CN112634872A - 语音设备唤醒方法及装置 - Google Patents

语音设备唤醒方法及装置 Download PDF

Info

Publication number
CN112634872A
CN112634872A CN202011515299.6A CN202011515299A CN112634872A CN 112634872 A CN112634872 A CN 112634872A CN 202011515299 A CN202011515299 A CN 202011515299A CN 112634872 A CN112634872 A CN 112634872A
Authority
CN
China
Prior art keywords
voice
wake
score
awakening
determining
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
CN202011515299.6A
Other languages
English (en)
Inventor
陈孝良
李智勇
张含波
常乐
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 SoundAI Technology Co Ltd
Original Assignee
Beijing SoundAI 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 SoundAI Technology Co Ltd filed Critical Beijing SoundAI Technology Co Ltd
Priority to CN202011515299.6A priority Critical patent/CN112634872A/zh
Publication of CN112634872A publication Critical patent/CN112634872A/zh
Pending legal-status Critical Current

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
    • G10L15/02Feature extraction for speech recognition; Selection of recognition unit
    • 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
    • G10L15/30Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

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)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本公开公开了一种语音设备唤醒方法、装置、电子设备和计算机可读存储介质。其中方法包括:确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求;根据所述声学特征确定所述语音设备的唤醒得分;将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。本公开实施例通过确定语音设备采集的语音信号的声学特征,根据所述声学特征确定所述语音设备的唤醒得分,并将所述唤醒得分发送至服务器,由所述服务器确定一个语音设备作为目标语音设备进行唤醒,可以解决多个语音设备同时唤醒的问题,使语音设备唤醒更加智能。

