CN112509580A - 语音处理方法、装置、设备、存储介质及计算机程序产品 - Google Patents

语音处理方法、装置、设备、存储介质及计算机程序产品 Download PDF

Info

Publication number
CN112509580A
CN112509580A CN202011518929.5A CN202011518929A CN112509580A CN 112509580 A CN112509580 A CN 112509580A CN 202011518929 A CN202011518929 A CN 202011518929A CN 112509580 A CN112509580 A CN 112509580A
Authority
CN
China
Prior art keywords
voice
offline service
service function
instruction
function
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
CN202011518929.5A
Other languages
English (en)
Other versions
CN112509580B (zh
Inventor
葛永亮
章福瑜
刘嵘
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.)
Apollo Zhilian Beijing 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 CN202011518929.5A priority Critical patent/CN112509580B/zh
Publication of CN112509580A publication Critical patent/CN112509580A/zh
Application granted granted Critical
Publication of CN112509580B publication Critical patent/CN112509580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223Execution procedure of a spoken command
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephone Function (AREA)

Abstract

本申请公开了一种语音处理方法、装置、设备、存储介质及计算机程序产品,涉及人工智能领域,尤其涉及自然预言处理和语音识别技术。具体实现方案为:获取用户当前输入的语音指令;通过智能语音应用中当前离线服务功能执行所述语音指令;若根据执行结果确定所述当前离线服务功能不支持所述语音指令,则从所述智能语音应用的其他离线服务功能中为所述语音指令选择目标离线服务功能;通过所述目标离线服务功能执行所述语音指令。解决了目前智能语音应用产品在离线场景下,提供的服务功能单一的问题,为智能语音应用在离线场景下对用户的语音进行处理提供了一种新思路。

