音信号之后，进一步检测所述第一语音信号中是否包括目标语音，此时的目标语音可以是唤醒词等，如所述目标语音可以是“小易你好”，以唤醒语音识别功能对后续的语音进行识别。当所述第一语音信号中包括目标语音时，语义识别功能被唤醒并将所述第一语音信号转换成文字并显示。如第一语音信号为“小易你好，我想听一首歌”，当检测到所述第一语音信号中包括“小易你好”时，识别整个第一语音信号，并将“小易你好，我想听一首歌”显示于终端设备上。

可选的，所述步骤S303包括：

当检测到目标语音，弹出显示框；

识别所述第一语音信号的语义并转换成文本显示在所述显示框中；

当所述第一语音信号结束，关闭所述显示框。

在该实施例中，当检测到所述目标语音即唤醒词，生成一个弹出显示框，显示于所述终端设备的显示装置上，之后继续识别所述第一语音信号中的语义并将其转换成对应的本文显示在所述弹出的显示框中，以使用户可以查看识别出的语义是否正确；当检测到所述第一语音信号的结束点，关闭所述显示框，交互结束。

可选的，所述语音识别程序为一个语音交互系统，如图4所示为所述语音交互系统的结构图。如图4所示，所述语音交互系统包括语音助手模块和语音识别服务器，其中所述语音识别服务器包括语音识别模块和语义识别模块。语音助手模块安装于所述终端设备中，其可以对采集到的声音信号进行预处理，如将多通道多频率的复杂语音数据处理为单通道的降噪数据，之后将处理后的数据发送只语音识别服务器，所述语音识别服务器通过语音识别模块和语义识别模块识别出所述处理后的数据的语义并将文本反馈给所述语音助手模块，所述语音助手将文本显示于上述显示框中。可以理解的，所述语音助手模块本身可以包括简单的语义识别功能，如所述语音助手可以识别唤醒词，这样可以加快所述语音助手的唤醒，之后更复杂的语义识别可以转给语音识别服务器处理以减小终端设备的计算量。

步骤S204，当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。

当从第二语音采集设备采集第二语音信号时，表示用户是通过与所述终端设备连接的其他外部语音采集设备与所述终端设备进行交互的，此时通过所述终端设备的第二交互方式发送交互信息，可选的，通过终端设备发送提示声音到所述第二语音采集设备以提示用户语音识别和/或语义识别功能已被唤醒；或者通过终端设备发送语义识别的结果到所述第二语音采集设备以播放所述语义识别的结果。

如图5所示，可选的，所述步骤S204包括：

步骤S501，检测所述第二声音信号中的第二语音信号；

步骤S502，当检测到所述第二语音信号，检测所述第二语音信号中是否包括目标语音；

步骤S503，当所述第二语音信号中包括目标语音，发送提示声音。

上述步骤S501和步骤S502中检测语音信号和检测目标语音的过程，与步骤S301和步骤S302中相同，只是将检测的目标声音信号换为第二声音信号和第二语音信号。在步骤S503中，当检测到所述第二语音信号中包括目标语音，即所述唤醒词时，发送提示声音；可选的，所述第二语音采集装置为无线语音采集装置，示例性的，所述无线语音采集装置为蓝牙耳机，所述提示声音被发送到所述蓝牙耳机并通过所述蓝牙耳机播放。

可选的，所述步骤S503包括:

当检测到目标语音，发送开始提示音；

识别所述第二语音信号的语义；

当所述第二语音结束，发送结束提示音。

在该实施例中，当检测到所述目标语音即唤醒词，生成一个开始提示音，提醒用户语音识别功能和/或语义识别功能已被唤醒，之后继续识别所述第一语音信号中的语义；在该实施例中，当识别出所述语义之后，可以通过语音合成将所述语义转换成语音信号并反馈给所述第二语音采集装置，并通过所述第二语音采集装置播放所识别出的语义，以使用户可以检查识别出的语义是否正确；当检测到所述第二语音信号的结束点，发送结束提示音以表示交互结束。可以理解的，所述开始提示音和结束提示音不同，可选的，所述开始提示音为“叮”，所述结束提示音为“咚”。

可选的，上述方法还包括:当从所述第一语音信号或第二语音信号中识别出第一语音指令，发送所述第一语音指令至终端设备。

可以理解的，在上述步骤中识别出所述第一语音信号或第二语音信号的语义，当所述语义中包括第一语音指令时，发送所述第一语音指令至所述终端设备以使所述终端设备执行所述第一语音指令所指示的功能。可选的，所述第一语音信号或第二语音信号的语义为“小易你好，现在几点了”，则识别出其中的第一语音指令为查询当前的时间，则所述终端设备查出当前的时候并通过上述的交互方式反馈查询结果。

在一个实施例中，上述方法还包括：当第二语音采集设备断开，通过第一语音设备采集所述第一声音信号。

基于上述步骤中的可选实施例，在切换为外部语音采集设备的输入信号之后，持续监控外部语音采集设备的连接状态，当所述外部语音采集设备的连接被断开，认为用户意图使用终端设备语音采集设备进行语音交互，此时切换成通过第一语音设备采集所述第一声音信号的模式。

在上述实施例中，所述终端设备通过各种语音采集设备的连接状态直接切换语音采集模式以对应不同的语音采集设备，其不需要预先在外置的语音采集设备中进行设置，即可使得所述第二语音采集设备可以适用于各种终端设备，并且对不同的语音采集设备设置了不同的交互方式，提高了交互的便利性。

另外，在移动端中，通常难以获取系统回采数据。如在播放歌曲、视频时，所集到的声音数据中，系统的声音比语音唤醒声音大很多，且无法消除，导致难以进行唤醒交互。而由于外置的耳机播放的声音很小，不会被耳机的麦克风采集，语音交互的过程会更加方便流程。

另外，远场语音识别极限范围在7米左右，蓝牙适用范围在15米左右，使用蓝牙耳机，可以让用户更大范围的远离交互设备，和声音传播相比蓝牙数据传播受遮挡物影响较小，使用起来更加便利。

可以理解的，上述步骤S201-步骤S204的步骤中，步骤S202和步骤S203之间并无先后顺序关系，步骤S201和步骤S204之间也并无先后顺序关系，所述步骤S203是在步骤S201的执行的基础上执行的，所述步骤S203是在步骤S202执行的基础上执行的。对于同一个终端设备来说，所述第一语音采集设备和所述第二语音采集设备不同时工作。

可选的，在上述实施例中，还包括对采集的声音信号(包括第一语音采集设备和第二语音采集设备采集的声音信号)进行语音识别，并将识别出来的内容以文件的形式存储在所述终端中或发送至与所述声音信号所绑定的终端中。在通过第一交互方式或者第二交互方式发送交互信息时，将所存储的文件转换成所述第一交互方式或第二交互方式所使用的信息，如显示信息或声音信息。

可选的，在所述终端设备还具有声纹识别功能，用于通过识别用户的声纹信息，确定用户的身份。

可选的，当检测到第一语音采集设备采集第一声音信号时，识别所述第一声音信号的声纹信息，确定发出所述第一声音信号的第一用户的身份；当检测到第二语音采集设备采集第二声音信号时，识别所述第二声音信号的声纹信息，确定发出所述第二声音信号的第二用户的身份。

可选的，当确定发出第一声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第一声音信号的用户身份关联的第一用户终端；将对所述第一声音信号进行语音识别所得到的内容发送至与所述第一用户终端上；

可选的，当确定发出第二声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第二声音信号的用户身份关联的第二用户终端；将对所述第二声音信号进行语音识别所得到的内容发送至与所述第二用户终端上。

进一步的，将所述第一用户的身份和所述第二用户的身份进行对比，当所述第一用户的身份与所述第二用户的身份相同的情况下，将对所述第二声音信号进行语音识别所得到的内容与对所述第一声音信号进行语音识别所得到的内容写在同一个文件中；当所述第一用户的身份与所述第二用户的身份不相同的情况下，将对所述第二声音信号进行语音识别所得到的内容写入一个新文件中；即，不同的用户使用跟其身份绑定的终端设备保存语音识别的结果，同一个用户的语音识别结果保存在同一个文件中；在后续通过交互方式发送交互信息时，从与用户身份绑定的终端获取根据语音识别的内容所生成的文件以生成交互信息。这样能够区分不同的用户，对于身份不同的用户，其交互信息相互不会混淆。

本公开实施例公开了一种语音交互方法，该语音交互方法包括：通过第一语音采集设备采集第一声音信号；当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。上述方法通过切换语音源为不同的语音采集设备，直接从不同的音源采集声音，解决了现有技术中通过语音采集设备进行语音交互时的匹配性差的技术问题。

在上文中，虽然按照上述的顺序描述了上述方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。

图6为本公开实施例提供的语音交互装置实施例的结构示意图，如图6所示，该装置600包括：第一采集模块601、第二采集模块602、第一交互模块603和第二交互模块604。其中，

第一采集模块601，用于通过第一语音采集设备采集第一声音信号；

第二采集模块602，用于当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；

第一交互模块603，用于当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；

第二交互模块604，用于当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。

进一步的，所述第一采集模块601还用于：

当检测到所述第二语音采集设备断开，通过第一语音设备采集所述第一声音信号。

进一步的，所述第一交互模块603还用于：

检测所述第一声音信号中的第一语音信号；

当检测到所述第一语音信号，检测所述第一语音信号中是否包括目标语音；

当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示。

进一步的，所述第一交互模块603还用于：

当检测到目标语音，弹出显示框；

识别所述第一语音信号的语义并转换成文本显示在所述显示框中；

当所述第一语音信号结束，关闭所述显示框。

进一步的，所述第二交互模块604还用于：

检测所述第二声音信号中的第二语音信号；

当检测到所述第二语音信号，检测所述第二语音信号中是否包括目标语音；

当所述第二语音信号中包括目标语音，发送提示声音。

进一步的，所述第二交互模块604还用于：

当检测到目标语音，发送开始提示音；

识别所述第二语音信号的语义；

当所述第二语音结束，发送结束提示音。

进一步的，所述语音交互装置600还包括：

指令发送模块，用于当从所述第一语音信号或第二语音信号中识别出第一语音指令，发送所述第一语音指令至终端设备。

进一步的，所述第一语音设备设置于终端设备内，所述第二语音采集设备设置于所述终端设备外。

进一步的，所述语音交互装置600，还用于：

当检测到第一语音采集设备采集第一声音信号时，识别所述第一声音信号的声纹信息，以确定发出所述第一声音信号的第一用户的身份；

当检测到第二语音采集设备采集第二声音信号时，识别所述第二声音信号的声纹信息，以确定发出所述第二声音信号的第二用户的身份。

进一步的，所述语音交互装置600，还用于：

当确定发出第一声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第一声音信号的用户身份关联的第一用户终端；将对所述第一声音信号进行语音识别所得到的内容发送至与所述第一用户终端上。

进一步的，所述语音交互装置600，还用于：

当确定发出第二声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第二声音信号的用户身份关联的第二用户终端；将对所述第二声音信号进行语音识别所得到的内容发送至与所述第二用户终端上。

进一步的，所述语音交互装置600，还用于：

将所述第一用户的身份和所述第二用户的身份进行对比；

当所述第一用户的身份与所述第二用户的身份相同的情况下，将对所述第二声音信号进行语音识别所得到的内容与对所述第一声音信号进行语音识别所得到的内容写入同一个文件中；

当所述第一用户的身份与所述第二用户的身份不相同的情况下，将对所述第二声音信号进行语音识别所得到的内容写入一个新文件中。

图6所示装置可以执行图1-图5所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图5所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图5所示实施例中的描述，在此不再赘述。

下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备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7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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。

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，其包括承载在非暂态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709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上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。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

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：通过第一语音采集设备采集第一声音信号；当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息。

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操作的计算机程序代码，上述程序设计语言包括但不限于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。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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，本公开中所涉及的公开范围，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上述公开构思的情况下，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 (12)

1.一种语音交互方法，其特征在于，包括：

通过第一语音采集设备采集第一声音信号；

当检测到第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；

当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；

当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息；

当检测到第一语音采集设备采集第一声音信号时，识别所述第一声音信号的声纹信息，以确定发出所述第一声音信号的第一用户的身份；

当检测到第二语音采集设备采集第二声音信号时，识别所述第二声音信号的声纹信息，以确定发出所述第二声音信号的第二用户的身份；

当确定发出第一声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第一声音信号的用户身份关联的第一用户终端；将对所述第一声音信号进行语音识别所得到的内容发送至与所述第一用户终端上；

当确定发出第二声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第二声音信号的用户身份关联的第二用户终端；将对所述第二声音信号进行语音识别所得到的内容发送至与所述第二用户终端上。

2.如权利要求1所述的语音交互方法，其特征在于，所述方法还包括：

当检测到所述第二语音采集设备断开，通过所述第一语音采集设备采集所述第一声音信号。

3.如权利要求1所述的语音交互方法，其特征在于，所述当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息，包括：

检测所述第一声音信号中的第一语音信号；

当检测到所述第一语音信号，检测所述第一语音信号中是否包括目标语音；

当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示。

4.如权利要求3所述的语音交互方法，其中，当所述第一语音信号中包括目标语音，将所述第一语音信号转换成文字并显示，包括：

当检测到目标语音，弹出显示框；

识别所述第一语音信号的语义并转换成文本显示在所述显示框中；

当所述第一语音信号结束，关闭所述显示框。

5.如权利要求1所述的语音交互方法，其特征在于，所述当在第二声音信号中检测到目标语音，通过第二交互方式发送交互信息，包括：

检测所述第二声音信号中的第二语音信号；

当检测到所述第二语音信号，检测所述第二语音信号中是否包括目标语音；

当所述第二语音信号中包括目标语音，发送提示声音。

6.如权利要求5所述的语音交互方法，其特征在于，所述当所述第二语音信号中包括目标语音，发送提示声音，包括：

当检测到目标语音，发送开始提示音；

识别所述第二语音信号的语义；

当所述第二语音信号结束，发送结束提示音。

7.如权利要求1所述的语音交互方法，其特征在于，所述方法还包括：

当从所述第一语音信号或第二语音信号中识别出第一语音指令，发送所述第一语音指令至终端设备。

8.如权利要求1所述的语音交互方法，其特征在于，所述第一语音采集设备设置于终端设备内，所述第二语音采集设备设置于所述终端设备外。

9.如权利要求1所述的语音交互方法，其特征在于，所述方法还包括：

将所述第一用户的身份和所述第二用户的身份进行对比；

当所述第一用户的身份与所述第二用户的身份相同的情况下，将对所述第二声音信号进行语音识别所得到的内容与对所述第一声音信号进行语音识别所得到的内容写入同一个文件中；

当所述第一用户的身份与所述第二用户的身份不相同的情况下，将对所述第二声音信号进行语音识别所得到的内容写入一个新文件中。

10.一种语音交互装置，其特征在于，包括：

第一采集模块，用于通过第一语音采集设备采集第一声音信号；

第二采集模块，用于当第二语音采集设备接入，通过第二语音采集设备采集第二声音信号；

第一交互模块，用于当在所述第一声音信号中检测到目标语音，通过第一交互方式发送交互信息；

第二交互模块，用于当在所述第二声音信号中检测到目标语音，通过第二交互方式发送交互信息；

所述语音交互装置，还用于：

当检测到第一语音采集设备采集第一声音信号时，识别所述第一声音信号的声纹信息，以确定发出所述第一声音信号的第一用户的身份；

当检测到第二语音采集设备采集第二声音信号时，识别所述第二声音信号的声纹信息，以确定发出所述第二声音信号的第二用户的身份；

当确定发出第一声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第一声音信号的用户身份关联的第一用户终端；将对所述第一声音信号进行语音识别所得到的内容发送至与所述第一用户终端上；

当确定发出第二声音信号的用户的身份后，在身份-终端信息关联表中查找与所述发出第二声音信号的用户身份关联的第二用户终端；将对所述第二声音信号进行语音识别所得到的内容发送至与所述第二用户终端上。

11.一种电子设备，包括：

存储器，用于存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，使得所述处理器运行时实现根据权利要求1-9中任意一项所述的语音交互方法。

12.一种非暂态计算机可读存储介质，用于存储计算机可读指令，当所述计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-9中任意一项所述的语音交互方法。