Description

语音设备唤醒方法及装置
技术领域
本公开涉及人工智能技术领域,特别是涉及一种语音设备唤醒方法、装置和计算机可读存储介质。
背景技术
随着语音识别技术的成熟,目前越来越多的智能家电设备都开始引入语音识别技术。智能家电设备在进行语音识别之前,需要用户先通过呼喊唤醒词来唤醒智能家电的语音识别功能。
在现有技术中,在同一家庭、办公场所、公共场所等会同时存在多个语音设备,当用户发出唤醒时,所有或者部分语音设备都可以响应用户发出的唤醒请求,但是,用户往往不需要那么多语音设备响应,响应不够智能。
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。
本公开解决的技术问题是提供一种语音设备唤醒方法,以至少部分地解决现有技术中多个语音设备响应,响应不够智能的技术问题。此外,还提供一种语音设备唤醒装置、语音设备唤醒硬件装置、计算机可读存储介质和语音设备唤醒终端。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种语音设备唤醒方法,包括:
确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求;
根据所述声学特征确定所述语音设备的唤醒得分;
将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。
进一步的,所述方法还包括:
确定所述语音设备采集的用户图像;
根据所述用户图像确定用户的正面方向;
所述根据所述声学特征确定所述语音设备的唤醒得分,包括:
根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分。
进一步的,所述根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分,包括:
通过所述语音设备的图像传感器计算所述正面朝向与所述语音设备的夹角,并根据所述夹角确定所述语音设备的第一得分;
通过所述语音设备的声音传感器确定所述语音信号的声学特征,并根据所述声学特性确定所述语音设备的第二得分;
根据所述第一得分和所述第二得分确定所述语音设备的唤醒得分。
进一步的,所述声学特征包括声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。
为了实现上述目的,根据本公开的一个方面,还提供以下技术方案:
一种语音设备唤醒方法,包括:
接收多个语音设备各自发送的唤醒得分;其中,所述唤醒得分为各自语音设备根据采集的语音信号的声学特征确定的得分,且所述语音信号中包含唤醒请求;
根据所述多个语音设备各自的唤醒得分从所述多个语音设备中确定一个语音设备作为目标语音设备;
指示所述目标语音设备响应所述唤醒请求。
进一步的,所述指示所述目标语音设备响应所述唤醒请求,包括:
确定所述多个语音设备各自的类别;其中,所述类别包括目标语音设备和非目标语音设备;
向所述目标语音设备发送响应所述唤醒请求的指示消息,向所述非目标语音设备发送不响应所述唤醒请求的指示消息或不向所述非目标语音设备发送指示消息。
进一步的,在所述接收多个语音设备发送的唤醒得分之前,所述方法还包括:
将归属于同一用户账号下且激活的多个语音设备形成语音设备组;其中,所述多个语音设备归属于同一语音设备组。
为了实现上述目的,根据本公开的一个方面,还提供以下技术方案:
一种语音设备唤醒装置,包括:
声学特征确定模块,用于确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求;
唤醒得分确定模块,用于根据所述声学特征确定所述语音设备的唤醒得分;
唤醒得分发送模块,用于将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。
进一步的,所述装置还包括:
朝向确定模块,用于确定所述语音设备采集的用户图像;根据所述用户图像确定用户的正面方向;
所述唤醒得分确定模块具体用于:根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分。
进一步的,所述唤醒得分确定模块具体用于:通过所述语音设备的图像传感器计算所述正面朝向与所述语音设备的夹角,并根据所述夹角确定所述语音设备的第一得分;通过所述语音设备的声音传感器确定所述语音信号的声学特征,并根据所述声学特性确定所述语音设备的第二得分;根据所述第一得分和所述第二得分确定所述语音设备的唤醒得分。