Description

语音处理方法、装置、设备、存储介质及计算机程序产品
技术领域
本公开涉及人工智能技术领域,尤其涉及自然语言处理和语音识别技术,具体涉及一种语音处理方法、装置、设备、存储介质以及计算机程序产品。
背景技术
随着语音识别技术的广泛普及,越来越多的用户通过语音来控制智能终端为自身的生活需求提供服务,现有的智能语音应用产品在离线场景下,提供的服务功能单一,亟需改进。
发明内容
本申请提供了一种语音处理方法、装置、设备、存储介质以及计算机程序产品。
根据本申请的一方面,提供了一种语音处理方法、该方法包括:
获取用户当前输入的语音指令;
通过智能语音应用中当前离线服务功能执行所述语音指令;
若根据执行结果确定所述当前离线服务功能不支持所述语音指令,则从所述智能语音应用的其他离线服务功能中为所述语音指令选择目标离线服务功能;
通过所述目标离线服务功能执行所述语音指令。
根据本申请的另一方面,提供了一种语音处理装置,该装置包括:
指令获取模块,用于获取用户当前输入的语音指令;
指令执行模块,用于通过智能语音应用中当前离线服务功能执行所述语音指令;
目标选择模块,用于若根据执行结果确定所述当前离线服务功能不支持所述语音指令,则从所述智能语音应用的其他离线服务功能中为所述语音指令选择目标离线服务功能;
所述指令执行模块,还用于通过所述目标离线服务功能执行所述语音指令。
根据本申请的另一方面,提供了一种电子设备,该电子设备包括:
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本申请任一实施例所述的语音处理方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本申请任一实施例所述的语音处理方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本申请任一实施例所述的语音处理方法。
根据本申请的技术解决了目前智能语音应用产品在离线场景下,提供的服务功能单一的问题,为智能语音应用在离线场景下对用户的语音进行处理提供了一种新思路。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本申请实施例提供的一种语音处理方法的流程图;
图2是根据本申请实施例提供的另一种语音处理方法的流程图;
图3A是根据本申请实施例提供的又一种语音处理方法的流程图;
图3B是根据本申请实施例提供一种语音处理过程示意图;
图4是根据本申请实施例提供的再一种语音处理方法的流程图;
图5是根据本申请实施例提供的一种语音处理装置的结构示意图;
图6是用来实现本申请实施例的语音处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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提供的一种语音处理方法的流程图。本申请实施例适用于如何对用户输入的语音指令进行处理的情况,尤其适用于在智能语音应用处于离线状态场景下,如何对用户输入的语音指令进行处理。该实施例可以由语音处理装置来执行,该装置可以采用软件和/或硬件来实现,并可集成于安装有智能语音应用的电子设备中,进一步智能语音应用可以是安装在电子设备(如手机)中的语音助手。如图1所示,该方法包括:
S101,获取用户当前输入的语音指令。
本实施例中,用户当前输入的语音指令为用户当前通过语音向智能语音应用发送的服务请求;进一步的,用户当前输入的语音指令具体为在唤醒智能语音应用,且用户已与智能语音应用进行至少一次交互之后,用户向智能语音应用所发送的语音指令。例如,在唤醒智能语音应用之后,用户向智能语音应用输入“我想导航”,智能语音应用向用户播报“你想导航到哪”,用户当前输入的语音指令为“打电话给XXX”。
可选的,智能语音应用可以通过其所在电子设备(如手机)中的语音采集模块,如麦克风,采集用户当前输入的语音指令。
可以理解的是,用户在使用智能语音应用之前需要唤醒智能语音应用,即获取用户当前输入的语音指令之前还包括:获取用户输入的唤醒语音,确定唤醒语音与预设的唤醒文本是否匹配,若是,则唤醒智能语音应用。进一步的,为了保证用户信息的安全,唤醒智能语音应用具体可以是,获取用户输入的唤醒语音,确定唤醒语音与预设的唤醒文本是否匹配,若是,则提取唤醒语音的声纹特征,并将提取的声纹特征与预先设定的声纹特征进行匹配,若匹配,则唤醒智能语音应用。
S102,通过智能语音应用中当前离线服务功能执行语音指令。
可选的,本实施例的智能语音应用中包括多种离线服务功能,每种离线服务功能可以为用户提供一种离线服务,且同一时刻只能采用一种离线服务功能服务于用户,其他离线服务功能处于空闲状态(也可以说休眠状态或等待状态等)。进一步的,智能语音应用中包括但不限于离线电话功能、离线导航功能、离线音乐功能、离线短信功能、以及离线游戏功能等多种离线服务功能。
本实施例中,所谓当前离线服务功能为当前处于开启的离线服务功能。示例性的,当前离线服务功能由在获取用户当前输入的语音指令之前,用户与智能语音应用已进行的交互情况确定;进一步的,当前离线服务功能具体为处理用户的上一个语音指令所采用的离线服务功能,或处理用户的上一个语音指令后所开启的离线服务功能。例如,在唤醒智能语音应用之后,用户向智能语音应用输入的第一个语音指令为“我想导航”,智能语音应用根据用户输入的第一个语音指令的类型,开启离线导航功能,并向用户播报“你想导航到哪”,之后离线导航功能处于等待输入地址状态;若用户当前输入语音指令,由于其他离线服务功能处于空闲状态,离线导航功能处于开启状态,则当前离线服务功能为离线导航功能。可选的,在唤醒智能语音应用之后,用户向智能语音应用输入第一个语音指令之前,智能语音应用中所有的离线服务功能均处于空闲状态。
进一步的,当前离线服务功能也可以通过下述方式确定,具体为根据处理完用户的上一个语音指令之后智能语音应用中各离线服务功能的状态,确定用户当前输入的语音指令在各离线服务功能中的分值;根据分值,确定当前离线服务功能。进一步的,在为语音指令打分时,语音指令在处于开启状态的离线服务功能中的打分高于处于空闲状态的离线服务功能中的打分。例如,处理完用户的上一个语音指令之后智能语音应用中离线导航功能处于开启状态,其他离线服务功能处于空闲状态,进而用户当前输入的语音指令在离线导航功能中的分值高于在其他离线服务功能中的分值,因此当前离线服务功能为离线导航功能。
具体的,在获取用户当前输入的语音指令之后,可以通过智能语音应用中当前离线服务功能执行语音指令。例如,用户当前输入的语音指令为“打电话给XXX”,当前离线服务功能为离线导航功能,则离线导航功能通过离线导航应用搜索XXX。
作为本申请实施例的一种可选方式,在获取用户当前输入的语音指令之后,若确定处理用户当前输入的语音指令需要智能语音应用处于联网状态,则通过智能语音应用中当前离线服务功能执行语音指令,并向用户播报执行结果后结束对话。例如,用户当前输入的语音指令为“今天天气怎么样”,由于处理“今天天气怎么样”需要智能语音应用处于联网状态,也就是说智能语音应用中没有相应的离线服务功能,因此采用当前离线服务功能处理用户当前输入的语音指令,如离线导航功能处理“今天天气怎么样”并向用户播报“地址不存在”后结束对话。
需要说明的是,本实施例中智能语音应用中引入离线服务功能状态的管理,进而可实时获知各离线服务功能的状态,为丰富智能语音应用所提供的服务奠定了基础。
S103,若根据执行结果确定当前离线服务功能不支持语音指令,则从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能。
本实施例中,执行结果为通过智能语音应用中当前离线服务功能执行语音指令后的结果;可选的,不同离线服务功能对同一语音指令的执行结果不同;例如,用户当前输入的语音指令为“打电话给XXX”,若当前离线服务功能为离线导航功能,则执行结果可以为XXX地址不存在;若当前离线服务功能为离线音乐功能,则执行结果可以为XXX音乐不存在等。所谓当前离线服务功能不支持语音指令为当前离线服务功能不具有处理语音指令的功能。其他离线服务功能为智能语音应用中除当前离线服务功能之外的离线服务功能。
可选的,若根据执行结果确定当前离线服务功能不支持语音指令,则可以根据用户当前输入的语音指令的类型,从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能。具体的,可以根据用户当前输入的语音指令关联的文本内容,确定语音指令的类型;之后根据语音指令的类型,从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能。其中,文本内容通过如下方式确定:采用语音识别技术对用户当前输入的语音指令进行解析,并采用自然语言处理模块对解析得到的文本进行语义分析,得到文本内容。
若根据执行结果确定当前离线服务功能支持语音指令,则可以结束对话。之后智能语音应用中所有的离线服务功能均处于空闲状态。
S104,通过目标离线服务功能执行语音指令。
具体的,在确定目标离线服务功能之后,可以通过目标离线服务功能执行语音指令。例如,用户当前输入的语音指令为“打电话给XXX”,目标离线服务功能为离线电话功能,则智能语音应用通过离线电话功能拨打电话给XXX。进一步的,为了提升用户的体验,通过目标离线服务功能执行语音指令具体可以是根据目标离线服务功能的使用状态执行语音指令。
需要说明的是,在智能语音应用处于离线状态,且与用户进行多轮交互的场景下,现有智能语音应用产品所提供的服务功能单一,进而无法灵活处理跨离线服务功能的语音指令。而本申请通过引入离线服务功能状态的管理,且引入S101至S104的处理逻辑,能够灵活处理跨离线服务功能的语音指令,丰富了智能语音应用的服务功能,进而增加用户的满意度。
本申请实施例的技术方案,在智能语音应用处于离线状态且与用户进行多轮交互的场景下,通过采用智能语音应用中当前离线服务功能执行用户当前输入的语音指令,并在确定当前离线服务功能不支持语音指令的情况下,灵活从其他离线服务功能中选择目标离线服务功能,执行语音指令。解决了目前智能语音应用产品在离线场景下,提供的服务功能单一的问题,实现了跨离线服务功能的语音指令的处理,丰富了智能语音应用的服务功能,进而增加用户的满意度。
作为本申请实施例的一种可选方式,从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能可以包括:根据语音指令的类型,从其他离线服务功能中选择至少两个候选离线服务功能;根据至少两个候选离线服务功能的优先级,从至少两个候选离线服务功能中选择目标离线服务功能。
可选的,考虑到实际场景中用户输入的一个语音指令中可能存在两种或多种不同的指令类型,例如,用户当前输入的语音指令为“播放音乐,导航到世界之窗”,存在音乐和导航两种指令类型,本实施例为智能语音应用中各离线服务功能设置不同的优先级。进一步的,为提升用户体验,可根据用户历史使用各离线服务功能的频次,为各离线服务功能设置不同的优先级。
具体的,在根据执行结果确定当前离线服务功能不支持语音指令的情况下,从语音指令中提取语音指令所包含的指令的类型;在所提取的指令的类型为两种或多种的情况下,将其他离线服务功能中所提取的指令的类型关联的离线服务功能,作为候选离线服务功能;之后,根据各候选离线服务功能的优先级,从候选离线服务功能中选择一个离线服务功能作为目标离线服务功能。例如,可以将优先级最高的候选离线服务功能作为目标离线服务功能。
需要说明的是,本实施例中引入离线服务功能的优先级,可避免多种类型的指令同时响应,造成多种播报声音混淆,进而导致用户体验差的问题。
图2是根据本申请实施例提供的又一种语音处理方法的流程图;。本申请实施例在上述实施例的基础上,进一步对通过智能语音应用中当前离线服务功能执行语音指令进行解释说明。如图2所示,该方法包括:
S201,获取用户当前输入的语音指令。
S202,确定智能语音应用中当前离线服务功能的工作进度。
本实施例中,工作进度用于表征当前离线服务功能处于服务用户的哪个阶段;可选的,不同的离线服务功能可具有不同的工作进度;同一离线服务功能可具有至少一个工作进度。例如,离线导航功能可具有等待输入地址、查找地址、规划路线以及进入导航等工作进度;离线电话功能可具有等待输入联系人、查找联系人以及拨打电话等工作进度;离线音乐功能可具有等待输入音乐名称、查找音乐以及播放音乐等工作进度。
例如,用户向智能语音应用输入的上一个语音指令为“我想导航”,智能语音应用向用户播报“你想导航到哪”,用户当前输入的语音指令为“打电话给XXX”。若智能语音应该根据用户输入的“我想导航”语音指令开启离线导航功能,则智能语音应用向用户播报“你想导航到哪”的同时,离线导航功能进入等待输入地址的工作进度;在用户当前输入语音指令为“打电话给XXX”之后,离线导航功能进入查找地址的工作进度。
又如,用户向智能语音应用输入的上一个语音指令为“我想打电话”,智能语音应用向用户播报“你想打给谁”,用户当前输入的语音指令为“导航到世界之窗”。若智能语音应该根据用户输入的“我想打电话”语音指令开启离线电话功能,则智能语音应用向用户播报“你想打给谁”的同时,离线电话功能进入等待输入联系人的工作进度;在用户当前输入语音指令为“导航到世界之窗”之后,离线导航功能进入查找联系人的工作进度。
S203,根据工作进度执行语音指令。
具体的,在确定当前离线服务功能的工作进度之后,可以根据工作进度执行语音指令。例如,若当前离线服务功能为离线导航功能,工作进度为查找地址,则根据工作进度执行语音指令可以是,确定语音指令关联的文本内容是否是真实存在的地址;例如,若当前离线服务功能为离线电话功能,工作进度为查找联系人,则根据工作进度执行语音指令可以是,确定语音指令关联的文本内容是否命中用户本地存储的电话联系人。又如,若当前离线服务功能为离线音乐功能,工作进度为查找音乐,则根据工作进度执行语音指令可以是,确认语音指令关联的文本内容是否命中用户本地存储的音乐。
S204,若根据执行结果确定当前离线服务功能不支持语音指令,则从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能。
S205,通过目标离线服务功能执行语音指令。
本申请实施例的技术方案,在智能语音应用处于离线状态且与用户进行多轮交互的场景下,通过引入细粒度的执行单位工作进度,并采用智能语音应用中当前离线服务功能的工作进度执行用户当前输入的语音指令,保证了执行结果的准确度;并在确定当前离线服务功能不支持语音指令的情况下,灵活从其他离线服务功能中选择目标离线服务功能,执行语音指令。解决了目前智能语音应用产品在离线场景下,提供的服务功能单一的问题,实现了跨离线服务功能的语音指令的处理,丰富了智能语音应用的服务功能,进而增加用户的满意度。
图3A是根据本申请实施例提供的又一种语音处理方法的流程图;图3B是根据本申请实施例提供一种语音处理过程示意图。本申请实施例在上述实施例的基础上,进一步对通过目标离线服务功能执行语音指令进行解释说明。结合图3A和3B所示,该方法包括:
S301,获取用户当前输入的语音指令。
S302,通过智能语音应用中当前离线服务功能执行语音指令。
S303,若根据执行结果确定当前离线服务功能不支持语音指令,则从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能。
S304,确定目标离线服务功能的目标功能的使用状态。
可选的,确定目标离线服务功能的目标功能的使用状态可以是,确定目标离线服务功能所关联的应用的目标功能的使用状态。本实施例中,使用状态可以是使用中或未使用等。
例如,若目标离线服务功能为离线导航功能,则目标功能为导航功能;具体的确定目标离线服务功能的目标功能的使用状态可以是,确定离线导航功能所关联的导航应用的导航功能的使用状态。
又如,若目标离线服务功能为离线电话功能,则目标功能为打电话功能;具体的确定目标离线服务功能的目标功能的使用状态可以是,确定离线电话功能关联的电话应用的打电话功能的使用状态。
又如,若目标离线服务功能为离线音乐功能,则目标功能为播放音乐功能;具体的确定目标离线服务功能的目标功能的使用状态可以是,确定离线音乐功能关联的音乐应用的播放音乐功能的使用状态等。
S305,若目标功能处于使用中,则问询用户是否需要切换目标功能的任务。
具体的,若目标功能处于使用中,则问询用户是否需要重新发起目标功能的任务;例如,目标功能为导航功能,则问询用户是否需要重新发起导航;若目标功能为播放音乐功能,则问询用户是否需要重新播放音乐;若目标功能为打电话功能,则问询用户是否需要挂断当前通话,重新拨打电话等。
结合图3B所示,例如,若用户向智能语音应用输入上一个语音指令为“我想打电话”之后,智能语音应用开启离线电话功能,且智能语音应用向用户播报“你想打给谁”,用户当前输入的语音指令为“导航到世界之窗”。进而通过离线电话功能判断用户本地存储的电话联系人中是否存在“导航到世界之窗”,若不存在,则根据用户当前输入的语音指令的类型,从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能(如离线导航功能),即执行S303;之后判断离线导航功能所关联的导航应用的导航功能是否处于使用中,若是,则问询用户是否需要切换导航功能的任务;若用户用不需要切换导航功能的任务,则结束对话;若用户需要切换导航功能的任务,则将用户的语音指令发送至导航应用进行导航,即执行S306。进一步的,若离线导航功能所关联的导航应用的导航功能处于未使用状态,则将用户的语音指令发送至导航应用进行导航。
S306,若是,则执行语音指令。
需要说明的是,在智能语音应用处于离线状态,且与用户进行多轮交互的场景下,现有智能语音应用产品不具有管理离线服务功能状态(进一步为离线服务功能所关联应用的使用状态)的特性,进而导致用户的体验差。例如,在唤醒智能语音应用之后,若用户向智能语音应用输入“我想打电话”,智能语音应用向用户播报“你想打给谁”,用户当前输入的语音指令为“导航到世界之窗”,现有智能语音应用产品将直接发起导航。而本申请通过引入离线服务功能状态的管理,来响应用户的语音指令,极大地提升了用户的体验。
本申请实施例的技术方案,在确定当前离线服务功能不支持语音指令的情况下,灵活从其他离线服务功能中选择目标离线服务功能,并根据目标离线服务功能的目标功能的使用状态执行语音指令,极大地提升了用户的体验,进一步增加了方案的灵活度。
图4是根据本申请实施例提供的再一种语音处理方法的流程图。本申请实施例在上述实施例的基础上,增加了拒识语音指令的操作。如图4所示,该方法包括:
S401,获取用户当前输入的语音指令。
S402,判断语音指令是否在离线指令白名单中;若是,则执行S403;若否,则执行S404。
S403,拒绝语音指令,并向用户输出预设表情符。
由于智能语音应用在离线状态下,识别精度相比于智能语音应用在联网状态下稍差,且资源有限,使得用户输入的一部分语音指令无法被有效响应,然而现有智能语音应用产品对于这些语音指令直接播报兜底提示,比如“当前网络不可用”,而后结束对话,造成用户体验差。
基于此,为进一步提升用户的体验,作为本申请实施例的一种可选方式,获取用户当前输入的语音指令之后还包括:若确定语音指令不在离线指令白名单中,则拒绝语音指令,并向用户输出预设表情符。可选的,离线指令白名单可以是预先构建的一个离线指令集名单,该名单中的离线指令能够被处理;进一步的,可以预先设定能够被智能语音应用(进一步为智能语音应用中的自然语言处理模块)所识别的语音指令,位于离线指令白名单中。
进而,在获取语音指令之后,可以采用语音识别技术对用户当前输入的语音指令进行解析,并采用自然语言处理模块对解析得到的文本进行语义分析,得到文本内容;若文本内容不在离线指令白名单中,则拒绝语音指令,并向用户输出预设表情符;或者,若自然语言处理模块无法识别解析得到的文本,则拒绝语音指令,并向用户输出预设表情符。例如,解析语音指令得到的文本为“嗯哼”,自然语言处理模块无法识别解析得到的文本,也就是说自然语言处理模块通过对“嗯哼”进行语义分析,无法确定“嗯哼”对应的指令。
进一步的,预设表情符可以由颜色和表情等中的至少一项构成。例如,在智能语音应用能够正常处理用户语音指令的情况下,智能语音应用的颜色为绿色,在智能语音应用无法处理用户语音指令的情况下,可以向用户展示黄色;又如,在智能语音应用能够正常处理用户语音指令的情况下,智能语音应用所关联的应用图标的表情为“开心”、“高兴”或“笑脸”等,在智能语音应用无法处理用户语音指令的情况下,可以向用户展示应用图标“不高兴”、“撇嘴”等表情。
此外,现有智能语音应用产品如果用户还需要与智能语音应用交互,需再次进行唤醒智能语音应用的操作,浪费时间等。而本申请向用户输出预设表情符之后,智能语音应用将进入识别用户语音指令的状态,用户无需再次进行唤醒智能语音应用的操作,可直接向智能语音应用输入语音指令。
S404,通过智能语音应用中当前离线服务功能执行语音指令。
S405,若根据执行结果确定当前离线服务功能不支持语音指令,则从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能。
S406,通过目标离线服务功能执行语音指令。
本申请实施例的技术方案,通过引入离线指令白名单,对离线指令白名单之外的语音指令进行拒识操作,能够防止干扰指令或者无关语音播报;同时向用户输出表情符,又提醒了用户识别无效,极大地提升了用户体验。
图5是根据本申请实施例提供的一种语音处理装置的结构示意图。该装置可实现本申请实施例所述的语音处理方法。该装置可集成于安装有智能语音应用的电子设备中,进一步智能语音应用可以是安装在电子设备(如手机)中的语音助手。该课程推荐装置500具体包括:
指令获取模块501,用于获取用户当前输入的语音指令;
指令执行模块502,用于通过智能语音应用中当前离线服务功能执行语音指令;
目标选择模块503,用于若根据执行结果确定当前离线服务功能不支持语音指令,则从智能语音应用的其他离线服务功能中为语音指令选择目标离线服务功能;
指令执行模块502,还用于通过目标离线服务功能执行语音指令。
本申请实施例的技术方案,在智能语音应用处于离线状态且与用户进行多轮交互的场景下,通过采用智能语音应用中当前离线服务功能执行用户当前输入的语音指令,并在确定当前离线服务功能不支持语音指令的情况下,灵活从其他离线服务功能中选择目标离线服务功能,执行语音指令。解决了目前智能语音应用产品在离线场景下,提供的服务功能单一的问题,实现了跨离线服务功能的语音指令的处理,丰富了智能语音应用的服务功能,进而增加用户的满意度。
示例性的,指令执行模块502包括:
进度确定单元,用于确定当前离线服务功能的工作进度;
指令执行单元,用于根据工作进度执行语音指令。
示例性的,若当前离线服务功能为离线电话功能,则指令执行单元具体用于:
确定语音指令关联的文本内容是否命中用户本地存储的电话联系人。
示例性的,指令执行模块502具体用于:
确定目标离线服务功能的目标功能的使用状态;
若目标功能处于使用中,则问询用户是否需要切换目标功能的任务;
若是,则执行语音指令。
示例性的,目标选择模块503具体用于:
根据语音指令的类型,从其他离线服务功能中选择至少两个候选离线服务功能;
根据至少两个候选离线服务功能的优先级,从至少两个候选离线服务功能中选择目标离线服务功能。
示例性的,上述装置还包括:
指令拒绝模块,用于若确定语音指令不在离线指令白名单中,则拒绝语音指令,并向用户输出预设表情符。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如语音处理方法。例如,在一些实施例中,语音处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的语音处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语音处理方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
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)、区块链网络和互联网。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (15)

1.一种语音处理方法,包括:
获取用户当前输入的语音指令;
通过智能语音应用中当前离线服务功能执行所述语音指令;
若根据执行结果确定所述当前离线服务功能不支持所述语音指令,则从所述智能语音应用的其他离线服务功能中为所述语音指令选择目标离线服务功能;
通过所述目标离线服务功能执行所述语音指令。
2.根据权利要求1所述的方法,其中,通过智能语音应用中当前离线服务功能执行所述语音指令,包括:
确定所述当前离线服务功能的工作进度;
根据所述工作进度执行所述语音指令。
3.根据权利要求2所述的方法,其中,若所述当前离线服务功能为离线电话功能,则根据所述工作进度执行所述语音指令,包括:
确定所述语音指令关联的文本内容是否命中用户本地存储的电话联系人。
4.根据权利要求1所述的方法,其中,通过所述目标离线服务功能执行所述语音指令,包括:
确定所述目标离线服务功能的目标功能的使用状态;
若所述目标功能处于使用中,则问询用户是否需要切换所述目标功能的任务;
若是,则执行所述语音指令。
5.根据权利要求1所述的方法,其中,从所述智能语音应用的其他离线服务功能中为所述语音指令选择目标离线服务功能,包括:
根据所述语音指令的类型,从所述其他离线服务功能中选择至少两个候选离线服务功能;
根据所述至少两个候选离线服务功能的优先级,从所述至少两个候选离线服务功能中选择目标离线服务功能。
6.根据权利要求1所述的方法,获取用户当前输入的语音指令之后,还包括:
若确定所述语音指令不在离线指令白名单中,则拒绝所述语音指令,并向用户输出预设表情符。
7.一种语音处理装置,包括:
指令获取模块,用于获取用户当前输入的语音指令;
指令执行模块,用于通过智能语音应用中当前离线服务功能执行所述语音指令;
目标选择模块,用于若根据执行结果确定所述当前离线服务功能不支持所述语音指令,则从所述智能语音应用的其他离线服务功能中为所述语音指令选择目标离线服务功能;
所述指令执行模块,还用于通过所述目标离线服务功能执行所述语音指令。
8.根据权利要求7所述的装置,其中,所述指令执行模块包括:
进度确定单元,用于确定所述当前离线服务功能的工作进度;
指令执行单元,用于根据所述工作进度执行所述语音指令。
9.根据权利要求8所述的装置,其中,若所述当前离线服务功能为离线电话功能,则所述指令执行单元具体用于:
确定所述语音指令关联的文本内容是否命中用户本地存储的电话联系人。
10.根据权利要求7所述的装置,其中,所述指令执行模块具体用于:
确定所述目标离线服务功能的目标功能的使用状态;
若所述目标功能处于使用中,则问询用户是否需要切换所述目标功能的任务;
若是,则执行所述语音指令。
11.根据权利要求7所述的装置,其中,所述目标选择模块具体用于:
根据所述语音指令的类型,从所述其他离线服务功能中选择至少两个候选离线服务功能;
根据所述至少两个候选离线服务功能的优先级,从所述至少两个候选离线服务功能中选择目标离线服务功能。
12.根据权利要求7所述的装置,还包括:
指令拒绝模块,用于若确定所述语音指令不在离线指令白名单中,则拒绝所述语音指令,并向用户输出预设表情符。
13.一种电子设备,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权利要求1-6中任一项所述的语音处理方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的语音处理方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的语音处理方法。
CN202011518929.5A 2020-12-21 2020-12-21 语音处理方法、装置、设备、存储介质及计算机程序产品 Active CN112509580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011518929.5A CN112509580B (zh) 2020-12-21 2020-12-21 语音处理方法、装置、设备、存储介质及计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011518929.5A CN112509580B (zh) 2020-12-21 2020-12-21 语音处理方法、装置、设备、存储介质及计算机程序产品

Publications (2)

Publication Number Publication Date
CN112509580A true CN112509580A (zh) 2021-03-16
CN112509580B CN112509580B (zh) 2023-12-19

Family

ID=74922832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011518929.5A Active CN112509580B (zh) 2020-12-21 2020-12-21 语音处理方法、装置、设备、存储介质及计算机程序产品

Country Status (1)

Country Link
CN (1) CN112509580B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114550719A (zh) * 2022-02-21 2022-05-27 青岛海尔科技有限公司 语音控制指令的识别方法和装置、存储介质
CN115303218A (zh) * 2022-09-27 2022-11-08 亿咖通(北京)科技有限公司 语音指令处理方法、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007225902A (ja) * 2006-02-23 2007-09-06 Fujitsu Ten Ltd 車内音声操作システム
KR20100068851A (ko) * 2008-12-15 2010-06-24 한국전자통신연구원 음성인식을 기반으로 하는 접수정보 획득 방법 및 그 시스템
US20150379986A1 (en) * 2014-06-30 2015-12-31 Xerox Corporation Voice recognition
JP2016133378A (ja) * 2015-01-19 2016-07-25 株式会社デンソー カーナビゲーション装置
CN106992009A (zh) * 2017-05-03 2017-07-28 深圳车盒子科技有限公司 车载语音交互方法、系统及计算机可读存储介质
CN109256125A (zh) * 2018-09-29 2019-01-22 百度在线网络技术(北京)有限公司 语音的离线识别方法、装置与存储介质
CN109671421A (zh) * 2018-12-25 2019-04-23 苏州思必驰信息科技有限公司 离线导航的定制和实现方法及装置
CN110534108A (zh) * 2019-09-25 2019-12-03 北京猎户星空科技有限公司 一种语音交互方法及装置
CN111766792A (zh) * 2020-06-29 2020-10-13 四川长虹电器股份有限公司 一种基于边缘计算网关的智能家居控制系统及方法
CN112068912A (zh) * 2020-08-18 2020-12-11 深圳传音控股股份有限公司 系统语言类型切换方法、终端及计算机存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007225902A (ja) * 2006-02-23 2007-09-06 Fujitsu Ten Ltd 車内音声操作システム
KR20100068851A (ko) * 2008-12-15 2010-06-24 한국전자통신연구원 음성인식을 기반으로 하는 접수정보 획득 방법 및 그 시스템
US20150379986A1 (en) * 2014-06-30 2015-12-31 Xerox Corporation Voice recognition
JP2016133378A (ja) * 2015-01-19 2016-07-25 株式会社デンソー カーナビゲーション装置
CN106992009A (zh) * 2017-05-03 2017-07-28 深圳车盒子科技有限公司 车载语音交互方法、系统及计算机可读存储介质
CN109256125A (zh) * 2018-09-29 2019-01-22 百度在线网络技术(北京)有限公司 语音的离线识别方法、装置与存储介质
CN109671421A (zh) * 2018-12-25 2019-04-23 苏州思必驰信息科技有限公司 离线导航的定制和实现方法及装置
CN110534108A (zh) * 2019-09-25 2019-12-03 北京猎户星空科技有限公司 一种语音交互方法及装置
CN111766792A (zh) * 2020-06-29 2020-10-13 四川长虹电器股份有限公司 一种基于边缘计算网关的智能家居控制系统及方法
CN112068912A (zh) * 2020-08-18 2020-12-11 深圳传音控股股份有限公司 系统语言类型切换方法、终端及计算机存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114550719A (zh) * 2022-02-21 2022-05-27 青岛海尔科技有限公司 语音控制指令的识别方法和装置、存储介质
CN115303218A (zh) * 2022-09-27 2022-11-08 亿咖通(北京)科技有限公司 语音指令处理方法、设备及存储介质
CN115303218B (zh) * 2022-09-27 2022-12-23 亿咖通(北京)科技有限公司 语音指令处理方法、设备及存储介质

Also Published As

Publication number Publication date
CN112509580B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN103646646B (zh) 一种语音控制方法及电子设备
WO2017151400A1 (en) Interpreting and resolving conditional natural language queries
CN108491147A (zh) 一种基于虚拟人物的人机交互方法及移动终端
CN112509580B (zh) 语音处理方法、装置、设备、存储介质及计算机程序产品
US20160099908A1 (en) Email and instant messaging agent for dialog system
CN112148850A (zh) 动态交互方法、服务器、电子设备及存储介质
CN113906432A (zh) 使用知识模型对聊天机器人中的自然理解系统的上下文反馈
CN112767916A (zh) 智能语音设备的语音交互方法、装置、设备、介质及产品
CN113012695B (zh) 智能控制方法、装置、电子设备及计算机可读存储介质
CN111554298B (zh) 语音交互方法、语音交互设备和电子设备
CN105376416A (zh) 一种通话终端的控制方法和装置
CN113452760A (zh) 验证码的同步方法、装置、电子设备和存储介质
US20120243670A1 (en) Automatically Updating Meeting Information
KR20130125064A (ko) 키워드 음성 인식을 통해 관련 어플리케이션을 실행시키는 음성 통화 처리 방법 및 이를 실행하는 모바일 단말
CN114448922B (zh) 消息分级处理方法、装置、设备及存储介质
CN109725798B (zh) 智能角色的切换方法及相关装置
CN114118937A (zh) 基于任务的信息推荐方法、装置、电子设备及存储介质
CN113556649A (zh) 智能音箱的播报控制方法和装置
CN115118820A (zh) 一种通话处理方法、装置、计算机设备及存储介质
CN113808585A (zh) 耳机唤醒方法、装置、设备以及存储介质
CN113449141A (zh) 语音播报方法、装置、电子设备及存储介质
CN113421565A (zh) 搜索方法、装置、电子设备以及存储介质
CN112969000A (zh) 网络会议的控制方法、装置、电子设备和存储介质
CN112148849A (zh) 动态交互方法、服务器、电子设备及存储介质
CN112817463A (zh) 输入法获取音频数据的方法、设备和存储介质

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: 20211022

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant