CN112581945A - 语音控制方法、装置、电子设备和可读存储介质 - Google Patents

语音控制方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN112581945A
CN112581945A CN201910933788.4A CN201910933788A CN112581945A CN 112581945 A CN112581945 A CN 112581945A CN 201910933788 A CN201910933788 A CN 201910933788A CN 112581945 A CN112581945 A CN 112581945A
Authority
CN
China
Prior art keywords
control
working state
intention
audio
voice
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.)
Pending
Application number
CN201910933788.4A
Other languages
English (en)
Inventor
罗咏曦
王莎莎
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.)
Beijing Baidu Netcom Science and Technology 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 CN201910933788.4A priority Critical patent/CN112581945A/zh
Priority to KR1020190177035A priority patent/KR20210038278A/ko
Priority to US16/728,696 priority patent/US20210097991A1/en
Priority to EP19219812.5A priority patent/EP3799039A1/en
Priority to JP2019238253A priority patent/JP7051800B2/ja
Publication of CN112581945A publication Critical patent/CN112581945A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L15/26—Speech to text systems
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • 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
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting
    • 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
    • G10L2015/223—Execution procedure of a spoken command
    • 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
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请公开了语音控制方法、装置、电子设备和可读存储介质，涉及语音识别领域。具体实现方案为：在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段，获取对音频片段语音识别得到的第一控制意图，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态；在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别；若语音识别得到符合目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。由此，对用户连续输入的音频流进行语音识别，仅在得到符合目标场景的第二控制意图时，执行相应的控制指令，不仅无需连续输入唤醒词，简化用户操作，还避免了场景切换导致用户使用体验差的技术问题。

Description

语音控制方法、装置、电子设备和可读存储介质
技术领域
本申请涉及语音识别和人工智能技术领域，尤其涉及一种语音控制方法、装置、电子设备和可读存储介质。
背景技术
随着人工智能技术以及终端技术的不断发展，人工智能产品，比如智能音箱等电子设备不断普及，用户可以语音控制电子设备，以执行相应的控制指令。用户使用电子设备玩游戏的过程中，当用户与电子设备进行语音交互，用户输入的控制指令与游戏无关时，电子设备响应于相应的控制指令，切换至其他工作场景。这种情况下，用户玩游戏过程被打断，影响了用户的使用体验。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
本申请提出一种语音控制方法、装置、电子设备和可读存储介质，以实现在目标场景下，连续获取到用户输入的音频数据后，不会切换至其他的场景，改善用户的使用体验。
本申请第一方面实施例提出了一种语音控制方法，包括：
在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段；
获取对所述音频片段语音识别得到的第一控制意图；
执行与所述第一控制意图匹配的控制指令，并将所述第一工作状态切换为第二工作状态；
在所述第二工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
若语音识别得到符合所述目标场景的第二控制意图，执行与所述第二控制意图匹配的控制指令。
作为本申请实施例的第一种可能的实现方式，所述在所述第二工作状态下，连续采集音频得到音频流，以对所述音频流语音识别之后，还包括：
获取信息流；其中，所述信息流，是对所述音频流进行语音识别得到的；
从所述信息流中获取各候选意图；
从各候选意图中，筛选与所述目标场景的控制意图匹配的第二控制意图；
若在设定时长内，未得到所述第二控制意图，退出所述第二工作状态；
其中，所述设定时长的取值范围为20秒至40秒。
作为本申请实施例的第二种可能的实现方式，所述从所述信息流中获取各候选意图之后，还包括：
拒绝响应与所述目标场景的控制意图不匹配的候选意图。
作为本申请实施例的第三种可能的实现方式，所述将所述第一工作状态切换为第二工作状态之后，还包括：
在所述第二工作状态下，将界面中的第一元素替换为第二元素，并显示第三元素；
其中，所述第一元素用于提示处于第一工作状态，所述第二元素用于提示处于所述第二工作状态，所述第三元素用于提示所述唤醒词和/或用于播放音视频。
作为本申请实施例的第四种可能的实现方式，所述将所述第一工作状态切换为第二工作状态之前，还包括：
确定所述第一控制意图与所述目标场景匹配。
作为本申请实施例的第五种可能的实现方式，所述目标场景包括游戏场景。
本申请第二方面实施例提出了一种语音控制装置，包括：
执行模块，用于在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段；
第一获取模块，用于获取对所述音频片段语音识别得到的第一控制意图；
切换模块，用于执行与所述第一控制意图匹配的控制指令，并将所述第一工作状态切换为第二工作状态；
识别模块，用于在所述第二工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
控制模块，用于若语音识别得到符合所述目标场景的第二控制意图，执行与所述第二控制意图匹配的控制指令。
本申请第三方面实施例提出了一种电子设备，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本申请第一方面实施例提出的语音控制方法。
本申请第四方面实施例提出了一种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本申请第一方面实施例提出的语音控制方法。
上述申请中的一个实施例具有如下优点或有益效果：
通过在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段，获取对音频片段语音识别得到的第一控制意图，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态；在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别；若语音识别得到符合所述目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。由此，用户与电子设备进行连续交互时，对用户连续输入的音频流进行语音识别，仅在语音识别得到符合目标场景的第二控制意图时，执行相应的控制指令，不仅无需连续输入唤醒词，简化了用户操作，还避免了场景切换导致用户使用体验差的技术问题。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定，本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解。其中：
图1为本申请实施例一所提供的语音控制方法的流程示意图；
图2为本申请实施例二所提供的语音控制方法的流程示意图；
图3为本申请实施例三所提供的语音控制方法的流程示意图；
图4为本申请实施例四所提供的语音控制装置的结构示意图；
图5为本申请实施例五所提供的电子设备的结构示意图。
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。
下面参考附图描述本申请实施例的语音控制方法、装置、电子设备和可读存储介质。
图1为本申请实施例一所提供的语音控制方法的流程示意图。
本申请实施例以该语音控制方法被配置于语音控制装置中来举例说明，该语音控制装置可以应用于任一电子设备中，以使该电子设备可以执行语音控制功能。
其中，电子设备可以为个人电脑(Personal Computer，简称PC)、云端设备、移动设备、智能音箱等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该语音控制方法可以包括以下步骤：
步骤101，在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段。
作为一种可能的情况，目标场景包括游戏场景。需要说明的是，目标场景也可以为其余可能的场景，如儿童场景等，对此不做限制。
本申请实施例中，第一工作状态可以为非聆听状态，在目标场景下，电子设备执行该非聆听状态，以根据用户语音输入的唤醒词，采集音频片段。
本申请实施例中，唤醒词可以为电子设备的内置程序预先设置的，或者，为了满足用户的个性化需求，唤醒词还可以由用户根据自身需求进行设置，本申请对此并不作限制。举例而言，当电子设备为智能音箱时，唤醒词可以为“小度小度”。
本申请实施例中，在目标场景下，当电子设备执行第一工作状态时，电子设备可以检测用户是否输入了唤醒词，若是，则可以采集用户在唤醒词之后输入的音频片段，以进行语音识别。举例而言，当电子设备为智能音箱时，该智能音箱处于该第一工作状态下，若用户想要播放歌曲，则用户可以语音输入“小度小度，播放歌曲A”或者“小度小度，我想听歌”，则电子设备可以识别到唤醒词后的音频片段“播放歌曲A”或“我想听歌”。
本申请实施例中，当电子设备处于第一工作状态下，语音控制装置可以通过监听方式，对用户输入唤醒词进行监听，若监听到用户输入了唤醒词，则可以对唤醒词后的音频片段进行识别，若未监听到用户输入了唤醒词，则可以继续对用户输入的唤醒词进行监听。也就是说，当未监听到用户输入唤醒词时，电子设备仍然处于第一工作状态，即非聆听状态，此时，若用户想要语音控制电子设备，还需语音输入对应的唤醒词，比如，用户想要播放歌曲，则用户可以输入“小度小度，我想听歌”。
步骤102，获取对音频片段语音识别得到的第一控制意图。
本申请实施例中，第一控制意图可以为电子设备的内置程序预先设置的，或者，为了提升该方法的灵活性和适用性，第一控制意图还可以由用户进行设定，对此不作限制。例如，在游戏场景下，第一控制意图可以为增加能量、购买装备等等。
本申请实施例中，当电子设备在第一工作状态下，电子设备检测到用户输入唤醒词之后，采集用户输入唤醒词之后的音频片段，进而对音频片段进行语音识别，以获取对音频片段进行语音识别得到的第一控制意图。
举例来说，若目标场景为游戏场景，在游戏场景下，电子设备执行第一工作状态时，若用户想要更换游戏装备，用户语音输入唤醒词“小度小度”后，则用户可以语音输入“我想更换装备”或者“更换装备A”。则电子设备可以识别唤醒词后的音频片段得到第一控制意图为“我想更换装备”或者“更换装备A”。
步骤103，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态。
本申请实施例中，第二工作状态可以为聆听状态，当电子设备处于该聆听状态时，用户无需语音输入唤醒词，可以实时输入语音指令，以与电子设备进行交互。
需要解释的是，在游戏场景下，电子设备处于聆听状态时，电子设备音频、视频等会继续播放，不会终端游戏过程。
本申请实施例中，当电子设备获取到对音频片段语音识别得到的第一控制意图时，执行与第一控制意图匹配的控制指令。这种情况下，表明在目标场景下，用户具有与电子设备进行实时交互或者连续交互的需求，此时，可以将第一工作状态切换为第二工作状态。
举例而言，以电子设备为智能音箱，目标场景为游戏场景，第一控制意图为补充能量进行示例，当用户语音输入“小度小度，给我补充能量”，则智能音箱在采集到用户输入的音频片段并对其进行识别后，可以确定唤醒词后的音频片段的意图为“补充能量”，此时，可以控制电子设备的工作状态从非聆听状态切换为聆听状态，同时对用户游戏角色进行能量补充，并在补充能量结束后，智能音箱通过语音播放或者在界面显示提示信息，如，“能量补充结束”的提示信息。
步骤104，在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别。
本申请实施例中，当电子设备处于第二工作状态下，电子设备可以连续采集音频得到音频流，以进行语音识别。由此，当用户具有与电子设备进行实时交互或者连续交互的需求时，无需连续输入唤醒词，只需要在电子设备处于工作状态时，持续输入音频流，以对音频流进行语音识别，可以简化用户操作，改善用户的使用体验。
仍以上述例子示例，当智能音箱处于聆听状态时，用户无需输入唤醒词，可以与智能音箱进行连续对话，以使得电子设备连续采集用户输入的音频流，以对音频流进行语音识别，比如，“更换装备”、“购买装备”等等。
步骤105，若语音识别得到符合目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。
本申请实施例中，第二控制意图可以为电子设备的内置程序预先设置的，或者，为了提升该方法的灵活性和适用性，第二控制意图还可以由用户进行设定，对此不作限制。为了区别于上述的第一控制意图，在此将第二工作状态下对音频流进行语音识别得到的符合目标场景的控制意图命名为第二控制意图。
本申请实施例中，在电子设备处于第二工作状态下，电子设备对用户输入的音频连续采集得到音频流，并对音频流进行语音识别。在一种可能的情况下，对音频流进行语音识别得到的控制意图为符合目标场景的第二控制意图，则执行与第二控制意图匹配的控制指令。
举例来说，以目标场景为游戏场景为例，在电子设备处于第二工作状态下，电子设备连续采集用户输入的音频得到音频流，并对音频流进行语音识别得到的第二控制意图为“购买装备”。由于“购买装备”的控制意图符合游戏场景，则电子设备执行与“购买装备”匹配的控制指令。
在另一种可能的情况下，电子设备对音频流进行语音识别得到的控制意图为不符合目标场景的第二控制意图，则电子设备不执行任何操作。
举例来说，以目标场景为游戏场景为例，在电子设备处于第二工作状态下，电子设备连续采集用户输入的音频得到音频流，并对音频流进行语音识别得到的第二控制意图为“今天天气如何”。由于对音频流进行语音识别得到的第二控制意图不符合游戏场景，这种情况下，电子设备不做任何响应。由此，提升了用户在玩游戏时的沉浸式体验，避免了在游戏过程中被其他技能干扰。
需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
本申请实施例的语音控制方法，通过在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段，获取对音频片段语音识别得到的第一控制意图，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态；在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别；若语音识别得到符合所述目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。由此，用户与电子设备进行连续交互时，对用户连续输入的音频流进行语音识别，仅在语音识别得到符合目标场景的第二控制意图时，执行相应的控制指令，不仅无需连续输入唤醒词，简化了用户操作，还避免了场景切换导致用户使用体验差的技术问题。
在上述实施例的基础上，在另一种可能的情况下，当电子设备在第二工作状态下，电子设备连续采集音频得到音频流，并对音频流进行语音识别，得到信息流，并从信息流中获取各候选意图，以确定各候选意图中是否包含与目标场景的控制意图匹配的第二控制意图，若未包含第二控制意图，则可以退出第二工作状态，并拒绝响应与目标场景的控制意图不匹配的候选意图。下面结合实施例二，对上述过程进行详细说明。
图2为本申请实施例二所提供的语音控制方法的流程示意图。
如图2所示，在图1所示实施例的基础上，该语音控制方法还可以包括以下步骤：
步骤201，获取信息流；其中，信息流，是对音频流进行语音识别得到的。
本申请实施例中，用户输入音频数据后，电子设备可以采集音频流，并对该音频流进行语音识别，确定对应的信息流。
步骤202，从信息流中获取各候选意图。
本申请实施例中，当获取信息流后，可以对该信息流进行语义识别，以确定信息流对应的控制意图，并可以从信息流对应的控制意图中筛选出各候选意图。
步骤203，从各候选意图中，筛选与目标场景的控制意图匹配的第二控制意图。
本申请实施例中，从信息流中获取各候选意图后，对各候选意图进行筛选，以筛选出与目标场景的控制意图匹配的第二控制意图。
举例来说，在目标场景为游戏场景时，电子设备从信息流中获取到的各候选意图包括“播放歌曲”，“购买装备”，对候选意图进行筛选，得到与游戏场景的控制意图匹配的第二控制意图为“购买装备”。
本申请实施例中，从信息流中获取各候选意图后，对各候选意图进行筛选，当筛选出于目标场景的控制意图不匹配的候选意图时，电子设备拒绝响应与目标场景的控制意图不匹配的候选意图。由此，确保了用户在目标场景下的沉浸式体验。
仍以上述示例为例，在目标场景为游戏场景时，电子设备从信息流中获取到的各候选意图包括“播放歌曲”，“购买装备”，对候选意图进行筛选，得到与游戏场景的控制意图不匹配的候选意图为“播放歌曲”。这种情况下，电子设备拒绝响应“播放歌曲”的候选意图，以避免用户在玩游戏过程中被打断，影响用户的游戏沉浸式体验。
步骤204，若在设定时长内，未得到第二控制意图，退出第二工作状态；其中，设定时长的取值范围为20秒至40秒。
本申请实施例中，设定时长为预先设定的，例如可以为电子设备的内置程序预先设定的，或者还可以由用户进行设定，对此不作限制。比如设定时长的取值范围为20秒至40秒。
本申请实施例中，当在设定时长内，未筛选到与目标场景的控制意图匹配的第二控制意图时，此时，表明在目标场景下用户未具有连续控制电子设备的意图，因此，可以退出第二工作状态。
举例而言，假如设定时长为30秒，当电子设备进入聆听状态时，若用户在设定时长内，并未输入语音数据，或者，电子设备从获取的各候选意图中并未筛选到与目标场景的控制意图匹配的第二控制意图时，可以退出聆听状态。
本申请实施例的语音控制方法，通过获取信息流，从信息流中获取各候选意图，从各候选意图中，筛选与目标场景的控制意图匹配的第二控制意图，在设定时长内，未得到第二控制意图，退出第二工作状态。由此，在设定时长内，未从各候选意图中筛选出于目标场景的控制意图匹配的第二控制意图时，控制电子设备退出第二工作状态，可以避免电子设备一直处于聆听状态或工作状态的情况，以降低电子设备的能耗。
本申请实施例中，在目标场景下，获取到对音频片段语音识别得到的第一控制意图后，首先确定第一控制意图与目标场景匹配，再执行与第一控制意图匹配的控制指令，并在将第一工作状态切换为第二工作状态之后，将界面中的第一元素替换为第二元素，并显示第三元素。下面结合实施例三，对上述过程进行详细说明。
图3为本申请实施例三所提供的语音控制方法的流程示意图。
如图3所示，该语音控制方法可以包括以下步骤：
步骤301，在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段。
步骤302，获取对音频片段语音识别得到的第一控制意图。
本申请实施例中，步骤301和步骤302的执行过程，参见上述实施例一中步骤101和步骤102，在此不再赘述。
步骤303，确定第一控制意图与目标场景匹配。
本申请实施例中，在目标场景下，电子设备处于第一工作状态时，根据用户语音输入的唤醒词采集音频片段。进一步的，电子设备获取到对音频片段语音识别得到的第一控制意图后，判断第一控制意图与目标场景是否匹配，若第一控制意图与目标场景匹配，则执行步骤304，若第一控制意图与目标场景不匹配，则电子设备拒绝响应该第一控制意图，并继续执行第一工作状态。
举例来说，假如目标场景为游戏场景，电子设备在非聆听状态下，在用户语音输入唤醒词之后采集音频片段，对音频片段进行语音识别得到第一控制意图为“购买装备”，由于“购买装备”的控制意图与游戏场景匹配，则电子设备继续执行与“购买装备”匹配的控制指令。
步骤304，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态。
本申请实施例中，步骤304的执行过程，参见上述实施例一中步骤103，在此不再赘述。
步骤305，在第二工作状态下，将界面中的第一元素替换为第二元素，并显示第三元素。
作为本申请实施例的一种可能的实现方式，当电子设备处于第二工作状态下，可以将电子设备显示界面中的第一元素替换为第二元素，并显示第三元素。其中，第一元素用于提示电子设备处于第一工作状态，第二元素用于提示电子设备处于第二工作状态，第三元素用于提示唤醒词和/用户播放音视频。
作为一种应用场景，以目标场景为游戏场景进行示例，当电子设备处于第二工作状态下，即电子设备处于聆听状态下，为了便于用户获知电子设备当前的状态信息，可以将电子设备界面中的第一元素替换为第二元素。由于电子设备在设定时长内，未得到第二控制意图时，电子设备会退出第二工作状态，这种情况下，需要用户重新输入唤醒词，因此，需要显示第三元素，以提示唤醒词。
步骤306，在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别。
步骤307，若语音识别得到符合目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。
本申请实施例中，步骤306和步骤307的执行过程，参见上述实施例一中步骤104和步骤105，在此不再赘述。
本申请实施例中，在电子设备处于第二工作状态时，将界面中第一元素替换为第二元素，并显示第三元素，能够使得用户更加明确电子设备当前的工作状态，改善了用户的使用体验。
为了实现上述实施例，本申请还提出一种语音控制装置。
图4为本申请实施例四所提供的语音识别装置的结构示意图。
如图4所示，该语音识别装置400包括：执行模块410、第一获取模块420、切换模块430、识别模块440以及控制模块450。
执行模块410，用于在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段。
第一获取模块420，用于获取对音频片段语音识别得到的第一控制意图。
切换模块430，用于执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态。
识别模块440，用于在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别。
控制模块450，用于若语音识别得到符合目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。
进一步地，在本申请实施例的一种可能的实现方式中，该语音控制装置400还可以包括：
第二获取模块，用于获取信息流；其中，信息流，是对音频流进行语音识别得到的。
第三获取模块，用于从信息流中获取各候选意图。
筛选模块，用于从各候选意图中，筛选与目标场景的控制意图匹配的第二控制意图。
退出模块，用于若在设定时长内，未得到第二控制意图，退出第二工作状态；
其中，设定时长的取值范围为20秒至40秒。
在本申请实施例的另一种可能的实现方式中，该语音控制装置400还可以包括：
拒绝响应模块，用于拒绝响应与所述目标场景的控制意图不匹配的候选意图。
在本申请实施例的另一种可能的实现方式中，该语音控制装置400还可以包括：
替换模块，用于在所述第二工作状态下，将界面中的第一元素替换为第二元素，并显示第三元素；
其中，所述第一元素用于提示处于第一工作状态，所述第二元素用于提示处于所述第二工作状态，所述第三元素用于提示所述唤醒词和/或用于播放音视频。
在本申请实施例的另一种可能的实现方式中，该语音控制装置400还可以包括：
确定模块，用于确定所述第一控制意图与所述目标场景匹配。
在本申请实施例的另一种可能的实现方式中，所述目标场景包括游戏场景。
需要说明的是，前述对语音控制方法实施例的解释说明也适用于该实施例的语音控制装置，此处不再赘述。
本申请实施例的语音控制装置，通过在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段，获取对音频片段语音识别得到的第一控制意图，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态；在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别；若语音识别得到符合所述目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。由此，用户与电子设备进行连续交互时，对用户连续输入的音频流进行语音识别，仅在语音识别得到符合目标场景的第二控制意图时，执行相应的控制指令，不仅无需连续输入唤醒词，简化了用户操作，还避免了场景切换导致用户使用体验差的技术问题。
为了实现上述实施例，本申请还提出一种电子设备，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本申请前述实施例提出的语音控制方法。
为了实现上述实施例，本申请还提出一种计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请前述实施例提出的语音控制方法。
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5所示，是根据本申请实施例的语音控制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5所示，该电子设备包括：一个或多个处理器501、存储器502，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5中以一个处理器501为例。
存储器502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语音控制方法。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语音控制方法。
存储器502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语音控制方法对应的程序指令/模块(例如，附图4所示的执行模块410、第一获取模块420、切换模块430、识别模块440和控制模块450)。处理器501通过运行存储在存储器502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语音控制方法。
存储器502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电子设备的使用所创建的数据等。此外，存储器502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502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。
电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与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504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，通过在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段，获取对音频片段语音识别得到的第一控制意图，执行与第一控制意图匹配的控制指令，并将第一工作状态切换为第二工作状态；在第二工作状态下，连续采集音频得到音频流，以对音频流语音识别；若语音识别得到符合所述目标场景的第二控制意图，执行与第二控制意图匹配的控制指令。由此，用户与电子设备进行连续交互时，对用户连续输入的音频流进行语音识别，仅在语音识别得到符合目标场景的第二控制意图时，执行相应的控制指令，不仅无需连续输入唤醒词，简化了用户操作，还避免了场景切换导致用户使用体验差的技术问题。
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 (14)

1.一种语音控制方法，其特征在于，所述方法包括：
在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段；
获取对所述音频片段语音识别得到的第一控制意图；
执行与所述第一控制意图匹配的控制指令，并将所述第一工作状态切换为第二工作状态；
在所述第二工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
若语音识别得到符合所述目标场景的第二控制意图，执行与所述第二控制意图匹配的控制指令。
2.根据权利要求1所述的语音控制方法，其特征在于，所述在所述第二工作状态下，连续采集音频得到音频流，以对所述音频流语音识别之后，还包括：
获取信息流；其中，所述信息流，是对所述音频流进行语音识别得到的；
从所述信息流中获取各候选意图；
从各候选意图中，筛选与所述目标场景的控制意图匹配的第二控制意图；
若在设定时长内，未得到所述第二控制意图，退出所述第二工作状态；
其中，所述设定时长的取值范围为20秒至40秒。
3.根据权利要求2所述的语音控制方法，其特征在于，所述从所述信息流中获取各候选意图之后，还包括：
拒绝响应与所述目标场景的控制意图不匹配的候选意图。
4.根据权利要求1-3任一项所述的语音控制方法，其特征在于，所述将所述第一工作状态切换为第二工作状态之后，还包括：
在所述第二工作状态下，将界面中的第一元素替换为第二元素，并显示第三元素；
其中，所述第一元素用于提示处于第一工作状态，所述第二元素用于提示处于所述第二工作状态，所述第三元素用于提示所述唤醒词和/或用于播放音视频。
5.根据权利要求1-3任一项所述的语音控制方法，其特征在于，所述将所述第一工作状态切换为第二工作状态之前，还包括：
确定所述第一控制意图与所述目标场景匹配。
6.根据权利要求1-3任一项所述的语音控制方法，其特征在于，所述目标场景包括游戏场景。
7.一种语音控制装置，其特征在于，所述装置包括：
执行模块，用于在目标场景下，执行第一工作状态，以根据唤醒词采集音频片段；
第一获取模块，用于获取对所述音频片段语音识别得到的第一控制意图；
切换模块，用于执行与所述第一控制意图匹配的控制指令，并将所述第一工作状态切换为第二工作状态；
识别模块，用于在所述第二工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
控制模块，用于若语音识别得到符合所述目标场景的第二控制意图，执行与所述第二控制意图匹配的控制指令。
8.根据权利要求7所述的语音控制装置，其特征在于，所述装置还包括：
第二获取模块，用于获取信息流；其中，所述信息流，是对所述音频流进行语音识别得到的；
第三获取模块，用于从所述信息流中获取各候选意图；
筛选模块，用于从各候选意图中，筛选与所述目标场景的控制意图匹配的第二控制意图；
退出模块，用于若在设定时长内，未得到所述第二控制意图，退出所述第二工作状态；
其中，所述设定时长的取值范围为20秒至40秒。
9.根据权利要求8所述的语音控制装置，其特征在于，所述装置还包括：
拒绝响应模块，用于拒绝响应与所述目标场景的控制意图不匹配的候选意图。
10.根据权利要求7-9任一项所述的语音控制装置，其特征在于，所述装置还包括：
替换模块，用于在所述第二工作状态下，将界面中的第一元素替换为第二元素，并显示第三元素；
其中，所述第一元素用于提示处于第一工作状态，所述第二元素用于提示处于所述第二工作状态，所述第三元素用于提示所述唤醒词和/或用于播放音视频。
11.根据权利要求7-9任一项所述的语音控制装置，其特征在于，所述装置还包括：
确定模块，用于确定所述第一控制意图与所述目标场景匹配。
12.根据权利要求7-9任一项所述的语音控制装置，其特征在于，所述目标场景包括游戏场景。
13.一种电子设备，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权利要求1-6中任一项所述的语音控制方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的语音控制方法。
CN201910933788.4A 2019-09-29 2019-09-29 语音控制方法、装置、电子设备和可读存储介质 Pending CN112581945A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910933788.4A CN112581945A (zh) 2019-09-29 2019-09-29 语音控制方法、装置、电子设备和可读存储介质
KR1020190177035A KR20210038278A (ko) 2019-09-29 2019-12-27 음성 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
US16/728,696 US20210097991A1 (en) 2019-09-29 2019-12-27 Speech control method and apparatus, electronic device, and readable storage medium
EP19219812.5A EP3799039A1 (en) 2019-09-29 2019-12-27 Speech control method and apparatus, electronic device, and readable storage medium
JP2019238253A JP7051800B2 (ja) 2019-09-29 2019-12-27 音声制御方法、音声制御装置、電子デバイス、および読み取り可能な記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910933788.4A CN112581945A (zh) 2019-09-29 2019-09-29 语音控制方法、装置、电子设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN112581945A true CN112581945A (zh) 2021-03-30

Family

ID=69055744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910933788.4A Pending CN112581945A (zh) 2019-09-29 2019-09-29 语音控制方法、装置、电子设备和可读存储介质

Country Status (5)

Country Link
US (1) US20210097991A1 (zh)
EP (1) EP3799039A1 (zh)
JP (1) JP7051800B2 (zh)
KR (1) KR20210038278A (zh)
CN (1) CN112581945A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083412A (zh) * 2022-08-11 2022-09-20 科大讯飞股份有限公司 语音交互方法及相关装置、电子设备、存储介质
CN115476366A (zh) * 2021-06-15 2022-12-16 北京小米移动软件有限公司 足式机器人的控制方法、装置、控制设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114071318B (zh) * 2021-11-12 2023-11-14 阿波罗智联(北京)科技有限公司 语音处理方法、终端设备及车辆

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5864815A (en) * 1995-07-31 1999-01-26 Microsoft Corporation Method and system for displaying speech recognition status information in a visual notification area
CN107277672A (zh) * 2017-06-07 2017-10-20 福州瑞芯微电子股份有限公司 一种支持唤醒模式自动切换的方法和装置
CN107564518A (zh) * 2017-08-21 2018-01-09 百度在线网络技术（北京）有限公司 智能设备控制方法、装置及计算机设备
WO2018135753A1 (ko) * 2017-01-17 2018-07-26 삼성전자주식회사 전자 장치 및 그의 동작 방법
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
CN109493849A (zh) * 2018-12-29 2019-03-19 联想(北京)有限公司 语音唤醒方法、装置及电子设备
CN109671426A (zh) * 2018-12-06 2019-04-23 珠海格力电器股份有限公司 一种语音控制方法、装置、存储介质及空调
US20190251963A1 (en) * 2018-02-09 2019-08-15 Baidu Online Network Technology (Beijing) Co., Ltd. Voice awakening method and device
US20190295544A1 (en) * 2018-03-26 2019-09-26 Apple Inc. Natural assistant interaction

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001051694A (ja) * 1999-08-10 2001-02-23 Fujitsu Ten Ltd 音声認識装置
JP4770374B2 (ja) * 2005-10-04 2011-09-14 株式会社デンソー 音声認識装置
CN107077846B (zh) * 2014-10-24 2021-03-16 索尼互动娱乐股份有限公司 控制装置、控制方法、程序和信息存储介质
US9940929B2 (en) * 2015-12-09 2018-04-10 Lenovo (Singapore) Pte. Ltd. Extending the period of voice recognition
JP2019001428A (ja) * 2017-06-20 2019-01-10 クラリオン株式会社 車載装置、音声操作システムおよび音声操作方法
US10311872B2 (en) * 2017-07-25 2019-06-04 Google Llc Utterance classifier
CN108337362A (zh) * 2017-12-26 2018-07-27 百度在线网络技术（北京）有限公司 语音交互方法、装置、设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5864815A (en) * 1995-07-31 1999-01-26 Microsoft Corporation Method and system for displaying speech recognition status information in a visual notification area
WO2018135753A1 (ko) * 2017-01-17 2018-07-26 삼성전자주식회사 전자 장치 및 그의 동작 방법
CN107277672A (zh) * 2017-06-07 2017-10-20 福州瑞芯微电子股份有限公司 一种支持唤醒模式自动切换的方法和装置
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
CN107564518A (zh) * 2017-08-21 2018-01-09 百度在线网络技术（北京）有限公司 智能设备控制方法、装置及计算机设备
US20190251963A1 (en) * 2018-02-09 2019-08-15 Baidu Online Network Technology (Beijing) Co., Ltd. Voice awakening method and device
US20190295544A1 (en) * 2018-03-26 2019-09-26 Apple Inc. Natural assistant interaction
CN109671426A (zh) * 2018-12-06 2019-04-23 珠海格力电器股份有限公司 一种语音控制方法、装置、存储介质及空调
CN109493849A (zh) * 2018-12-29 2019-03-19 联想(北京)有限公司 语音唤醒方法、装置及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115476366A (zh) * 2021-06-15 2022-12-16 北京小米移动软件有限公司 足式机器人的控制方法、装置、控制设备及存储介质
CN115476366B (zh) * 2021-06-15 2024-01-09 北京小米移动软件有限公司 足式机器人的控制方法、装置、控制设备及存储介质
CN115083412A (zh) * 2022-08-11 2022-09-20 科大讯飞股份有限公司 语音交互方法及相关装置、电子设备、存储介质

Also Published As

Publication number Publication date
JP7051800B2 (ja) 2022-04-11
EP3799039A1 (en) 2021-03-31
US20210097991A1 (en) 2021-04-01
JP2021056486A (ja) 2021-04-08
KR20210038278A (ko) 2021-04-07

Similar Documents

Publication Publication Date Title
CN111192591B (zh) 智能设备的唤醒方法、装置、智能音箱及存储介质
CN112669831B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
CN112533041A (zh) 视频播放方法、装置、电子设备和可读存储介质
CN111276139A (zh) 语音唤醒方法及装置
CN112530419B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
CN112581945A (zh) 语音控制方法、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
KR102358012B1 (ko) 음성 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
CN112825013A (zh) 终端设备的控制方法和装置
CN111177453A (zh) 控制音频播放的方法、装置、设备及计算机可读存储介质
CN110706701A (zh) 语音技能推荐方法、装置、设备及存储介质
CN111243585B (zh) 多人场景下的控制方法、装置、设备及存储介质
CN110674338B (zh) 语音技能推荐方法、装置、设备及存储介质
CN112382292A (zh) 基于语音的控制方法和装置
CN107770474B (zh) 声音的处理方法、装置、终端设备和存储介质
CN110633357A (zh) 语音交互方法、装置、设备和介质
CN111723343B (zh) 电子设备的交互控制方法、装置以及电子设备
CN112581969A (zh) 语音控制方法、装置、电子设备和可读存储介质
CN112466304B (zh) 离线语音交互方法、装置、系统、设备和存储介质
CN111881348A (zh) 信息处理方法、装置、设备以及存储介质
CN113555014A (zh) 一种语音交互的方法、装置、电子设备及存储介质
CN114968387A (zh) 外接设备切换方法和装置
CN117956217A (zh) 直播标题更换方法、装置、介质及设备
CN112804593A (zh) 一种应用系统音量的控制方法、装置、机器人及存储介质
CN111601163A (zh) 播放控制方法、装置、电子设备及存储介质

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: 20210429

Address after: 100085 Beijing, Haidian District, No. ten on the ground floor, No. 10 Baidu building, layer three

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

Applicant after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Beijing, Haidian District, No. ten on the ground floor, No. 10 Baidu building, layer three

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