进一步的,所述声学特征包括声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。
为了实现上述目的,根据本公开的一个方面,还提供以下技术方案:
一种语音设备唤醒装置,包括:
唤醒得分接收模块,用于接收多个语音设备各自发送的唤醒得分;其中,所述唤醒得分为各自语音设备根据采集的语音信号的声学特征确定的得分,且所述语音信号中包含唤醒请求;
目标设备确定模块,用于根据所述多个语音设备各自的唤醒得分从所述多个语音设备中确定一个语音设备作为目标语音设备;
响应指示模块,用于指示所述目标语音设备响应所述唤醒请求。
进一步的,所述响应指示模块具体用于:确定所述多个语音设备各自的类别;其中,所述类别包括目标语音设备和非目标语音设备;向所述目标语音设备发送响应所述唤醒请求的指示消息,向所述非目标语音设备发送不响应所述唤醒请求的指示消息或不向所述非目标语音设备发送指示消息。
进一步的,所述装置还包括:
设备组确定模块,用于在所述唤醒得分接收模块接收多个语音设备发送的唤醒得分之前,将归属于同一用户账号下且激活的多个语音设备形成语音设备组;其中,所述多个语音设备归属于同一语音设备组。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述任一项所述的语音设备唤醒方法。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述任一项所述的语音设备唤醒方法。
为了实现上述目的,根据本公开的又一个方面,还提供以下技术方案:
一种语音设备唤醒终端,包括上述任一语音设备唤醒装置。
本公开实施例通过确定语音设备采集的语音信号的声学特征,根据所述声学特征确定所述语音设备的唤醒得分,并将所述唤醒得分发送至服务器,由所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备进行唤醒,可以解决多个语音设备同时唤醒的问题,使语音设备唤醒更加智能。
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为根据本公开一个实施例的语音设备唤醒方法的流程示意图;
图2为根据本公开一个实施例的语音设备唤醒方法的流程示意图;
图3为根据本公开一个实施例的语音设备唤醒装置的结构示意图;
图4为根据本公开一个实施例的语音设备唤醒装置的结构示意图;
图5为根据本公开一个实施例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。
实施例一
为了解决现有技术中多个语音设备响应,响应不够智能的技术问题,本公开实施例提供一种语音设备唤醒方法。本实施例的执行主体可以为语音设备或集成在语音设备中的语音设备唤醒装置。如图1所示,该语音设备唤醒方法主要包括如下步骤S11至步骤S13。
步骤S11:确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求。
其中,语音设备为能够识别语音的设备,例如,可以为智能手机、智能家电、智能手环、智能门锁等。该语音设备中包含语音采集设备(例如麦克风),可以采集周围的语音信号。
其中,该语音信号为语音设备持有人或事先通过声纹认证的用户发出的语音信号。其中,唤醒请求包含用户说出的唤醒词,例如“小易小易”,唤醒词用于唤醒设备的语音交互系统。有些场景下不需要唤醒词的语音命令(亦称免唤醒),即直接说出命令词,即可在不需要唤醒的情况下控制设备做相应的操作,例如用户对着音箱说,“播放一首歌”,则音箱即可在不需要唤醒的情况下即可播放一首歌,因此唤醒请求还包括命令词。因此,唤醒请求既可以包含用于唤醒语音交互系统的唤醒词或者也可以包含用于控制语音设备做出与命令词对应操作的命令词,或者是二者的组合,本公开对此不做限制。
其中,声学特征可以为声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。其中,位置变化可以为用户与语音设备的距离越来越远或越来越近或静止不动。其中,可以通过如下条件判断用户静止不动:在预设时间内保持相对距离不变或者在预设时间内相对距离的变化不大于预设的变化值。
步骤S12:根据所述声学特征确定所述语音设备的唤醒得分。
其中,声学特征包括声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。
其中,声音强度可以通过语音信号的信号强度确定,信号强度越强,声音强度也越强,说明用户越希望该语音设备唤醒。
用户与所述语音设备的距离和用户与所述语音设备的位置变化也可以通过语音信号的信号强度确定,信号强度越强,说明用户离该语音设备越近也越希望该语音设备唤醒,或信号强度越来越强,说明用户离该语音设备越来越近即走向该语音设备,也就越希望该语音设备唤醒。
用户与所述语音设备的距离和用户与所述语音设备的位置变化也可以通过语音设备的距离传感器确定,距离越短,说明用户离该语音设备越近也越希望该语音设备唤醒,或距离越来越短,说明用户离该语音设备越来越近即走向该语音设备,也就越希望该语音设备唤醒。
其中,所述唤醒得分可以用信号强度、距离、和位置变化三者中的至少一种来表示,当为信号强度、距离、和位置变化中的至少两者时,可以通过求加权和的方式得到所述唤醒得分。如唤醒得分通过信号强度、距离和位置变化三者来计算,则可以按照信号强度、距离和位置变化各1/3的权值计算所述唤醒得分。
在一个可选的实施例中,所述方法还包括:
步骤S201,根据所述语音设备采集的用户图像确定用户的正面方向;
在这种情况下,所述步骤S12具体包括:
步骤S202,根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分。
可选的,所述步骤S201进一步包括:
获取所述语音设备的图像传感器采集到的用户图像;
识别所述用户图像中的人脸图像以确定所述人脸图像相对于所述语音设备的夹角。
在该可选实施例中,所述语音设备带有图像传感器,如摄像头等,其可以在采集到用户的语音信号时采集用户图像。在采集到用户图像之后,可以将所述用户图像输入预先训练好的角度识别模型,所述角度识别模型能够根据输入的用户图像输出用户的人脸图像与语音设备的偏转角度,当用户的人脸正对语音设备时,用户的人脸图像与语音设备的摄像头的焦点方向程0°夹角,当人脸未正对语音设备时,用户的人脸图像与语音设备的摄像头的成像面的夹角的绝对值在(0,90°]之间变化。用户的正面方向可以通过上述夹角即人脸图像相对于所述语音设备的夹角来表示。
一般情况下,用户想要唤醒某个语音设备一般都会面向该语音设备发声,因此用户的正面方向可以大概率的表征用户期望唤醒的语音设备。在本实施例中进一步确定用户的正面方向,在确定所述语音设备的唤醒得分时同时参考用户的正面方向和声学特征,使得唤醒得分最大概率的接近用户期望唤醒的语音设备。
在一个可选的实施例中,步骤S202具体包括:
步骤S301:根据所述夹角确定所述语音设备的第一得分。
如上所述,所述偏转角度越接近0°用户面向该语音设备的概率越大。其中,第一得分可以为根据所述夹角确定的用户面向该语音设备的概率。例如,夹角为0,则说明用户直面该语音设备,则对应的第一得分即概率为100%。或者,可以将0°到90°的角度区间进行归一化,将得到的每个角度的归一化的值作为其第一得分。
步骤S302:根据所述声学特性确定所述语音设备的第二得分。
其中所述第二得分为只通过声学特征得到的分数值,其计算方式与上述步骤S12中的描述相同,在此不再赘述。
步骤S303:根据所述第一得分和所述第二得分确定所述语音设备的唤醒得分。
其中,唤醒得分具体可以为第一得分和第二得分的加权和。可以预设第一得分和第二得分的权重值,根据所述权重值计算第一得分和第二得分的加权和,如第一得分和第二得分的权重值均为0.5。
其中,唤醒得分为一个分数,例如可以用百分比表示,例如0-100%。再例如,还可以用100内的整数表示,例如0-100。
步骤S13:将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。
其中,服务器可以为云端服务器。
具体的,各语音设备在确定了唤醒得分后,将唤醒得分发送至服务器,由服务器进行统一分析,确定一个与用户唤醒期望最高的语音设备作为目标语音设备,并唤醒所述目标语音设备。其中所述服务器根据预设的唤醒规则确定一个语音设备作为所述目标语音设备,例如所述唤醒规则为将唤醒分数最大的语音设备作为目标语音设备,则所述服务器通过比较多个语音设备的唤醒得分,得到一个唤醒的分最高的语音设备作为所述目标语音设备。其中,服务器的具体操作过程参加下述实施例二,这里不再赘述。
此外,在确定一个目标语音设备响应后,用户可再次向多个语音设备发出语音信号,与多个语音设备进行一轮或多轮交互,在交互过程中当唤醒得分达到预设阈值(通常要大于首次计算的唤醒得分)时,可以动态切换更合理的目标语音设备响应,且可以根据持续的交互不断修正目标语音设备,一方面可以解决一次判断误差的问题,同时可以解决用户不断移动的场景。
本实施例通过确定语音设备采集的语音信号的声学特征,根据所述声学特征确定所述语音设备的唤醒得分,并将所述唤醒得分发送至服务器,由所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备进行唤醒,可以解决多个语音设备同时唤醒的问题,使语音设备唤醒更加智能。
实施例二
为了解决现有技术中多个语音设备响应,响应不够智能的技术问题,本公开实施例提供一种语音设备唤醒方法,本实施例的执行主体为服务器。如图2所示,该语音设备唤醒方法主要包括如下步骤S21至步骤S23。
步骤S21:接收多个语音设备各自发送的唤醒得分;其中,所述唤醒得分为各自语音设备根据采集的语音信号的声学特征确定的得分,且所述语音信号中包含唤醒请求。
其中,所述语音设备为能够识别语音的设备,例如,可以为智能手机、智能家电、智能手环、智能门锁等。该语音设备中包含语音采集设备(例如麦克风),可以采集周围的语音信号。
其中,该语音信号为语音设备持有人或事先通过声纹认证的用户发出的语音信号。其中,唤醒请求可以为命令词,例如,设备打开命令。
其中,声学特征可以为声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。其中,位置变化可以为用户与语音设备的距离越来越远或越来越近或静止不动。关于所述语音设备确定唤醒得分的具体实现方法参见上述实施例一,这里不再赘述。
步骤S22:根据所述多个语音设备各自的唤醒得分从所述多个语音设备中确定一个语音设备作为目标语音设备。
具体的,可以预先设定唤醒规则,例如,唤醒规则为唤醒得分越高则表明用户期望该语音设备唤醒的概率越高,此时可选取唤醒得分最高的语音设备作为目标语音设备。再例如,唤醒规则为唤醒得分越低则表明用户期望该语音设备唤醒的概率越高,此时可选取唤醒得分最低的语音设备作为目标语音设备。
步骤S23:指示所述目标语音设备响应所述唤醒请求。
例如,可以向目标语音设备发送指示消息,目标语音设备收到所述指示消息后,响应所述唤醒请求。
本实施例根据接收的多个语音设备各自发送的唤醒得分,从所述多个语音设备中确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求,可以解决多个语音设备同时唤醒的问题,使语音设备唤醒更加智能。
在一个可选的实施例中,步骤S23具体包括:
步骤S231:确定所述多个语音设备各自的类别;其中,所述类别包括目标语音设备和非目标语音设备。
其中,非目标语音设备为所述多个语音设备除去所述目标语音设备后,剩余的其它语音设备。
步骤S232:向所述目标语音设备发送响应所述唤醒请求的指示消息,向所述非目标语音设备发送不响应所述唤醒请求的指示消息或不向所述非目标语音设备发送指示消息。
在一个可选的实施例中,在步骤S21所述方法还包括:将归属于同一用户账号下且激活的多个语音设备形成语音设备组;其中,所述多个语音设备归属于同一语音设备组。
本领域技术人员应能理解,在上述各个实施例的基础上,还可以进行明显变型(例如,对所列举的模式进行组合)或等同替换。
在上文中,虽然按照上述的顺序描述了语音设备唤醒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。
下面为本公开装置实施例,本公开装置实施例可用于执行本公开方法实施例实现的步骤,为了便于说明,仅示出了与本公开实施例相关的部分,具体技术细节未揭示的,请参照本公开方法实施例。
实施例三
为了解决现有技术中多个语音设备响应,响应不够智能的技术问题,本公开实施例提供一种语音设备唤醒装置。该装置可以执行上述实施例一所述的语音设备唤醒方法实施例中的步骤。如图3所示,该装置主要包括:声学特征确定模块31、唤醒得分确定模块32和唤醒得分发送模块33;其中,
声学特征确定模块31用于确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求;
唤醒得分确定模块32用于根据所述声学特征确定所述语音设备的唤醒得分;
唤醒得分发送模块33用于将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。
进一步的,所述装置还包括:朝向确定模块34;其中,
朝向确定模块34用于根据所述语音设备采集的包含所述用户的图像确定所述用户的正面方向;
相应的,所述唤醒得分确定模块32具体用于:根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分。
进一步的,所述唤醒得分确定模块32具体用于:通过所述语音设备的图像传感器计算所述正面朝向与所述语音设备的夹角,并根据所述夹角确定所述语音设备的第一得分;通过所述语音设备的声音传感器确定所述语音信号的声学特征,并根据所述声学特性确定所述语音设备的第二得分;根据所述第一得分和所述第二得分确定所述语音设备的唤醒得分。
进一步的,所述声学特征包括声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。
有关语音设备唤醒装置实施例的工作原理、实现的技术效果等详细说明可以参考前述语音设备唤醒方法实施例中的相关说明,在此不再赘述。
实施例四
为了解决现有技术中多个语音设备响应,响应不够智能的技术问题,本公开实施例提供一种语音设备唤醒装置。该装置可以执行上述实施例一所述的语音设备唤醒方法实施例中的步骤。如图4所示,该装置主要包括:唤醒得分接收模块41、目标设备确定模块42和响应指示模块43;其中,
唤醒得分接收模块41用于接收多个语音设备各自发送的唤醒得分;其中,所述唤醒得分为各自语音设备根据采集的语音信号的声学特征确定的得分,且所述语音信号中包含唤醒请求;
目标设备确定模块42用于根据所述多个语音设备各自的唤醒得分从所述多个语音设备中确定一个语音设备作为目标语音设备;
响应指示模块43用于指示所述目标语音设备响应所述唤醒请求。
进一步的,所述响应指示模块43具体用于:确定所述多个语音设备各自的类别;其中,所述类别包括目标语音设备和非目标语音设备;向所述目标语音设备发送响应所述唤醒请求的指示消息,向所述非目标语音设备发送不响应所述唤醒请求的指示消息或不向所述非目标语音设备发送指示消息。
进一步的,所述装置还包括:设备组确定模块44;其中,
所述设备组确定模块44用于在所述唤醒得分接收模块接收多个语音设备发送的唤醒得分之前,将归属于同一用户账号下且激活的多个语音设备形成语音设备组;其中,所述多个语音设备归属于同一语音设备组。
有关语音设备唤醒装置实施例的工作原理、实现的技术效果等详细说明可以参考前述语音设备唤醒方法实施例中的相关说明,在此不再赘述。
实施例五
下面参考图5,其示出了适于用来实现本公开实施例的电子设备500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5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5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505: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506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,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509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501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:执行上述实施例中的任一语音设备唤醒方法。
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,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
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。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (11)

1.一种语音设备唤醒方法,其特征在于,包括:
确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求;
根据所述声学特征确定所述语音设备的唤醒得分;
将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述语音设备采集的用户图像确定用户的正面方向;
所述根据所述声学特征确定所述语音设备的唤醒得分,包括:
根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分。
3.根据权利要求2所述的方法,其特征在于,所述根据所述正面方向和所述声学特征确定所述语音设备的唤醒得分,包括:
通过所述语音设备的图像传感器计算所述正面朝向与所述语音设备的夹角,并根据所述夹角确定所述语音设备的第一得分;
通过所述语音设备的声音传感器确定所述语音信号的声学特征,并根据所述声学特性确定所述语音设备的第二得分;
根据所述第一得分和所述第二得分确定所述语音设备的唤醒得分。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述声学特征包括声音强度、用户与所述语音设备的距离和用户与所述语音设备的位置变化中的至少一种。
5.一种语音设备唤醒方法,其特征在于,包括:
接收多个语音设备各自发送的唤醒得分;其中,所述唤醒得分为各自语音设备根据采集的语音信号的声学特征确定的得分,且所述语音信号中包含唤醒请求;
根据所述多个语音设备各自的唤醒得分从所述多个语音设备中确定一个语音设备作为目标语音设备;
指示所述目标语音设备响应所述唤醒请求。
6.根据权利要求5所述的方法,其特征在于,所述指示所述目标语音设备响应所述唤醒请求,包括:
确定所述多个语音设备各自的类别;其中,所述类别包括目标语音设备和非目标语音设备;
向所述目标语音设备发送响应所述唤醒请求的指示消息,向所述非目标语音设备发送不响应所述唤醒请求的指示消息或不向所述非目标语音设备发送指示消息。
7.根据权利要求5或6所述的方法,其特征在于,在所述接收多个语音设备发送的唤醒得分之前,所述方法还包括:
将归属于同一用户账号下且激活的多个语音设备形成语音设备组;其中,所述多个语音设备归属于同一语音设备组。
8.一种语音设备唤醒装置,其特征在于,包括:
声学特征确定模块,用于确定语音设备采集的语音信号的声学特征;其中,所述语音信号中包含唤醒请求;
唤醒得分确定模块,用于根据所述声学特征确定所述语音设备的唤醒得分;
唤醒得分发送模块,用于将所述唤醒得分发送至服务器,以使所述服务器根据接收的多个语音设备的唤醒得分确定一个语音设备作为目标语音设备,并指示所述目标语音设备响应所述唤醒请求。
9.一种语音设备唤醒装置,其特征在于,包括:
唤醒得分接收模块,用于接收多个语音设备各自发送的唤醒得分;其中,所述唤醒得分为各自语音设备根据采集的语音信号的声学特征确定的得分,且所述语音信号中包含唤醒请求;
目标设备确定模块,用于根据所述多个语音设备各自的唤醒得分从所述多个语音设备中确定一个语音设备作为目标语音设备;
响应指示模块,用于指示所述目标语音设备响应所述唤醒请求。
10.一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现根据权利要求1-8任一项所述的语音设备唤醒方法。
11.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性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1-8任一项所述的语音设备唤醒方法。
CN202011515299.6A 2020-12-21 2020-12-21 语音设备唤醒方法及装置 Pending CN112634872A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011515299.6A CN112634872A (zh) 2020-12-21 2020-12-21 语音设备唤醒方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011515299.6A CN112634872A (zh) 2020-12-21 2020-12-21 语音设备唤醒方法及装置

Publications (1)

Publication Number Publication Date
CN112634872A true CN112634872A (zh) 2021-04-09

Family

ID=75318081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011515299.6A Pending CN112634872A (zh) 2020-12-21 2020-12-21 语音设备唤醒方法及装置

Country Status (1)

Country Link
CN (1) CN112634872A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628621A (zh) * 2021-08-18 2021-11-09 北京声智科技有限公司 一种实现设备就近唤醒的方法、系统及装置
CN114553625A (zh) * 2022-02-17 2022-05-27 青岛海尔科技有限公司 响应设备的确定方法和装置、存储介质及电子装置
CN115148204A (zh) * 2022-06-20 2022-10-04 青岛海尔科技有限公司 语音唤醒的处理方法及装置、存储介质及电子装置
WO2023020076A1 (zh) * 2021-08-18 2023-02-23 青岛海尔科技有限公司 设备的唤醒方法
US20230054011A1 (en) * 2021-08-20 2023-02-23 Beijing Xiaomi Mobile Software Co., Ltd. Voice collaborative awakening method and apparatus, electronic device and storage medium

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106782524A (zh) * 2016-11-30 2017-05-31 深圳讯飞互动电子有限公司 一种混合唤醒方法及系统
CN109508687A (zh) * 2018-11-26 2019-03-22 北京猎户星空科技有限公司 人机交互控制方法、装置、存储介质和智能设备
CN110187766A (zh) * 2019-05-31 2019-08-30 北京猎户星空科技有限公司 一种智能设备的控制方法、装置、设备及介质
US20190341049A1 (en) * 2018-08-31 2019-11-07 Baidu Online Network Technology (Beijing) Co., Ltd. Voice Smart Device Wake-Up Method, Apparatus, Device and Storage Medium
CN110718227A (zh) * 2019-10-17 2020-01-21 深圳市华创技术有限公司 一种基于多模态交互的分布式物联网设备协同方法及其系统
CN111048067A (zh) * 2019-11-11 2020-04-21 云知声智能科技股份有限公司 一种麦克风响应方法及装置
CN111261159A (zh) * 2020-01-19 2020-06-09 百度在线网络技术(北京)有限公司 信息指示的方法及装置
CN111370004A (zh) * 2018-12-25 2020-07-03 阿里巴巴集团控股有限公司 人机交互方法、语音处理方法及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106782524A (zh) * 2016-11-30 2017-05-31 深圳讯飞互动电子有限公司 一种混合唤醒方法及系统
US20190341049A1 (en) * 2018-08-31 2019-11-07 Baidu Online Network Technology (Beijing) Co., Ltd. Voice Smart Device Wake-Up Method, Apparatus, Device and Storage Medium
CN109508687A (zh) * 2018-11-26 2019-03-22 北京猎户星空科技有限公司 人机交互控制方法、装置、存储介质和智能设备
CN111370004A (zh) * 2018-12-25 2020-07-03 阿里巴巴集团控股有限公司 人机交互方法、语音处理方法及设备
CN110187766A (zh) * 2019-05-31 2019-08-30 北京猎户星空科技有限公司 一种智能设备的控制方法、装置、设备及介质
CN110718227A (zh) * 2019-10-17 2020-01-21 深圳市华创技术有限公司 一种基于多模态交互的分布式物联网设备协同方法及其系统
CN111048067A (zh) * 2019-11-11 2020-04-21 云知声智能科技股份有限公司 一种麦克风响应方法及装置
CN111261159A (zh) * 2020-01-19 2020-06-09 百度在线网络技术(北京)有限公司 信息指示的方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628621A (zh) * 2021-08-18 2021-11-09 北京声智科技有限公司 一种实现设备就近唤醒的方法、系统及装置
WO2023020076A1 (zh) * 2021-08-18 2023-02-23 青岛海尔科技有限公司 设备的唤醒方法
US20230054011A1 (en) * 2021-08-20 2023-02-23 Beijing Xiaomi Mobile Software Co., Ltd. Voice collaborative awakening method and apparatus, electronic device and storage medium
US12008993B2 (en) * 2021-08-20 2024-06-11 Beijing Xiaomi Mobile Software Co., Ltd. Voice collaborative awakening method and apparatus, electronic device and storage medium
CN114553625A (zh) * 2022-02-17 2022-05-27 青岛海尔科技有限公司 响应设备的确定方法和装置、存储介质及电子装置
CN114553625B (zh) * 2022-02-17 2024-03-22 青岛海尔科技有限公司 响应设备的确定方法和装置、存储介质及电子装置
CN115148204A (zh) * 2022-06-20 2022-10-04 青岛海尔科技有限公司 语音唤醒的处理方法及装置、存储介质及电子装置
CN115148204B (zh) * 2022-06-20 2024-05-24 青岛海尔科技有限公司 语音唤醒的处理方法及装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
CN112634872A (zh) 语音设备唤醒方法及装置
US9781106B1 (en) Method for modeling user possession of mobile device for user authentication framework
CN107731231B (zh) 一种支持多云端语音服务的方法及一种存储设备
CN111986691B (zh) 音频处理方法、装置、计算机设备及存储介质
US20200294491A1 (en) Method and apparatus for waking up device
CN112017630B (zh) 一种语种识别方法、装置、电子设备及存储介质
CN111343410A (zh) 一种静音提示方法、装置、电子设备及存储介质
US11822854B2 (en) Automatic volume adjustment method and apparatus, medium, and device
CN111883117A (zh) 语音唤醒方法及装置
WO2021068493A1 (zh) 用于处理信息的方法和装置
CN113327610A (zh) 一种语音唤醒方法、装置及设备
CN115810356A (zh) 语音控制方法、装置、存储介质以及电子设备
CN111933167A (zh) 电子设备的降噪方法、装置、存储介质及电子设备
CN112863545B (zh) 性能测试方法、装置、电子设备及计算机可读存储介质
CN112259076B (zh) 语音交互方法、装置、电子设备及计算机可读存储介质
CN114333774A (zh) 语音识别方法、装置、计算机设备及存储介质
CN111312243B (zh) 设备交互方法和装置
CN113342170A (zh) 手势控制方法、装置、终端和存储介质
CN116884402A (zh) 语音转文本的方法、装置、电子设备及存储介质
CN111176744A (zh) 电子设备控制方法、装置、终端及存储介质
CN111930228A (zh) 检测用户姿势的方法、装置、设备、存储介质
CN111276127A (zh) 语音唤醒方法、装置、存储介质及电子设备
CN116996409A (zh) 数据传输方法、装置、设备及存储介质
US11917092B2 (en) Systems and methods for detecting voice commands to generate a peer-to-peer communication link
CN111986669A (zh) 信息处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination