CN112581946A - 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
CN112581946A
CN112581946A CN201910933815.8A CN201910933815A CN112581946A CN 112581946 A CN112581946 A CN 112581946A CN 201910933815 A CN201910933815 A CN 201910933815A CN 112581946 A CN112581946 A CN 112581946A
Authority
CN
China
Prior art keywords
voice
word
guide
responded
words
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
CN201910933815.8A
Other languages
English (en)
Other versions
CN112581946B (zh
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.)
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 CN201910933815.8A priority Critical patent/CN112581946B/zh
Priority to KR1020190175880A priority patent/KR102358012B1/ko
Priority to EP19219804.2A priority patent/EP3799036A1/en
Priority to JP2019237719A priority patent/JP2021056986A/ja
Priority to US16/728,209 priority patent/US20210096814A1/en
Publication of CN112581946A publication Critical patent/CN112581946A/zh
Application granted granted Critical
Publication of CN112581946B publication Critical patent/CN112581946B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0483—Interaction with page-structured environments, e.g. book metaphor
    • 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
    • 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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • 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
    • G10L15/04—Segmentation; Word boundary detection
    • 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
    • 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
    • G10L2015/221—Announcement of recognition results
    • 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
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (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：根据展示页面可响应的语音指令，确定第一引导词，获取展示页面所属前台程序可响应的语音指令，根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示第一引导词和第二引导词，用户根据第一引导词和第二引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。

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。目前，当用户与电子设备之间需要连续语音交互时，即用户具有连续发起对话需求时，可以语音控制电子设备进入设定工作状态，如，聆听状态，以体验全双工免唤醒的功能。
但是，在一些场景下，用户与电子设备之间进行连续语音交互时，用户不能准确输入无需重复输入唤醒词，即可继续与电子设备语音交互的语音指令，此时，需要用户重复输入唤醒词，严重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，以实现通过在目标状态下提示第一引导词和第二引导词，用户根据第一引导词和第二引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，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：
根据展示页面可响应的语音指令，确定第一引导词；
获取所述展示页面所属前台程序可响应的语音指令；
根据所述前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词；
在目标工作状态下，提示所述第一引导词和所述第二引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
作为本申请实施例的第一种可能的实现方式，所述提示所述第一引导词和所述第二引导词，包括：
对所述第一引导词和所述第二引导词，根据排序分组显示；
其中，所述第一引导词的排序先于所述第二引导词的排序。
作为本申请实施例的第二种可能的实现方式，所述第一引导词为至少两个；所述第二引导词为至少两个；
对所述第一引导词和所述第二引导词，根据排序分组显示，包括：
根据至少两个第一引导词之间具有固定的排序，将所述第一引导词划分为至少一组引导词并显示；
所述第一引导词划分的至少一组引导词显示完毕，切换显示第二引导词划分的至少一组引导词；其中，在第二引导词划分的每一组引导词内，所述前台程序可响应的语音指令，以及所述后台程序可响应的语音指令交替排布。
作为本申请实施例的第三种可能的实现方式，所述对所述第一引导词和所述第二引导词，根据排序分组显示，包括：
循环显示所述第一引导词划分的至少一组引导词，以及所述第二引导词划分的至少一组引导词。
作为本申请实施例的第四种可能的实现方式，所述根据所述前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，包括：
根据响应频率，从所述前台运行程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到所述第二引导词。
作为本申请实施例的第五种可能的实现方式，所述第二引导词为至少两个，至少两个第二引导词之间的排序是根据响应频率确定的。
本申请第二方面实施例提出了一种语音控制装置，包括：
第一确定模块，用于根据展示页面可响应的语音指令，确定第一引导词；
获取模块，用于获取所述展示页面所属前台程序可响应的语音指令；
第二确定模块，用于根据所述前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词；
提示模块，用于在目标工作状态下，提示所述第一引导词和所述第二引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
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：
通过根据展示页面可响应的语音指令，确定第一引导词，获取展示页面所属前台程序可响应的语音指令，根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示第一引导词和第二引导词，用户根据第一引导词和第二引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。
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为本申请实施例所提供的展示页面示意图；
图3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4为本申请实施例三所提供的语音控制装置的结构示意图；
图5为本申请实施例四所提供的语音控制方法的流程示意图；
图6为本申请实施例五所提供的语音控制装置的结构示意图；
图7为本申请实施例四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，根据展示页面可响应的语音指令，确定第一引导词。
其中，引导词，是指用户与电子设备进行语音交互时，用于提示用户语音输入的关键词。
本申请实施例中，展示页面可响应的语音指令，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，展示页面可响应的语音指令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，当电子设备的展示页面为播放歌曲的页面时，可响应的语音指令可以为“下一首”、“换首歌”、“暂停播放”、“上一首”、“收藏”等等。
本申请实施例中，用户与电子设备进行语音交互过程中，电子设备检测到当前的展示页面后，可以根据当前展示页面可响应的语音指令，确定第一引导词。举例来说，当电子设备的展示页面为视频播放页面，该视频播放页面可响应的语音指令可以为“播放下一集”、“换一个电视剧”、“暂停播放”、“播放上一集”、“收藏视频”等等。此时，可以根据该视频播放页面可响应的语音指令确定第一引导词为“下一集”、“切换”、“暂停播放”、“上一集”、“收藏”等等。
在一种可能的场景下，当第一引导词的个数受到限制时，可以根据用户与电子设备进行语音交互时，对展示页面可响应的语音指令的使用频率从高到底对进行排序，以选取排序在前的语音指令作为第一引导词。
仍以电子设备的展示页面为视频播放页面的示例为例，假如限制第一引导词的个数为3个，根据视频播放页面可响应的语音指令的响应频率对语音指令进行排序为“播放下一集”、“暂停播放”、“播放上一集”、“换一个电视剧”、“收藏视频”，则可以确定第一引导词为“下一集”、“暂停播放”、“上一集”。
步骤102，获取展示页面所属前台程序可响应的语音指令。
本申请实施例中，前台程序，是指电子设备的当前展示页面中与用户直接交互的应用程序。举例来说，电子设备的当前展示页面为天气预报页面，则电子设备的展示页面所属的前台程序为天气类应用程序。
本申请实施例中，用户与电子设备语音交互过程中，语音控制装置可以获取电子设备展示页面所属前台程序可响应的语音指令。
举例来说，当电子设备为智能音箱时，该智能音箱的唤醒词为“小度小度”，用户通过语音输入“小度小度，我想听歌”，电子设备根据用户语音输入的语音指令，在展示页面显示音乐类程序，此时的音乐类程序为展示页面所属的前台程序。语音控制装置可以获取到该音乐类程序可响应的语音指令。例如，“播放下一首”、“换首歌”、“暂停播放”、“播放上一首”、“收藏这首歌”，等等。
步骤103，根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词。
本申请实施例中，用户与电子设备进行语音交互过程中，在用户与电子设备正在进行交互，并在电子设备的展示页面显示的应用程序称为前台程序，此时，用户没有直接操作，在电子设备后台运行着的程序，称为后台程序。举例来说，电子设备的展示页面所属的前台程序为天气类程序，后台程序可以为音乐类程序、视频类程序、购物类程序、阅读类程序，等等。
本申请实施例中，电子设备的应用程序均具有可响应的语音指令，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，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。例如，阅读类程序可响应的语音指令，可以为“打开电子书”、“翻到下一页”、“收藏这本书”，等等。购物类程序可响应的语音指令，可以为“把这个商品加入购入车”、“结算购物车”、“去付款”、“收藏商品”，等等。
本申请实施例中，在用户与电子设备语音交互过程中，语音控制装置根据电子设备的展示页面所属前台程序可响应的语音指令，以及后台程序可响应的语音指令，确定第二引导词。可选的，可以根据前台程序可响应的语音指令，以及后台程序可响应的语音指令的响应频率，确定第二引导词。
作为一种示例，参见图2，图2为本申请实施例中的展示页面示意图。电子设备当前展示页面所属前台程序为音乐播放类程序，可以得到展示页面所属前台程序可响应的语音指令为“播放下一首”、“换首歌”、“暂停播放”、“播放上一首”、“收藏这首歌”，等等。这种情况下，后台程序可能为天气类程序、视频播放类程序，等等。此时，根据前台程序可响应的语音指令，以及后台程序可响应的语音指令的响应频率，确定的第二引导词为“下一首”、“收藏”、“邓紫棋的歌”。
步骤104，在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。
本申请实施例中，目标工作状态可以为聆听状态，作为一种可能的实现方式，用户与电子设备进行语音交互过程中，当电子设备处于非聆听状态时，获取用户语音输入的唤醒词，以根据用户输入的唤醒词采集音频片段，电子设备获取音频片段对应的控制意图，并执行该控制意图对应的控制指令，并将电子设备从非聆听状态切换至聆听状态，以使得电子设备在该聆听状态下，能够连续采集用户语音输入的音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。
举例来说，以电子设备为智能音箱为例，用户与电子设备进行语音交互时，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唤醒词后的音频片段“播放歌曲A”或“我想听歌”，进而电子设备可以播放对应的歌曲，并且电子设备切换至聆听状态，以连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，电子设备处于目标状态下，用户无需输入唤醒词，即可以与电子设备进行实时交互或者连续交互，可以简化用户操作，改善用户的使用体验。
需要说明的是，在用户与电子设备之间进行语音交互时，前台程序可响应的语音指令，以及根据后台程序可响应的语音指令中，存在需要用户重复输入唤醒词，电子设备才做出响应的语音指令，以及无需重复输入唤醒词，即可与电子设备继续进行交互的语音指令。本申请实施例中，第一引导词和第二引导词，均为用户无需重复输入唤醒词，可以与电子设备继续进行交互的语音指令。
本申请实施例中，电子设备在目标工作状态下时，在展示页面提示第一引导词和第二引导词，以使得用户根据第一引导词和第二引导词与电子设备连续交互时，用户无需重复输入唤醒词，简化了用户操作。
需要说明的是，在电子设备的展示页面提示第一引导词和第二引导词时，可以在电子设备的任意位置提示，例如，在展示页面的下方位置、上方位置、左侧位置、右侧位置，等等，本申请实施例中对此不做限制。
举例来说，假如在目标工作状态下，电子设备的展示页面提示的第一引导词和第二引导词为“下一首”、“收藏”、“今天天气”，若用户继续通过语音输入“今天天气如何”，电子设备获取到该音频数据与在电子设备的展示页面提示的引导词匹配，则执行该音频数据对应的控制指令。若用户通过语音输入“结算购物车”，此时，用户输入的该音频数据与在电子设备的展示页面提示的引导词不匹配时，电子设备不执行“结算购物车”的控制意图对应的控制指令，需要用户重复输入唤醒词，才能执行与该语音数据对应的控制指令。
本申请实施例的语音控制方法，通过根据展示页面可响应的语音指令，确定第一引导词，获取展示页面所属前台程序可响应的语音指令，根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示第一引导词和第二引导词，用户根据第一引导词和第二引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。
在上述实施例的基础上，作为一种可能的实现方式，在目标工作状态下，提示第一引导词和第二引导词时，可以对第一引导词和第二引导词，根据排序分组显示，使得用户直观的了解到，无需重复输入唤醒词时，可以与电子设备继续进行交互的语音指令，从而使得人机对话更加自然、真实，提升用户沉浸式体验。下面结合实施例二，对上述过程进行详细说明。
图3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3所示，该语音控制方法还可以包括以下步骤：
步骤201，根据展示页面可响应的语音指令，确定第一引导词。
步骤202，获取展示页面所属前台程序可响应的语音指令。
本申请实施例中，步骤201和步骤202的实现过程，可以参见上述实施例中步骤101和步骤102的实现过程，在此不再赘述。
步骤203，根据响应频率，从前台程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到第二引导词。
其中，第二引导词为至少两个，至少两个第二引导词之间的排序是根据响应频率确定的。也就说，第二引导词的响应频率越高，排序越靠前。
本申请实施例中，响应频率，可以是指设定时长内用户与电子设备之间进行语音交互时的语音输入频率。其中，设定时长，可以为一年、一周、一天等等，本实施例在此不做限制。
本申请实施例中，获取到前台程序可响应的语音指令以及后台程序可响应的语音指令后，根据各语音指令的响应频率，从前台程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到响应频率高的可响应的语音指令为第二引导词。
可以理解的是，用户与电子设备语音交互时，不同用户的兴趣不同，或者，不同用户的说话风格不同，输入电子设备的语音数据也不相同，电子设备对不同的语音指令的响应频率也不相同，因此，可以根据电子设备对前台程序可响应的语音指令，以及根据后台程序可响应的语音指令的响应频率，确定第二引导词。
举例来说，假如第二引导词的个数为3个，若电子设备的当前展示页面为音乐播放页面，根据展示页面所属前台程序确定的可响应的语音指令为“下一首”、“收藏”、“上一首”，后台程序可响应的语音指令为“今天天气”、“播放视频”、“结算购物车”，等等，根据电子设备对可响应的语音指令的响应频率，对前台程序可响应的语音指令，以及后台程序可响应的语音指令的进行排序为“下一首”、“今天天气”、“收藏”、“结算购物车”、“上一首”、“播放视频”，则可以确定的第二引导词为“下一首”、“今天天气”、“收藏”、“结算购物车”和“上一首”。
步骤204，在目标工作状态下，对第一引导词和第二引导词，根据排序分组显示。
本申请实施例中，电子设备处于目标工作状态下，对确定的第一引导词和第二引导词进行排序，并对排序后的第一引导词和第二引导词进行分组显示。其中，第一引导词排序先于第二引导词的排序。由于第一引导词是根据电子设备的当前展示页面可响应的语音指令确定的，用户与电子设备继续交互时，输入与第一引导词匹配的可响应的语音指令的概率较大，因此，将第一引导词排序先于第二引导词，使得用户与电子设备连续交互时，无需重复输入唤醒词，简化用户操作。
作为一种可能的情况，第一引导词为至少两个，第二引导词为至少两个，对第一引导词和第二引导词，根据排序分组显示时，可以根据至少两个第一引导词之间具有固定的排序，将第一引导词划分为至少一组引导词并显示。在第一引导词划分的至少一组引导词显示完毕后，切换显示第二引导词划分的至少一组引导词。其中，在第二引导词划分的每一组引导词内，前台程序可响应的语音指令，以及后台程序可响应的语音指令交替排布。
举例来说，若第一引导词一共有8个，将第一引导词划分为2组，每一组第一引导词为4个，第二引导词一共有6个，同样的，将第二引导词划分为2组，每一组第二引导词为3个。在电子设备的展示页面，显示第一引导词和第二引导词时，可以先显示第一组第一引导词，第一组第一引导词的显示时长达到设定时长后，如10秒，切换显示第一组第二引导词，同样的，第一组第二引导词的显示时长达到设定时长后，切换显示第二组第一引导词，在第二组第一引导词的显示时长达到设定时长后，切换显示第二组第二引导词，如此重复显示第一引导词和第二引导词。
还可以在显示第一组第一引导词的显示时长达到设定时长后，切换显示第二组第一引导词，在第二组第一引导词的显示时长达到设定时长后，切换显示第一组第二引导词，第一组第二引导词的显示时长达到设定时长后，切换显示第二组第二引导词，如此重复显示第一引导词和第二引导词。
作为另一种可能的情况，第一引导词为至少两个，第二引导词为至少两个，对第一引导词和第二引导词，根据排序分组显示时，还可以循环显示第一引导词划分的至少一组引导词，以及第二引导词划分的至少一组引导词。
继续以上述示例为例，在电子设备的展示页面，显示第一引导词和第二引导词时，可以在设定时长内，如10秒，循环显示第一组第一引导词和第一组第二引导词，直至达到设定时长，循环显示第二组第一引导词和第二组第二引导词。
本申请实施例中，在第二引导词为至少两个时，每一组第二引导词中的至少两个第二引导词之间的排序是根据响应频率确定的。
本申请实施例的语音控制方法，通过根据展示页面可响应的语音指令，确定第一引导词，获取展示页面所属前台程序可响应的语音指令，根据响应频率，从前台程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到第二引导词，在目标工作状态下，对第一引导词和第二引导词，根据排序分组显示。由此，通过在目标状态下，对第一引导词和第二引导词根据排序进行分组显示，使得用户直观的了解到，无需重复输入唤醒词时，可以与电子设备继续进行交互的语音指令，从而使得人机对话更加自然、真实，提升用户沉浸式体验。
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为本申请实施例三所提供的语音控制装置的结构示意图。
如图4所示，该语音控制装置400包括：第一确定模块410、获取模块420、第二确定模块430以及提示模块440。
第一确定模块410，用于根据展示页面可响应的语音指令，确定第一引导词。
获取模块420，用于获取展示页面所属前台程序可响应的语音指令。
第二确定模块430，用于根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词。
提示模块440，用于在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。
进一步地，在本申请实施例的一种可能的实现方式中，提示模块440，包括：
显示单元，用于对第一引导词和第二引导词，根据排序分组显示；
其中，第一引导词的排序先于第二引导词的排序。
在本申请实施例的另一种可能的实现方式中，所述第一引导词为至少两个；所述第二引导词为至少两个；所述显示单元，还用于：
根据至少两个第一引导词之间具有固定的排序，将第一引导词划分为至少一组引导词并显示；
第一引导词划分的至少一组引导词显示完毕，切换显示第二引导词划分的至少一组引导词；其中，在第二引导词划分的每一组引导词内，前台程序可响应的语音指令，以及后台程序可响应的语音指令交替排布。
在本申请实施例的另一种可能的实现方式中，所述显示单元，还用于：
循环显示所述第一引导词划分的至少一组引导词，以及所述第二引导词划分的至少一组引导词。
在本申请实施例的另一种可能的实现方式中，第二确定模块430，还用于：
根据响应频率，从前台程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到第二引导词。
在本申请实施例的另一种可能的实现方式中，第二引导词为至少两个，至少两个第二引导词之间的排序是根据响应频率确定的。
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，通过根据展示页面可响应的语音指令，确定第一引导词，获取展示页面所属前台程序可响应的语音指令，根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示第一引导词和第二引导词，用户根据第一引导词和第二引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。
为了实现上述实施例中，本申请还提出了一种语音控制方法，图5为本申请实施例四所提供的语音控制方法的流程示意图。
如图5所示，该语音控制方法包括以下步骤：
步骤501，根据展示页面可响应的语音指令、展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词。
其中，引导词，是指在电子设备的展示页面显示的词，用于提示用户语音输入的关键词。
本申请实施例中，展示页面可响应的语音指令，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，展示页面可响应的语音指令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，当电子设备的展示页面为播放歌曲的页面时，可响应的语音指令可以为“下一首”、“换首歌”、“暂停播放”、“上一首”、“收藏”等等。
本申请实施例中，用户与电子设备进行语音交互过程中，电子设备检测到当前的展示页面后，可以根据当前展示页面可响应的语音指令、展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词。
本申请实施例中，引导词可以包括展示页面可响应的语音指令、展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合。例如，引导词，可以为展示页面可相应的语音指令和后台程序可响应的语音指令的组合。
步骤502，在目标工作状态下，提示引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。
本申请实施例中，目标工作状态可以为聆听状态，作为一种可能的实现方式，用户与电子设备进行语音交互过程中，当电子设备处于非聆听状态时，获取用户语音输入的唤醒词，以根据用户输入的唤醒词采集音频片段，电子设备获取音频片段对应的控制意图，并执行该控制意图对应的控制指令，并将电子设备从非聆听状态切换至聆听状态，以使得电子设备在该聆听状态下，能够连续采集用户语音输入的音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。
举例来说，以电子设备为智能音箱为例，用户与电子设备进行语音交互时，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唤醒词后的音频片段“播放歌曲A”或“我想听歌”，进而电子设备可以播放对应的歌曲，并且电子设备切换至聆听状态，以连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，电子设备处于目标状态下，用户无需输入唤醒词，即可以与电子设备进行实时交互或者连续交互，可以简化用户操作，改善用户的使用体验。
需要说明的是，在用户与电子设备之间进行语音交互时，前台程序可响应的语音指令，以及根据后台程序可响应的语音指令中，存在需要用户重复输入唤醒词，电子设备才做出响应的语音指令，以及无需重复输入唤醒词，即可与电子设备继续进行交互的语音指令。本申请实施例中，引导词，为用户无需重复输入唤醒词，可以与电子设备继续进行交互的语音指令。
本申请实施例中，电子设备在目标工作状态下时，在展示页面提示引导词以使得用户根据引导词与电子设备连续交互时，用户无需重复输入唤醒词，简化了用户操作。
本申请实施例的语音控制方法，通过根据展示页面可响应的语音指令、展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词，在目标工作状态下，提示引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示引导词，用户根据引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。
为了实现上述实施例，本申请实施例提出了一种语音控制装置，图6为本申请实施例五所提供的语音控制装置的结构示意图。
如图6所示，该语音控制装置600包括：确定模块610和提示模块620。
确定模块610，用于根据展示页面可响应的语音指令、所述展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词；
提示模块620，用于在目标工作状态下，提示所述引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
本申请实施例的语音控制装置，通过根据展示页面可响应的语音指令、展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词，在目标工作状态下，提示引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示引导词，用户根据引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。
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7所示，图7为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7所示，该电子设备包括：一个或多个处理器701、存储器702，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7中以一个处理器701为例。
存储器702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702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所示的第一确定模块410、获取模块420、第二确定模块430和提示模块440)。处理器701通过运行存储在存储器702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702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702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702可选包括相对于处理器701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703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703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704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，通过本申请实施例的语音控制方法，通过根据展示页面可响应的语音指令，确定第一引导词，获取展示页面所属前台程序可响应的语音指令，根据前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，在目标工作状态下，提示第一引导词和第二引导词；其中，目标工作状态，用于连续采集音频得到音频流，并获取音频流语音识别得到的信息流，以根据信息流进行语音控制。由此，通过在目标状态下提示第一引导词和第二引导词，用户根据第一引导词和第二引导词与电子设备进行语音交互时，无需重复输入唤醒词，可以简化用户操作，改善用户的使用体验。
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 (16)

1.一种语音控制方法，其特征在于，所述方法包括：
根据展示页面可响应的语音指令，确定第一引导词；
获取所述展示页面所属前台程序可响应的语音指令；
根据所述前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词；
在目标工作状态下，提示所述第一引导词和所述第二引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
2.根据权利要求1所述的语音控制方法，其特征在于，所述提示所述第一引导词和所述第二引导词，包括：
对所述第一引导词和所述第二引导词，根据排序分组显示；
其中，所述第一引导词的排序先于所述第二引导词的排序。
3.根据权利要求2所述的语音控制方法，其特征在于，所述第一引导词为至少两个；所述第二引导词为至少两个；
对所述第一引导词和所述第二引导词，根据排序分组显示，包括：
根据至少两个第一引导词之间具有固定的排序，将所述第一引导词划分为至少一组引导词并显示；
所述第一引导词划分的至少一组引导词显示完毕，切换显示第二引导词划分的至少一组引导词；其中，在第二引导词划分的每一组引导词内，所述前台程序可响应的语音指令，以及所述后台程序可响应的语音指令交替排布。
4.根据权利要求2所述的语音控制方法，其特征在于，所述对所述第一引导词和所述第二引导词，根据排序分组显示，包括：
循环显示所述第一引导词划分的至少一组引导词，以及所述第二引导词划分的至少一组引导词。
5.根据权利要求1-4任一项所述的语音控制方法，其特征在于，所述根据所述前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词，包括：
根据响应频率，从所述前台程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到所述第二引导词。
6.根据权利要求4所述的语音控制方法，其特征在于，
所述第二引导词为至少两个，至少两个第二引导词之间的排序是根据响应频率确定的。
7.一种语音控制装置，其特征在于，所述装置包括：
第一确定模块，用于根据展示页面可响应的语音指令，确定第一引导词；
获取模块，用于获取所述展示页面所属前台程序可响应的语音指令；
第二确定模块，用于根据所述前台程序可响应的语音指令，以及根据后台程序可响应的语音指令，确定第二引导词；
提示模块，用于在目标工作状态下，提示所述第一引导词和所述第二引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
8.根据权利要求7所述的语音控制装置，其特征在于，所述提示模块，包括：
显示单元，用于对所述第一引导词和所述第二引导词，根据排序分组显示；
其中，所述第一引导词的排序先于所述第二引导词的排序。
9.根据权利要求8所述的语音控制装置，其特征在于，所述第一引导词为至少两个；所述第二引导词为至少两个；所述显示单元，还用于：
根据至少两个第一引导词之间具有固定的排序，将所述第一引导词划分为至少一组引导词并显示；
所述第一引导词划分的至少一组引导词显示完毕，切换显示第二引导词划分的至少一组引导词；其中，在第二引导词划分的每一组引导词内，所述前台程序可响应的语音指令，以及所述后台程序可响应的语音指令交替排布。
10.根据权利要求8所述的语音控制装置，其特征在于，所述显示单元，还用于：
循环显示所述第一引导词划分的至少一组引导词，以及所述第二引导词划分的至少一组引导词。
11.根据权利要求7-10任一项所述的语音控制装置，其特征在于，所述第二确定模块，还用于：
根据响应频率，从所述前台程序可响应的语音指令，以及后台程序可响应的语音指令中选取得到所述第二引导词。
12.根据权利要求10所述的语音控制装置，其特征在于，所述第二引导词为至少两个，至少两个第二引导词之间的排序是根据响应频率确定的。
13.一种语音控制方法，其特征在于，所述方法包括：
根据展示页面可响应的语音指令、所述展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词；
在目标工作状态下，提示所述引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
14.一种语音控制装置，其特征在于，所述装置包括：
确定模块，用于根据展示页面可响应的语音指令、所述展示页面所属前台程序可响应的语音指令和后台程序可响应的语音指令中的一个或多个组合，确定引导词；
提示模块，用于在目标工作状态下，提示所述引导词；其中，所述目标工作状态，用于连续采集音频得到音频流，并获取所述音频流语音识别得到的信息流，以根据所述信息流进行语音控制。
15.一种电子设备，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，或者，执行权利要求13所述的语音控制方法。
16.一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，或者，执行权利要求13所述的语音控制方法。
CN201910933815.8A 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 Active CN112581946B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910933815.8A CN112581946B (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
KR1020190175880A KR102358012B1 (ko) 2019-09-29 2019-12-27 음성 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
EP19219804.2A EP3799036A1 (en) 2019-09-29 2019-12-27 Speech control method, speech control device, electronic device, and readable storage medium
JP2019237719A JP2021056986A (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
US16/728,209 US20210096814A1 (en) 2019-09-29 2019-12-27 Speech control method, speech control device, electronic device, and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910933815.8A CN112581946B (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 (2)

Publication Number Publication Date
CN112581946A true CN112581946A (zh) 2021-03-30
CN112581946B CN112581946B (zh) 2024-08-16

Family

ID=69055738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910933815.8A Active CN112581946B (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) US20210096814A1 (zh)
EP (1) EP3799036A1 (zh)
JP (1) JP2021056986A (zh)
KR (1) KR102358012B1 (zh)
CN (1) CN112581946B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114038458A (zh) * 2021-11-08 2022-02-11 百度在线网络技术（北京）有限公司 语音交互方法、装置、设备、存储介质及计算机程序产品
WO2023082649A1 (zh) * 2021-11-12 2023-05-19 上汽通用五菱汽车股份有限公司 语音对话提示方法、装置、设备及计算机可读存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114090166A (zh) * 2021-11-29 2022-02-25 云知声智能科技股份有限公司 一种交互的方法和装置
CN114564265B (zh) * 2021-12-22 2023-07-25 上海小度技术有限公司 有屏智能设备的交互方法、装置以及电子设备
CN116564311B (zh) * 2023-07-11 2023-09-29 北京探境科技有限公司 设备控制方法、装置、电子设备及可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050203740A1 (en) * 2004-03-12 2005-09-15 Microsoft Corporation Speech recognition using categories and speech prefixing
US20150254058A1 (en) * 2014-03-04 2015-09-10 Microsoft Technology Licensing, Llc Voice control shortcuts
CN106030506A (zh) * 2014-01-09 2016-10-12 谷歌公司 基于场境的音频触发器
CN106462380A (zh) * 2014-04-15 2017-02-22 谷歌公司 用于对于语音命令提供提示的系统和方法
US20180131802A1 (en) * 2015-04-27 2018-05-10 Lg Electronics Inc. Mobile terminal and control method therefor
CN110140168A (zh) * 2016-12-27 2019-08-16 谷歌有限责任公司 上下文热词
CN110138959A (zh) * 2019-04-10 2019-08-16 华为技术有限公司 显示人机交互指令的提示的方法及电子设备
CN110148414A (zh) * 2019-05-21 2019-08-20 大众问问(北京)信息科技有限公司 一种语音说法引导方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7899673B2 (en) * 2006-08-09 2011-03-01 Microsoft Corporation Automatic pruning of grammars in a multi-application speech recognition interface
US20130033644A1 (en) * 2011-08-05 2013-02-07 Samsung Electronics Co., Ltd. Electronic apparatus and method for controlling thereof
KR20140060040A (ko) * 2012-11-09 2014-05-19 삼성전자주식회사 디스플레이장치, 음성취득장치 및 그 음성인식방법
CN106157955A (zh) * 2015-03-30 2016-11-23 阿里巴巴集团控股有限公司 一种语音控制方法及装置
US10049670B2 (en) * 2016-06-06 2018-08-14 Google Llc Providing voice action discoverability example for trigger term
JP6792654B2 (ja) * 2019-02-15 2020-11-25 レノボ・シンガポール・プライベート・リミテッド 情報処理装置、情報処理方法およびプログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050203740A1 (en) * 2004-03-12 2005-09-15 Microsoft Corporation Speech recognition using categories and speech prefixing
CN106030506A (zh) * 2014-01-09 2016-10-12 谷歌公司 基于场境的音频触发器
US20150254058A1 (en) * 2014-03-04 2015-09-10 Microsoft Technology Licensing, Llc Voice control shortcuts
CN106462380A (zh) * 2014-04-15 2017-02-22 谷歌公司 用于对于语音命令提供提示的系统和方法
US20180131802A1 (en) * 2015-04-27 2018-05-10 Lg Electronics Inc. Mobile terminal and control method therefor
CN110140168A (zh) * 2016-12-27 2019-08-16 谷歌有限责任公司 上下文热词
CN110138959A (zh) * 2019-04-10 2019-08-16 华为技术有限公司 显示人机交互指令的提示的方法及电子设备
CN110148414A (zh) * 2019-05-21 2019-08-20 大众问问(北京)信息科技有限公司 一种语音说法引导方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114038458A (zh) * 2021-11-08 2022-02-11 百度在线网络技术（北京）有限公司 语音交互方法、装置、设备、存储介质及计算机程序产品
WO2023082649A1 (zh) * 2021-11-12 2023-05-19 上汽通用五菱汽车股份有限公司 语音对话提示方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
KR102358012B1 (ko) 2022-02-03
EP3799036A1 (en) 2021-03-31
US20210096814A1 (en) 2021-04-01
CN112581946B (zh) 2024-08-16
JP2021056986A (ja) 2021-04-08
KR20210038812A (ko) 2021-04-08

Similar Documents

Publication Publication Date Title
CN112581946A (zh) 语音控制方法、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
CN112669831B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
CN110706701B (zh) 语音技能推荐方法、装置、设备及存储介质
CN112530419B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
US20240346066A1 (en) Media collection generation method and apparatus, electronic device, and storage medium
CN109144285A (zh) 一种输入方法和装置
CN112825013A (zh) 终端设备的控制方法和装置
CN110620844A (zh) 程序的启动方法、装置、设备及存储介质
CN111429907A (zh) 语音服务模式切换方法、装置、设备及存储介质
JP7262532B2 (ja) 音声インタラクティブの処理方法、装置、電子機器、記憶媒体及びプログラム
JP7051800B2 (ja) 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
CN110718221A (zh) 语音技能控制方法、语音设备、客户端以及服务器
CN111736799A (zh) 基于人机交互的语音交互方法、装置、设备和介质
CN110674338B (zh) 语音技能推荐方法、装置、设备及存储介质
JP7225380B2 (ja) 音声パケット記録機能のガイド方法、装置、デバイス、プログラム及びコンピュータ記憶媒体
CN113555013A (zh) 一种语音交互的方法、装置、电子设备及存储介质
CN111638787A (zh) 用于展示信息的方法和装置
CN113495621A (zh) 一种交互模式的切换方法、装置、电子设备及存储介质
CN116339871A (zh) 终端设备的控制方法、装置、终端设备及存储介质
CN111723343B (zh) 电子设备的交互控制方法、装置以及电子设备
CN111160318A (zh) 电子设备控制方法及装置
CN113555014A (zh) 一种语音交互的方法、装置、电子设备及存储介质
CN112581969A (zh) 语音控制方法、装置、电子设备和可读存储介质
CN113643697A (zh) 一种语音控制方法、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

Effective date of registration: 20210430

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.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant