CN112634890A - 用于唤醒播放设备的方法、装置、设备以及存储介质 - Google Patents
用于唤醒播放设备的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112634890A CN112634890A CN202011491901.7A CN202011491901A CN112634890A CN 112634890 A CN112634890 A CN 112634890A CN 202011491901 A CN202011491901 A CN 202011491901A CN 112634890 A CN112634890 A CN 112634890A
- Authority
- CN
- China
- Prior art keywords
- awakening
- target
- playing device
- determining
- sound zone
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000002618 waking effect Effects 0.000 title claims description 47
- 230000001960 triggered effect Effects 0.000 claims abstract description 39
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000000872 buffer Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4418—Suspend and resume; Hibernate and awake
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Circuit For Audible Band Transducer (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种用于唤醒播放设备的方法、装置、设备以及存储介质,涉及物联网、智能交通、语音技术领域。具体实现方案为:获取目标音频,其中,所述目标音频中包括唤醒词;根据所述唤醒词,确定触发唤醒播放设备;基于所述目标音频,确定各播放设备对应的音区的能量值;基于所述触发唤醒播放设备和所述能量值,确定目标唤醒播放设备,并唤醒。本实现方式通过结合触发唤醒播放设备和各个音区的能量值,可以准确地确定出最终唤醒的播放设备,可以有效避免非唤醒音区的播放设备被唤醒,不依赖实车硬件,适用范围广。
Description
技术领域
本申请涉及数据处理领域,具体涉及物联网、智能交通、语音技术领域,尤其涉及用于唤醒播放设备的方法、装置、设备以及存储介质。
背景技术
目前接触的车载系统上,有很多车企搭载的麦克风方案是多音区方案,多音区方案会根据麦克风数量,设置相对应数量的唤醒引擎。唤醒引擎会根据麦克风采集到的音频数据判断是否是对应的唤醒词,然后触发唤醒回调。但是由于在实车环境上麦克风的一致性或者麦克风的间距,导致非唤醒音区也会触发唤醒事件。
发明内容
本公开提供了一种用于唤醒播放设备的方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种用于唤醒播放设备的方法,包括:获取目标音频,其中,目标音频中包括唤醒词;根据唤醒词,确定触发唤醒播放设备;基于目标音频,确定各播放设备对应的音区的能量值;基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。
根据本公开的另一方面,提供了一种用于唤醒播放设备的装置,包括:获取单元,被配置成获取目标音频,其中,目标音频中包括唤醒词;触发唤醒播放设备确定单元,被配置成根据唤醒词,确定触发唤醒播放设备;能量值确定单元,被配置成基于目标音频,确定各播放设备对应的音区的能量值;唤醒单元,被配置成基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。
根据本公开的再一方面,提供了一种用于唤醒播放设备的电子设备,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如上述用于唤醒播放设备的方法。
根据本公开的又一方面,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,上述计算机指令用于使计算机执行如上述用于唤醒播放设备的方法。
根据本公开的又一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现如上述用于唤醒播放设备的方法。
根据本申请的技术解决了非唤醒音区也会触发唤醒事件的问题,通过结合触发唤醒播放设备和各个音区的能量值,可以准确地确定出最终唤醒的播放设备,可以有效避免非唤醒音区的播放设备被唤醒,不依赖实车硬件,适用范围广。
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,不构成对本申请的限定。其中:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于唤醒播放设备的方法的一个实施例的流程图;
图3是根据本申请的用于唤醒播放设备的方法的一个应用场景的示意图;
图4是根据本申请的用于唤醒播放设备的方法的另一个实施例的流程图;
图5是根据本申请的用于唤醒播放设备的装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的用于唤醒播放设备的方法的电子设备的框图。
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。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于唤醒播放设备的方法或用于唤醒播放设备的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如导航类应用、音乐播放类应用、天气播放类应用或者集导航、音乐、天气播放于一体的应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于麦克风、智能手机、平板电脑、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如获取终端设备101、102、103采集的目标音频,目标音频中包括唤醒词;根据唤醒词,确定触发唤醒播放设备;基于目标音频,确定各播放设备对应的音区的能量值;基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于唤醒播放设备的方法一般由服务器105执行。相应地,用于唤醒播放设备的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于唤醒播放设备的方法的一个实施例的流程200。本实施例的用于唤醒播放设备的方法,包括以下步骤:
步骤201,获取目标音频。
本实施例中,目标音频中包括唤醒词。用于唤醒播放设备的方法的执行主体(例如图1中的服务器105)可以通过有线连接或无线连接的方式,从周围环境中实时接收终端设备获取的目标音频。终端设备可以是车载电脑或麦克风。目标音频可以是用户发出的用于唤醒播放设备的音频,例如,可以是“小A小A,播放热门音乐”。唤醒词,可以是根据用户定制,设置用于唤醒播放设备的词。示例的,唤醒引擎会根据麦克风(播放设备)采集到的音频数据判断是否是预设的对应的唤醒词,例如,小A小A,当确定是该麦克风对应的唤醒词时,触发唤醒回调,唤醒该麦克风播放指定音乐。本申请对唤醒词不做具体限定。唤醒引擎可以设置于每个对应的播放设备中,也可以设置于执行主体中,本申请对唤醒引擎的设置位置不做具体限定。
步骤202,根据唤醒词,确定触发唤醒播放设备。
执行主体在得到唤醒词后,可以根据唤醒词,确定触发唤醒播放设备。具体地,执行主体在得到唤醒词后,可以根据预设的唤醒词与播放设备的对应关系,确定该唤醒词可以触发唤醒的播放设备。可以理解的是,由于实车环境上麦克风的一致性或者麦克风的间距,导致非唤醒音区(如当前唤醒位置是主驾,非唤醒音区是副驾)会存在一定的能量残余,导致非唤醒音区也会触发唤醒事件,此时,一个唤醒词可能会触发多个音区的唤醒事件回调,该多个音区可以是唤醒音区,也可以是非唤醒音区。触发唤醒播放设备可以位于唤醒音区,也可以位于非唤醒音区,本申请对触发唤醒播放设备的具体位置不做限定。触发唤醒播放设备,可以是接受到对应的唤醒词的触发,而播放音乐或播放用户指定的任意内容的设备,例如可以是车载麦克风。
步骤203,基于目标音频,确定各播放设备对应的音区的能量值。
执行主体在获取目标音频后,可以基于目标音频,确定各播放设备对应的音区的能量值。具体地,声音是一种能量,声音通过空气这种介质传播时会存在能量损耗,如用户在主驾发出唤醒词,到达左边麦克风时,左边麦克风采集到的幅值大小必然会比右边麦克风的幅值要大。具体地,执行主体可以利用每个音区所接收到的声波的平均能流密度来确定基于目标音频的各播放设备对应的音区的能量值。
步骤204,基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。
执行主体在得到触发唤醒播放设备和能量值后,可以基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。具体地,执行主体可以根据能量值和预设的能量值范围,确定预触发唤醒的播放设备;根据该预触发唤醒的播放设备和触发唤醒播放设备,确定目标唤醒播放设备。具体地,执行主体可以响应于确定预触发唤醒的播放设备与触发唤醒播放设备中的任一相同(可以是设备标识相同),则可以将相同的该触发唤醒播放设备(或预触发唤醒的播放设备)确定为目标唤醒播放设备。
具体地,执行主体可以获取历史触发唤醒播放设备对应的音区的历史能量值,预设的能量值范围可以是执行主体根据该历史能量值确定的,本申请对预设的能量值范围不做具体限定。
继续参考图3,其示出了根据本申请的用于唤醒播放设备的方法的一个应用场景的示意图。在图3的应用场景中,服务器303获取目标音频301,其中,目标音频301中包括唤醒词302。服务器303根据唤醒词302,确定触发唤醒播放设备304。服务器303基于目标音频301,确定各播放设备对应的音区305的能量值306。服务器303基于触发唤醒播放设备304和能量值306,确定目标唤醒播放设备307,并唤醒。
本实施例通过结合触发唤醒播放设备和各个音区的能量值,可以准确地确定出最终唤醒的播放设备,可以有效避免非唤醒音区的播放设备被唤醒,不依赖实车硬件,适用范围广。
继续参考图4,其示出了根据本申请的用于唤醒播放设备的方法的另一个实施例的流程400。如图4所示,本实施例的用于唤醒播放设备的方法,可以包括以下步骤:
步骤401,获取目标音频,其中,目标音频中包括唤醒词。
步骤402,根据唤醒词,确定触发唤醒播放设备。
步骤401~步骤402的原理与步骤201~步骤202的原理类似,此处不再赘述。
具体地,步骤402还可以通过步骤4021~步骤4023来实现:
步骤4021,确定各播放设备的标识。
本实施例中,执行主体在获取唤醒词后,可以首先确定当前环境中的各播放设备的标识(或称ID)。
步骤4022,根据唤醒词以及预设的唤醒词与标识之间的对应关系,确定唤醒词对应的各标识中的目标标识。
执行主体在确定各播放设备的标识后,可以根据唤醒词以及预设的唤醒词与标识之间的对应关系,确定唤醒词对应的各标识中的目标标识。具体地,执行主体可以根据唤醒词和预训练的分类模型,确定唤醒词对应的目标标识,其中,预训练的分类模型用于表征预设的唤醒词与标识之间的对应关系。执行主体可以将确定出的唤醒词对应的标识确定为目标标识。
步骤4023,根据目标标识,确定触发唤醒播放设备。
执行主体在确定目标标识后,可以根据目标标识,确定触发唤醒播放设备。具体地,执行主体可以根据预先设定的标识与播放设备的对应关系,确定目标标识对应的播放设备,并将该播放设备确定为触发唤醒播放设备。
本实施例通过根据预设的唤醒词与设备标识之间的对应关系,确定唤醒词对应的目标设备的标识,并根据该目标设备的标识可以准确地确定出可触发唤醒的播放设备。提高播放设备唤醒的准确率。
步骤403,基于目标音频,确定各播放设备对应的音区的能量值。
步骤403的原理与步骤203的原理类似,此处不再赘述。
具体地,步骤403还可以通过步骤4031~步骤4032来实现:
步骤4031,缓存目标音频至各播放设备对应的音区,得到各音区对应的缓存音频数据队列。
执行主体在获取目标音频后,可以缓存目标音频至各播放设备对应的音区,得到各音区对应的缓存音频数据队列。具体地,将移动APP-DuerOS设置于执行主体的后台,用于采集播放设备数据,触发人机交互。示例的,车机上电后,执行主体后台的DuerOS会开启麦克风采集数据,并设置对应音区数量的唤醒引擎,在对麦克风数据进行数字信号处理(Digital Signal Processing,DSP)或称波束成形处理后,输送到唤醒引擎的同时,逐帧缓存目标音频至各播放设备对应的音区,开辟各播放设备对应音区数量的缓存音频数据队列。
步骤4032,基于缓存音频数据队列,确定各播放设备对应的音区的能量值。
执行主体在得到缓存音频数据队列后,可以对目标音频数据缓存的同时,对目标音频能量大小进行计算并平滑累加,以确定各播放设备对应的音区的能量值。
本实施例通过缓存目标音频至各播放设备对应的音区,从而可以精确地确定各播放设备对应的音区的能量值,以用于进行能量裁决,通过在唤醒引擎触发唤醒播放设备后,结合能量裁决作为双重保障,唤醒引擎触发唤醒后,能量裁决才会进行工作,能量裁决用于校准,从而避免非唤醒音区因为能量残余而被唤醒,从而提高音区中的播放设备被唤醒的准确率。
步骤404,基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。
步骤404的原理与步骤204的原理类似,此处不再赘述。
具体地,步骤404还可以通过步骤4041~步骤4042来实现:
步骤4041,确定能量值中最大的能量值对应的目标音区。
步骤4042,响应于确定触发唤醒播放设备所处的音区包括目标音区,将目标音区中的播放设备确定为目标唤醒播放设备。
执行主体在确定各播放设备对应的音区的能量值后,可以首先确定得到的各能量值中最大的能量值,并确定该最大的能量值所对应的目标音区。并可以判断触发唤醒播放设备对应的音区中是否存在音区位于目标音区,执行主体响应于确定触发唤醒播放设备所处的各音区中包括目标音区(或称响应于确定触发唤醒播放设备所处的各音区中存在音区位于目标音区),执行主体可以将该目标音区中的播放设备确定为目标唤醒播放设备。
本实施例通过能量裁决确定出能量值最大的目标音区,并在触发唤醒播放设备所在的音区包括目标音区时,将目标音区中的播放设备确定为目标唤醒播放设备,避免非唤醒音区因为能量残余而被唤醒,可以提高音区中的播放设备被唤醒的准确率。
具体地,步骤404还可以通过步骤4043来实现:
步骤4043,响应于确定触发唤醒播放设备所处的音区不包括目标音区,确定触发唤醒播放设备对应的音区的能量值中最大的能量值对应的音区中的触发唤醒播放设备为目标唤醒播放设备。
当执行主体确定触发唤醒播放设备所处的音区不包括目标音区时,则表明目标音区可能为存在能量残余的非唤醒音区,而该非唤醒音区中的播放设备并未因所处音区的能量残余而被对应的唤醒引擎唤醒,从而成为触发唤醒播放设备。为了避免存在能量残余的非唤醒音区中的播放设备被唤醒引擎唤醒,只有在执行主体确定出的触发唤醒播放设备所处的音区与通过能量裁决确定出的音区一致时,才会唤醒该一致的音区中的播放设备,以提高唤醒音区中的播放设备的准确率。此时,执行主体可以在已确定的触发唤醒播放设备对应的音区中通过能量裁决确定出能量值最大的音区,并确定该能量值最大的音区中的触发唤醒播放设备为目标唤醒播放设备。
示例的,能量裁决的具体步骤可以为:用户首先在车机内或其他某个位置对播放设备进行语音唤醒;然后车机的多个麦克风进行目标音频采集;然后执行主体将音频数据根据DSP算法进行抑制处理;然后执行主体将进行抑制处理后的音频数据分为两支流向进行进一步的操作:一支流向为执行主体将多音区音频数据输送到对应数量的唤醒引擎,并确定触发唤醒播放设备;另一支流向为执行主体同时将各个音区的音频数据缓存到对应音区的音频数据队列;然后执行主体对每个音区的缓存队列进行能量估算,具体做法可以是每获取一帧目标音频数据,将目标音频数据累加的值乘以一个预设系数,平滑累加到下一帧音频数据;最后执行主体根据这两支流向得到的结果确定目标唤醒播放设备。具体地,执行主体根据得到的触发唤醒播放设备,在播放设备被唤醒触发的同时,获取得到的每个播放设备对应的音区的能量估算值,当能量估算值最大的音区与触发唤醒播放设备所在的音区之一相同时,则可以将该相同的音区(能量估算值最大的音区)中的播放设备确定为目标唤醒播放设备进行唤醒。当能量估算值最大的音区与触发唤醒播放设备所在的音区均不相同时,则表明该能量最大的音区可能为有能量残余的非唤醒音区,需要抑制该非唤醒音区内的播放设备的唤醒,此时执行主体再根据上述两支流向得到的结果(分别为触发唤醒播放设备和各音区的能量估算值)确定出触发唤醒播放设备所在的音区中的能量估算值最大的音区,并将该音区中的触发唤醒播放设备确定为目标唤醒播放设备进行唤醒。
本实施例通过在唤醒引擎触发唤醒后,结合能量裁决作为双重保障,唤醒引擎触发唤醒后,能量裁决才会进行工作,能量裁决用于校准,以避免非唤醒音区因为能量残余而被唤醒,从而提高音区中的播放设备被唤醒的准确率;并且不需要依赖实车的麦克风间距和一致性,不需要耗时去等待其他音区计算唤醒音频数据所在的帧长,仅需要在触发唤醒事件后,判断能量大小就知道是否是正确的唤醒音区,同时该方案不依赖实车硬件,无论是软降噪还是硬降噪,适用于各种多音区方案。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于唤醒播放设备的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于唤醒播放设备的装置500包括:获取单元501、触发唤醒播放设备确定单元502、能量值确定单元503和唤醒单元504。
获取单元501,被配置成获取目标音频,其中,目标音频中包括唤醒词。
触发唤醒播放设备确定单元502,被配置成根据唤醒词,确定触发唤醒播放设备。
能量值确定单元503,被配置成基于目标音频,确定各播放设备对应的音区的能量值。
唤醒单元504,被配置成基于触发唤醒播放设备和能量值,确定目标唤醒播放设备,并唤醒。
在本实施例的一些可选的实现方式中,触发唤醒播放设备确定单元502进一步被配置成:确定各播放设备的标识;根据唤醒词以及预设的唤醒词与标识之间的对应关系,确定唤醒词对应的各标识中的目标标识;根据目标标识,确定触发唤醒播放设备。
在本实施例的一些可选的实现方式中,能量值确定单元503进一步被配置成:缓存目标音频至各播放设备对应的音区,得到各音区对应的缓存音频数据队列;基于缓存音频数据队列,确定各播放设备对应的音区的能量值。
在本实施例的一些可选的实现方式中,唤醒单元504进一步被配置成:确定能量值中最大的能量值对应的目标音区;响应于确定触发唤醒播放设备所处的音区包括目标音区,将目标音区中的播放设备确定为目标唤醒播放设备。
在本实施例的一些可选的实现方式中,唤醒单元504进一步被配置成:响应于确定触发唤醒播放设备所处的音区不包括目标音区,确定触发唤醒播放设备对应的音区的能量值中最大的能量值对应的音区中的触发唤醒播放设备为目标唤醒播放设备。
应当理解,用于唤醒播放设备的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于唤醒播放设备的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请还提供了一种用于唤醒播放设备的电子设备、一种可读存储介质以及一种计算机程序产品。
如图6所示,是根据本申请实施例的用于唤醒播放设备的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6所示,该电子设备包括:一个或多个处理器601、存储器602,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605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605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6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的用于唤醒播放设备的方法。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用于唤醒播放设备的方法。
存储器602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单元,如本申请实施例中的用于唤醒播放设备的方法对应的程序指令/单元(例如,附图5所示的获取单元501、触发唤醒播放设备确定单元502、能量值确定单元503和唤醒单元504)。处理器601通过运行存储在存储器602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用于唤醒播放设备的方法。
存储器602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用于唤醒播放设备的电子设备的使用所创建的数据等。此外,存储器602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602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于唤醒播放设备的电子设备。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。
用于唤醒播放设备的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线605或者其他方式连接,图6中以通过总线605连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于唤醒播放设备的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604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。
计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现如上述用于唤醒播放设备的方法。
根据本申请实施例的技术方案,通过结合触发唤醒播放设备和各个音区的能量值,可以准确地确定出最终唤醒的播放设备,可以有效避免非唤醒音区的播放设备被唤醒,不依赖实车硬件,适用范围广。
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 (13)
1.一种用于唤醒播放设备的方法,包括:
获取目标音频,其中,所述目标音频中包括唤醒词;
根据所述唤醒词,确定触发唤醒播放设备;
基于所述目标音频,确定各播放设备对应的音区的能量值;
基于所述触发唤醒播放设备和所述能量值,确定目标唤醒播放设备,并唤醒。
2.根据权利要求1所述的方法,其中,所述根据所述唤醒词,确定触发唤醒播放设备,包括:
确定各播放设备的标识;
根据所述唤醒词以及预设的唤醒词与标识之间的对应关系,确定所述唤醒词对应的各所述标识中的目标标识;
根据所述目标标识,确定触发唤醒播放设备。
3.根据权利要求1所述的方法,其中,所述基于所述目标音频,确定各播放设备对应的音区的能量值,包括:
缓存所述目标音频至各播放设备对应的音区,得到各所述音区对应的缓存音频数据队列;
基于所述缓存音频数据队列,确定各播放设备对应的音区的能量值。
4.根据权利要求1所述的方法,其中,所述基于所述触发唤醒播放设备和所述能量值,确定目标唤醒播放设备,包括:
确定所述能量值中最大的能量值对应的目标音区;
响应于确定所述触发唤醒播放设备所处的音区包括所述目标音区,将所述目标音区中的播放设备确定为目标唤醒播放设备。
5.根据权利要求4所述的方法,其中,所述基于所述触发唤醒播放设备和所述能量值,确定目标唤醒播放设备,还包括:
响应于确定所述触发唤醒播放设备所处的音区不包括所述目标音区,确定所述触发唤醒播放设备对应的音区的能量值中最大的能量值对应的音区中的触发唤醒播放设备为目标唤醒播放设备。
6.一种用于唤醒播放设备的装置,包括:
获取单元,被配置成获取目标音频,其中,所述目标音频中包括唤醒词;
触发唤醒播放设备确定单元,被配置成根据所述唤醒词,确定触发唤醒播放设备;
能量值确定单元,被配置成基于所述目标音频,确定各播放设备对应的音区的能量值;
唤醒单元,被配置成基于所述触发唤醒播放设备和所述能量值,确定目标唤醒播放设备,并唤醒。
7.根据权利要求6所述的装置,其中,所述触发唤醒播放设备确定单元进一步被配置成:
确定各播放设备的标识;
根据所述唤醒词以及预设的唤醒词与标识之间的对应关系,确定所述唤醒词对应的各所述标识中的目标标识;
根据所述目标标识,确定触发唤醒播放设备。
8.根据权利要求6所述的装置,其中,所述能量值确定单元进一步被配置成:
缓存所述目标音频至各播放设备对应的音区,得到各所述音区对应的缓存音频数据队列;
基于所述缓存音频数据队列,确定各播放设备对应的音区的能量值。
9.根据权利要求6所述的装置,其中,所述唤醒单元进一步被配置成:
确定所述能量值中最大的能量值对应的目标音区;
响应于确定所述触发唤醒播放设备所处的音区包括所述目标音区,将所述目标音区中的播放设备确定为目标唤醒播放设备。
10.根据权利要求9所述的装置,其中,所述唤醒单元进一步被配置成:
响应于确定所述触发唤醒播放设备所处的音区不包括所述目标音区,确定所述触发唤醒播放设备对应的音区的能量值中最大的能量值对应的音区中的触发唤醒播放设备为目标唤醒播放设备。
11.一种用于唤醒播放设备的电子设备,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1-5中任一项所述的方法。
12.一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1-5中任一项所述的方法。
13.一种计算机程序产品,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1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011491901.7A CN112634890B (zh) | 2020-12-17 | 2020-12-17 | 用于唤醒播放设备的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011491901.7A CN112634890B (zh) | 2020-12-17 | 2020-12-17 | 用于唤醒播放设备的方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112634890A true CN112634890A (zh) | 2021-04-09 |
CN112634890B CN112634890B (zh) | 2023-11-24 |
Family
ID=75316200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011491901.7A Active CN112634890B (zh) | 2020-12-17 | 2020-12-17 | 用于唤醒播放设备的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634890B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113329372A (zh) * | 2021-06-08 | 2021-08-31 | 阿波罗智联(北京)科技有限公司 | 用于车载通话的方法、装置、设备、介质和产品 |
CN113808614A (zh) * | 2021-07-30 | 2021-12-17 | 北京声智科技有限公司 | 声音能量值的校准及设备唤醒方法、设备及存储介质 |
WO2023005409A1 (zh) * | 2021-07-26 | 2023-02-02 | 青岛海尔科技有限公司 | 设备确定方法及设备确定系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150154953A1 (en) * | 2013-12-02 | 2015-06-04 | Spansion Llc | Generation of wake-up words |
CN108259280A (zh) * | 2018-02-06 | 2018-07-06 | 北京语智科技有限公司 | 一种室内智能化控制的实现方法、系统 |
CN109391528A (zh) * | 2018-08-31 | 2019-02-26 | 百度在线网络技术(北京)有限公司 | 语音智能设备的唤醒方法、装置、设备及存储介质 |
US20190073999A1 (en) * | 2016-02-10 | 2019-03-07 | Nuance Communications, Inc. | Techniques for spatially selective wake-up word recognition and related systems and methods |
CN109841214A (zh) * | 2018-12-25 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 语音唤醒处理方法、装置和存储介质 |
CN110211580A (zh) * | 2019-05-15 | 2019-09-06 | 海尔优家智能科技(北京)有限公司 | 多智能设备应答方法、装置、系统及存储介质 |
US20190355384A1 (en) * | 2018-05-18 | 2019-11-21 | Sonos, Inc. | Linear Filtering for Noise-Suppressed Speech Detection |
CN110648663A (zh) * | 2019-09-26 | 2020-01-03 | 科大讯飞(苏州)科技有限公司 | 车载音频管理方法、装置、设备、汽车及可读存储介质 |
KR20200012414A (ko) * | 2018-07-27 | 2020-02-05 | (주)휴맥스 | 스마트 디바이스 및 그 제어 방법 |
CN110890092A (zh) * | 2019-11-07 | 2020-03-17 | 北京小米移动软件有限公司 | 唤醒控制方法及装置、计算机存储介质 |
US20200090646A1 (en) * | 2018-09-14 | 2020-03-19 | Sonos, Inc. | Networked devices, systems, & methods for intelligently deactivating wake-word engines |
WO2020131681A1 (en) * | 2018-12-18 | 2020-06-25 | Knowles Electronics, Llc | Audio level estimator assisted false wake abatement systems and methods |
CN111402883A (zh) * | 2020-03-31 | 2020-07-10 | 云知声智能科技股份有限公司 | 一种复杂环境下分布式语音交互系统中就近响应系统和方法 |
CN111968642A (zh) * | 2020-08-27 | 2020-11-20 | 北京百度网讯科技有限公司 | 语音数据处理方法、装置及智能车辆 |
CN112037789A (zh) * | 2020-08-07 | 2020-12-04 | 海尔优家智能科技(北京)有限公司 | 设备唤醒方法、装置、存储介质及电子装置 |
-
2020
- 2020-12-17 CN CN202011491901.7A patent/CN112634890B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150154953A1 (en) * | 2013-12-02 | 2015-06-04 | Spansion Llc | Generation of wake-up words |
US20190073999A1 (en) * | 2016-02-10 | 2019-03-07 | Nuance Communications, Inc. | Techniques for spatially selective wake-up word recognition and related systems and methods |
CN108259280A (zh) * | 2018-02-06 | 2018-07-06 | 北京语智科技有限公司 | 一种室内智能化控制的实现方法、系统 |
US20190355384A1 (en) * | 2018-05-18 | 2019-11-21 | Sonos, Inc. | Linear Filtering for Noise-Suppressed Speech Detection |
KR20200012414A (ko) * | 2018-07-27 | 2020-02-05 | (주)휴맥스 | 스마트 디바이스 및 그 제어 방법 |
CN109391528A (zh) * | 2018-08-31 | 2019-02-26 | 百度在线网络技术(北京)有限公司 | 语音智能设备的唤醒方法、装置、设备及存储介质 |
US20200090646A1 (en) * | 2018-09-14 | 2020-03-19 | Sonos, Inc. | Networked devices, systems, & methods for intelligently deactivating wake-word engines |
WO2020131681A1 (en) * | 2018-12-18 | 2020-06-25 | Knowles Electronics, Llc | Audio level estimator assisted false wake abatement systems and methods |
CN109841214A (zh) * | 2018-12-25 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 语音唤醒处理方法、装置和存储介质 |
CN110211580A (zh) * | 2019-05-15 | 2019-09-06 | 海尔优家智能科技(北京)有限公司 | 多智能设备应答方法、装置、系统及存储介质 |
CN110648663A (zh) * | 2019-09-26 | 2020-01-03 | 科大讯飞(苏州)科技有限公司 | 车载音频管理方法、装置、设备、汽车及可读存储介质 |
CN110890092A (zh) * | 2019-11-07 | 2020-03-17 | 北京小米移动软件有限公司 | 唤醒控制方法及装置、计算机存储介质 |
CN111402883A (zh) * | 2020-03-31 | 2020-07-10 | 云知声智能科技股份有限公司 | 一种复杂环境下分布式语音交互系统中就近响应系统和方法 |
CN112037789A (zh) * | 2020-08-07 | 2020-12-04 | 海尔优家智能科技(北京)有限公司 | 设备唤醒方法、装置、存储介质及电子装置 |
CN111968642A (zh) * | 2020-08-27 | 2020-11-20 | 北京百度网讯科技有限公司 | 语音数据处理方法、装置及智能车辆 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113329372A (zh) * | 2021-06-08 | 2021-08-31 | 阿波罗智联(北京)科技有限公司 | 用于车载通话的方法、装置、设备、介质和产品 |
WO2023005409A1 (zh) * | 2021-07-26 | 2023-02-02 | 青岛海尔科技有限公司 | 设备确定方法及设备确定系统 |
CN113808614A (zh) * | 2021-07-30 | 2021-12-17 | 北京声智科技有限公司 | 声音能量值的校准及设备唤醒方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112634890B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112634890B (zh) | 用于唤醒播放设备的方法、装置、设备以及存储介质 | |
CN111192591B (zh) | 智能设备的唤醒方法、装置、智能音箱及存储介质 | |
CN111402868B (zh) | 语音识别方法、装置、电子设备及计算机可读存储介质 | |
KR102553234B1 (ko) | 음성 데이터 처리 방법, 장치 및 지능형 차량 | |
CN111640426A (zh) | 用于输出信息的方法和装置 | |
CN111541919B (zh) | 视频帧传输方法、装置、电子设备及可读存储介质 | |
CN111694433A (zh) | 语音交互的方法、装置、电子设备及存储介质 | |
CN111402877B (zh) | 基于车载多音区的降噪方法、装置、设备和介质 | |
CN111883127A (zh) | 用于处理语音的方法和装置 | |
CN111724804A (zh) | 用于处理信息的方法和装置 | |
CN111862987A (zh) | 语音识别方法和装置 | |
CN111755002B (zh) | 语音识别装置、电子设备和语音识别方法 | |
CN112071323B (zh) | 误唤醒样本数据的获取方法、装置和电子设备 | |
CN111768759A (zh) | 用于生成信息的方法和装置 | |
CN112652304B (zh) | 智能设备的语音交互方法、装置和电子设备 | |
CN112382292A (zh) | 基于语音的控制方法和装置 | |
CN111312243B (zh) | 设备交互方法和装置 | |
CN112259090A (zh) | 基于语音交互的业务办理方法、装置和电子设备 | |
CN114038465B (zh) | 语音处理方法、装置和电子设备 | |
CN112233681A (zh) | 一种误唤醒语料确定方法、装置、电子设备和存储介质 | |
CN114333017A (zh) | 一种动态拾音方法、装置、电子设备及存储介质 | |
CN112037794A (zh) | 语音交互方法、装置、设备以及存储介质 | |
CN111724805A (zh) | 用于处理信息的方法和装置 | |
CN111986682A (zh) | 语音交互方法、装置、设备以及存储介质 | |
CN112382281A (zh) | 一种语音识别方法、装置、电子设备和可读存储介质 |
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: 20211011 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, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |