CN112669831B - 语音识别控制方法、装置、电子设备和可读存储介质 - Google Patents

语音识别控制方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN112669831B
CN112669831B CN201910933124.8A CN201910933124A CN112669831B CN 112669831 B CN112669831 B CN 112669831B CN 201910933124 A CN201910933124 A CN 201910933124A CN 112669831 B CN112669831 B CN 112669831B
Authority
CN
China
Prior art keywords
working state
scene
audio
target scene
voice recognition
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.)
Active
Application number
CN201910933124.8A
Other languages
English (en)
Other versions
CN112669831A (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
Shanghai Xiaodu 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, Shanghai Xiaodu Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910933124.8A priority Critical patent/CN112669831B/zh
Priority to JP2019237718A priority patent/JP7051799B2/ja
Priority to KR1020190175877A priority patent/KR102331254B1/ko
Priority to EP19219976.8A priority patent/EP3799040A1/en
Priority to US16/730,534 priority patent/US20210097993A1/en
Publication of CN112669831A publication Critical patent/CN112669831A/zh
Application granted granted Critical
Publication of CN112669831B publication Critical patent/CN112669831B/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
    • G10L15/22—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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (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

本申请公开了语音识别控制方法、装置、电子设备和可读存储介质，涉及人工智能和语音识别领域。具体实现方案为：探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。该方案中，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，且只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，改善用户的使用体验。

Description

语音识别控制方法、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，尤其涉及一种语音识别控制方法、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模式，以体验全双工免唤醒的功能。
然而，在一些场景下，用户可能并未具有连续发起对话需求，比如，用户与其他用户对话时，而无意触发了相应的控制指令，此时，电子设备进入设定工作模式可能会打扰到用户，严重降低了用户的使用体验。
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识别控制方法、装置、电子设备和可读存储介质，以实现由用户根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，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识别控制方法，包括：
探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；
若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别。
本申请第二方面实施例提出了一种语音识别控制装置，包括：
查询模块，用于探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；
切换模块，用于若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
识别模块，用于在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别。
本申请第三方面实施例提出了另一种语音识别控制方法，包括：
在目标场景下，查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；
若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别。
本申请第四方面实施例提出了另一种语音识别控制装置，包括：
查询模块，用于在目标场景下，查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；
切换模块，用于若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
识别模块，用于在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别。
本申请第五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识别控制方法，或者，执行本申请第三方面实施例提出的语音识别控制方法。
本申请第六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识别控制方法，或者，执行本申请第三方面实施例提出的语音识别控制方法。
本申请第七方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如本申请第一方面实施例提出的语音识别控制方法，或者，执行时实现如本申请第三方面实施例提出的语音识别控制方法。
上述申请中的一个实施例具有如下优点或有益效果：
通过探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，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识别控制方法的流程示意图；
图2为本申请实施例中的配置界面示意图；
图3为本申请实施例二所提供的语音识别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识别控制方法的流程示意图；
图5为本申请实施例四所提供的语音识别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识别控制装置的结构示意图；
图7为本申请实施例六所提供的语音识别控制装置的结构示意图；
图8为本申请实施例七所提供的语音识别控制装置的结构示意图；
图9为本申请实施例八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识别控制方法、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识别控制方法的流程示意图。
本申请实施例以该语音识别控制方法被配置于语音识别控制装置中来举例说明，该语音识别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识别控制功能。
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，该语音识别控制方法可以包括以下步骤：
步骤101，探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态。
本申请实施例中，目标场景为与用户当前调用的应用程序接口(ApplicationProgrammers Interface，简称API)相关的场景，比如，目标场景可以为天气场景、音乐场景、视频场景等场景。
本申请实施例中，第一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。第一工作状态的配置信息为用户根据自身需求进行设置的，该配置信息中包括适用第一工作状态的场景列表，该场景列表是响应于用户选择操作，从不同的场景中选择生成的，比如，该场景列表可以为响应于用户选择操作，从音乐场景、有声读物场景、视频场景、天气场景、购物场景等场景中选择生成的。
本申请实施例中，当调用某一应用程序接口时，语音识别装置可以确定该应用程序接口对应的目标场景。可选地，用户打开某一应用程序，并调用该应用程序中的某一应用程序接口时，此时，语音识别控制装置可确定该应用程序接口对应的目标场景，比如，当用户调用的为天气类应用程序，则调用的应用程序接口对应的目标场景为天气场景，或者，当用户调用即时通信类应用程序中的某一应用程序接口，以查询天气时，调用的应用程序接口对应的目标场景为天气场景。再例如，调用的为音乐类应用程序，则调用的应用程序接口对应的目标场景为音乐场景，或者，当用户调用即时通信类应用程序中的某一应用程序接口，以播放音乐时，调用的应用程序接口对应的目标场景为音乐场景，此处不一一列举。
本申请实施例中，当语音识别控制装置通过侦听方式，探测到调用目标场景相关的应用程序接口时，可以查询第一工作状态的配置信息，以确定该目标场景是否适用于第一工作状态。具体地，当配置信息指示第一工作状态的场景列表中包括该目标场景时，可以确定该目标场景适用于第一工作状态，而当配置信息指示第一工作状态的场景列表中未包括该目标场景时，则确定该目标场景不适用于第一工作状态。
作为一种示例，参见图2，图2为本申请实施例中的配置界面示意图。用户可以根据自身需求，从音乐场景、有声读物场景和视频场景中选择对应的场景，生成第一工作状态的场景列表，假设用户选择的为音乐场景和视频场景，则第一工作状态的场景列表中包括音乐场景和视频场景，假设目标场景为音乐场景，则查询第一工作状态的配置信息，可以确定目标场景适用于第一工作状态。
需要说明的是，图2仅以场景列表是从音乐场景、有声读物场景和视频场景中选择生成的进行示例，即图2仅以场景列表包括音乐场景、有声读物场景和视频场景中的至少一个进行示例，实际应用时，场景列表中还可以包括其他场景，比如天气场景、购物场景等场景，本申请对此并不做限制。
步骤102，若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别。
本申请实施例中，第二工作状态可以为非聆听状态，当电子设备处于该非聆听状态时，用户可以语音输入唤醒词，以唤醒该电子设备进行后续语音识别。其中，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，当电子设备处于第二工作状态下，语音识别控制装置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二工作状态下，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。
本申请实施例中，当语音识别装置确定目标场景适用第一工作状态时，可以将执行的第二工作状态切换为第一工作状态，而当语音识别装置确定目标场景不适用第一工作状态时，可以维持执行第二工作状态。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在调用的目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，改善用户的使用体验。
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。
步骤103，在第一工作状态下，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，当电子设备处于第一工作状态下，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，在该第一工作状态下，用户无需输入唤醒词，即可以与电子设备进行实时交互或连续交互，可以简化用户操作，改善用户的使用体验。
现有技术中，在用户未具有连续发起对话需求时，可能会发生误触发相应的控制指令，控制电子设备进入设定工作模式，这种方式下，可能会打扰到用户，严重降低了用户的使用体验。
举例而言，假设控制电子设备进入设定工作模式的条件为：用户输入的语音数据的意图与设定控制意图匹配。以设定控制意图为播放音视频进行示例，当用户A与用户B对话时，用户A：“你知道怎么唤醒这个智能音箱吗？”用户B：“当然知道啦，不就是小度小度么，然后就可以听音乐、看电影啦！”此时，智能音箱对用户B的语音数据进行识别，探测到用户输入了唤醒词“小度小度”，并且，识别该用户B输入的语音数据的意图为“听音乐、看电影”，显然与设定控制意图匹配，此时，智能音箱将会播放音乐或者电影。显然，这种情况下，用户并不希望播放音乐和电影，将严重打扰到用户。
而本申请实施例的语音识别控制方法，通过探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，改善用户的使用体验。
作为一种可能的实现方式，在目标场景适用第一工作状态时，还需判断用户在唤醒词之后输入的音频片段的意图是否与目标场景匹配，若是，则将执行的第二工作状态切换为第一工作状态，若否，则维持执行第二工作状态。由此，只有当用户输入具有与目标场景匹配的控制意图时，才将电子设备的工作状态进行切换，以避免对用户的打扰。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识别控制方法的流程示意图。
如图3所示，该语音识别控制方法可以包括以下步骤：
步骤201，探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息。
步骤202，根据配置信息，判断目标场景是否适用第一工作状态，若是，执行步骤203，若否，执行步骤207。
步骤201至202的执行过程可以参见上述实施例中步骤101的执行过程，在此不做赘述。
步骤203，在第二工作状态下，获取到对音频片段语音识别得到的第一控制意图。
其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别。
本申请实施例中，在第二工作状态下，语音识别控制装置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，并对该语音片段进行语音识别，得到该语音片段对应的第一控制意图。例如，可以基于语音识别技术，对该音频片段进行识别，确定该音频片段对应的文本信息，之后，可以对该文本信息进行语义识别，确定对应的第一控意图。举例而言，当音频片段为“我想听歌”，则该音频片段的意图为“听歌”或者“播放音频”。
步骤204，判断第一控制意图是否与目标场景匹配，若是，执行步骤205-206，若否，执行步骤207。
本申请实施例中，可以将第一控制意图和目标场景的控制意图进行语义匹配，以确定第一控制意图是否与目标场景匹配。
步骤205，将执行的第二工作状态切换为第一工作状态。
本申请实施例中，只有当目标场景适用于第一工作状态，并且，用户输入的音频片段的意图与目标场景匹配时，才将执行的第二工作状态切换为第一工作状态。由此，只有当用户输入的音频片段的意图与目标场景匹配时，才将电子设备的工作状态进行切换，可以进一步避免对用户的打扰。
作为一种示例，以电子设备为智能音箱，目标场景为视频场景进行示例，当用户语音输入“小度小度，我想听歌”，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，可以确定音频片段“我想听歌”对应的第一控制意图为“播放音频”，而目标场景对应的控制意图为“播放视频”，此时，可以确定该第一控制意图与目标场景并不匹配，因此，可以控制智能音箱维持执行第二工作状态。而当用户语音输入“小度小度，播放电影A”，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，可以确定音频片段“播放电影A”对应的第一控制意图为“播放视频”，而目标场景对应的控制意图也为“播放视频”，此时，可以确定该第一控制意图与目标场景匹配，因此，可以控制智能音箱将执行的第二工作状态切换为第一工作状态，由此，在该第一工作状态下，用户可以与智能音箱进行连续对话，比如，“播放武侠片”、“退出播放”等等，从而使得人机对话更加自然、真实，提升用户沉浸式体验。
步骤206，在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。
步骤207，维持执行第二工作状态。
本申请实施例中，当目标场景不适用第一工作状态时，或者，当目标场景适用于第一工作状态，且用户输入的音频片段的意图与目标场景不匹配时，可以维持执行第二工作状态。由此，可以进一步避免对用户的打扰。
举例而言，当第一工作状态的配置信息指示第一工作状态的场景列表中包括视频场景时，即使用户输入的音频片段的意图与视频场景匹配，但是，若目标场景不适用于第一工作状态，也不控制电子设备进入第一工作状态。例如，用户打开天气类APP时，调用的应用程序接口对应的目标场景为天气场景，显然，该天气场景与视频场景并不匹配，此时，表明用户并未具有连续发起对话需求，因此，可以不控制电子设备进入第一工作状态，以降低对用户的打扰。
作为一种可能的实习方式，为了进一步避免对用户的打扰，在第一工作状态下，当用户与电子设备进行实时交互时，只有用户输入的音频数据的意图与目标场景匹配时，才执行与音频数据的意图对应的控制指令。下面结合实施例三，对上述过程进行详细说明。
图4为本申请实施例三所提供的语音识别控制方法的流程示意图。
如图4所示，在图1所示实施例的基础上，在步骤103之后，该语音识别控制方法还可以包括以下步骤：
步骤301，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，当用户输入音频数据后，语音识别装置可以采集音频流，并对该音频流进行语音识别，确定对应的信息流。
步骤302，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，确定对应的各候选意图。
步骤303，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。
步骤304，若筛选得到第二控制意图，执行与第二控制意图对应的控制指令。
本申请实施例中，可以将各候选意图与目标场景的控制意图进行语义匹配，若某个候选意图与目标场景的控制意图匹配，则将该候选意图作为第二控制意图，并执行与第二控制意图对应的控制指令。
举例而言，目标场景为视频场景，目标场景对应的控制意图为“播放视频”，假设信息流为“我要看电影A”，则可以确定该信息流只具有一个候选意图为“播放视频”，此时，可以执行与该候选意图对应的控制指令，即控制电子设备播放电影A。
本申请实施例的语音识别控制方法，在第一工作状态下，当用户与电子设备进行实时交互时，只有用户输入的音频数据的意图与目标场景匹配时，才执行与音频数据的意图对应的控制指令，可以进一步避免对用户的打扰。
作为一种可能的实现方式，当在设定时长内，未得到第二控制意图时，则表明用户未具有控制电子设备的意图，此时，为了降低电子设备的能耗，避免电子设备一直处于第一工作状态，可以退出第一工作状态。
其中，设定时长为预先设置的，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可以为20秒至40秒。
作为一种可能的实现方式，当从所述信息流中获取各候选意图之后，若存在与目标场景的控制意图不匹配的候选意图，则可以拒绝响应该候选意图，以降低对用户的打扰。
举例而言，在视频场景下，若用户输入的音频数据为“哎，这电影的主题曲——歌曲A还蛮好听的呢，一会再听听该歌曲A”，电子设备对该音频数据进行识别，确定该音频数据对应的意图为“播放歌曲”，显然，与视频场景对应的控制意图“播放视频”并不匹配，为了避免对用户的打扰，可以拒绝响应该音频数据对应的意图。
也就是说，在电子设备处于第一工作状态下，只有用户输入的音频数据的意图与目标场景的控制意图匹配时，才响应音频数据对应的意图，以避免对用户的打扰。
为了实现上述实施例，本申请还提出一种语音识别控制方法。
图5为本申请实施例四所提供的语音识别控制方法的流程示意图。
如图5所示，该语音识别控制方法可以包括以下步骤：
步骤401，在目标场景下，查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态。
本申请实施例中，目标场景可以为电子设备当前所显示的界面对应的场景，比如，可以天气场景、音乐场景、视频场景等场景。
本申请实施例中，第一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。第一工作状态的配置信息为用户根据自身需求进行设置的，该配置信息中包括适用第一工作状态的场景列表，该场景列表是响应于用户选择操作，从不同的场景中选择生成的，比如，该场景列表可以为响应于用户选择操作，从音乐场景、有声读物场景、视频场景、天气场景、购物场景等场景中选择生成的。
本申请实施例中，当用户打开某一界面时，语音识别装置可确定该界面对应的目标场景，比如，用户打开视频类应用时，可确定目标场景为视频场景，当用户打开音乐类应用时，可确定目标场景为音乐场景，或者，用户打开天气查询界面时，可确定目标场景为天气场景，此处不一一列举。
本申请实施例中，在目标场景下，语音识别控制装置可以查询第一工作状态的配置信息，以确定该目标场景是否适用于第一工作状态。具体地，当配置信息指示第一工作状态的场景列表中包括该目标场景时，可以确定该目标场景适用于第一工作状态，而当配置信息指示第一工作状态的场景列表中未包括该目标场景时，则确定该目标场景不适用于第一工作状态。
作为一种示例，参见图2，图2为本申请实施例中的配置界面示意图。用户可以根据自身需求，从音乐场景、有声读物场景和视频场景中选择对应的场景，生成第一工作状态的场景列表，假设用户选择的为音乐场景和视频场景，则第一工作状态的场景列表中包括音乐场景和视频场景，假设目标场景为音乐场景，则查询第一工作状态的配置信息，可以确定目标场景适用于第一工作状态。
需要说明的是，图2仅以场景列表是从音乐场景、有声读物场景和视频场景中选择生成的进行示例，即图2仅以场景列表包括音乐场景、有声读物场景和视频场景中的至少一个进行示例，实际应用时，场景列表中还可以包括其他场景，比如天气场景、购物场景等场景，本申请对此并不做限制。
步骤402，若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别。
本申请实施例中，第二工作状态可以为非聆听状态，当电子设备处于该非聆听状态时，用户可以语音输入唤醒词，以唤醒该电子设备进行后续语音识别。其中，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，当电子设备处于第二工作状态下，语音识别控制装置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二工作状态下，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。
本申请实施例中，当语音识别装置确定目标场景适用第一工作状态时，可以将执行的第二工作状态切换为第一工作状态，而当语音识别装置确定目标场景不适用第一工作状态时，可以维持执行第二工作状态。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，改善用户的使用体验。
步骤403，在第一工作状态下，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，当电子设备处于第一工作状态下，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，在该第一工作状态下，用户无需输入唤醒词，即可以与电子设备进行实时交互或连续交互，可以简化用户操作，改善用户的使用体验。
本申请实施例的语音识别控制方法，通过在目标场景下，查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，改善用户的使用体验。
为了实现上述实施例，本申请还提出一种语音识别控制装置。
图6为本申请实施例五所提供的语音识别控制装置的结构示意图。
如图6所示，该语音识别控制装置600包括：查询模块601、切换模块602以及识别模块603。
其中，查询模块601，用于探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态。
切换模块602，用于若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别。
识别模块603，用于在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。
进一步地，在本申请实施例的一种可能的实现方式中，参见图7，在图6所示实施例的基础上，该语音识别控制装置600还可以包括：
第一获取模块604，用于在第二工作状态下，获取到对音频片段语音识别得到的第一控制意图。
确定模块605，用于确定第一控制意图与目标场景匹配。
第二获取模块606，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；并从信息流中获取各候选意图。
筛选模块607，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。
执行模块608，用于若筛选得到第二控制意图，执行与第二控制意图对应的控制指令。
退出模块609，用于若在设定时长内，未得到第二控制意图，退出第一工作状态；其中，设定时长的取值范围为20秒至40秒。
拒绝模块610，用于拒绝响应与目标场景的控制意图不匹配的候选意图。
作为一种可能的实现方式，配置信息中包括适用第一工作状态的场景列表，场景列表是响应于用户选择操作，从音乐场景、有声读物场景和视频场景中选择生成的。
需要说明的是，前述图1至图4实施例对语音识别控制方法的解释说明也适用于该实施例的语音识别控制装置，此处不再赘述。
本申请实施例的语音识别控制装置，通过探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，改善用户的使用体验。
为了实现上述实施例，本申请还提出一种语音识别控制装置。
图8为本申请实施例七所提供的语音识别控制装置的结构示意图。
如图8所示，该语音识别控制装置800包括：查询模块801、切换模块802以及识别模块803。
其中，查询模块801，用于在目标场景下，查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态。
切换模块802，用于若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别。
识别模块803，用于在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。
需要说明的是，前述图5实施例对语音识别控制方法的解释说明也适用于该实施例的语音识别控制装置，此处不再赘述。
本申请实施例的语音识别控制装置，通过在目标场景下，查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，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识别控制方法。
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识别控制方法。
为了实现上述实施例，本申请还提出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本申请前述任一实施例提出的语音识别控制方法。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图9所示，是根据本申请实施例的语音识别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9所示，该电子设备包括：一个或多个处理器901、存储器902，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9中以一个处理器901为例。
存储器902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识别控制方法。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识别控制方法。
存储器902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识别控制方法对应的程序指令/模块(例如，附图6所示的查询模块601、切换模块602以及识别模块603)。处理器901通过运行存储在存储器902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识别控制方法。
存储器902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902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902可选包括相对于处理器901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903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903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904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，通过探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定目标场景是否适用第一工作状态；若目标场景适用第一工作状态，将执行的第二工作状态切换为第一工作状态；其中，在第二工作状态下，根据唤醒词采集音频片段，对音频片段语音识别；在第一工作状态下，连续采集音频得到音频流，以对音频流语音识别。由此，用户可以根据自身需求，设置触发第一工作状态的场景，以满足不同用户的个性化需求，并且，只有在目标场景适用第一工作状态时，才控制设备进入第一工作状态，可以降低对用户的打扰，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 (14)

1.一种语音识别控制方法，其特征在于，包括：
探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；所述配置信息中包括适用所述第一工作状态的场景列表，所述场景列表是响应于用户的选择操作生成的；
若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；
其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
所述将执行的第二工作状态切换为所述第一工作状态之前，还包括：
在所述第二工作状态下，获取到对所述音频片段语音识别得到的第一控制意图；
确定所述第一控制意图与所述目标场景匹配。
2.根据权利要求1所述的语音识别控制方法，其特征在于，所述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；
若筛选得到所述第二控制意图，执行与所述第二控制意图对应的控制指令。
3.根据权利要求2所述的语音识别控制方法，其特征在于，所述从各候选意图中，筛选与所述目标场景的控制意图匹配的第二控制意图之后，还包括：
若在设定时长内，未得到所述第二控制意图，退出所述第一工作状态；
其中，所述设定时长的取值范围为20秒至40秒。
4.根据权利要求2所述的语音识别控制方法，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。
5.根据权利要求1-4任一项所述的语音识别控制方法，其特征在于，所述场景列表是响应于用户选择操作，从音乐场景、有声读物场景和视频场景中选择生成的。
6.一种语音识别控制 装置，其特征在于，所述装置包括：
查询模块，用于探测到调用目标场景相关的应用程序接口，则查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；所述配置信息中包括适用所述第一工作状态的场景列表，所述场景列表是响应于用户的选择操作生成的；
切换模块，用于若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
识别模块，用于在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
第一获取模块，用于在所述将执行的第二工作状态切换为所述第一工作状态之前，在所述第二工作状态下，获取到对所述音频片段语音识别得到的第一控制意图；
确定模块，用于确定所述第一获取模块获取的所述第一控制意图与所述目标场景匹配。
7.根据权利要求6所述的语音识别控制装置，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；并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；
执行模块，用于若筛选得到所述第二控制意图，执行与所述第二控制意图对应的控制指令。
8.根据权利要求7所述的语音识别控制装置，其特征在于，所述装置还包括：
退出模块，用于若在设定时长内，未得到所述第二控制意图，退出所述第一工作状态；
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7所述的语音识别控制装置，其特征在于，所述装置还包括：
拒绝模块，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6-9任一项所述的语音识别控制装置，其特征在于，所述场景列表是响应于用户选择操作，从音乐场景、有声读物场景和视频场景中选择生成的。
11.一种语音识别控制方法，其特征在于，所述方法包括：
在目标场景下，查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；所述配置信息中包括适用所述第一工作状态的场景列表，所述场景列表是响应于用户的选择操作生成的；
若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
所述将执行的第二工作状态切换为所述第一工作状态之前，还包括：
在所述第二工作状态下，获取到对所述音频片段语音识别得到的第一控制意图；
确定所述第一控制意图与所述目标场景匹配。
12.一种语音识别控制装置，其特征在于，所述装置包括：
查询模块，用于在目标场景下，查询第一工作状态的配置信息，以确定所述目标场景是否适用第一工作状态；所述配置信息中包括适用所述第一工作状态的场景列表，所述场景列表是响应于用户的选择操作生成的；
切换模块，用于若所述目标场景适用所述第一工作状态，将执行的第二工作状态切换为所述第一工作状态；其中，在所述第二工作状态下，根据唤醒词采集音频片段，对所述音频片段语音识别；
识别模块，用于在所述第一工作状态下，连续采集音频得到音频流，以对所述音频流语音识别；
第一获取模块，用于在所述将执行的第二工作状态切换为所述第一工作状态之前，在所述第二工作状态下，获取到对所述音频片段语音识别得到的第一控制意图；
确定模块，用于确定所述第一获取模块获取的所述第一控制意图与所述目标场景匹配。
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1-5中任一项所述的语音识别控制方法，或者，执行权利要求11所述的语音识别控制方法。
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1-5中任一项所述的语音识别控制方法，或者，执行权利要求11所述的语音识别控制方法。
CN201910933124.8A 2019-09-29 2019-09-29 语音识别控制方法、装置、电子设备和可读存储介质 Active CN112669831B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910933124.8A CN112669831B (zh) 2019-09-29 2019-09-29 语音识别控制方法、装置、电子设备和可读存储介质
JP2019237718A JP7051799B2 (ja) 2019-09-29 2019-12-27 音声認識制御方法、装置、電子デバイス及び読み取り可能な記憶媒体
KR1020190175877A KR102331254B1 (ko) 2019-09-29 2019-12-27 음성 인식 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
EP19219976.8A EP3799040A1 (en) 2019-09-29 2019-12-30 Speech recognition control method and apparatus, electronic device and readable storage medium
US16/730,534 US20210097993A1 (en) 2019-09-29 2019-12-30 Speech recognition control method and apparatus, electronic device and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910933124.8A CN112669831B (zh) 2019-09-29 2019-09-29 语音识别控制方法、装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN112669831A CN112669831A (zh) 2021-04-16
CN112669831B true CN112669831B (zh) 2022-10-21

Family

ID=69055817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910933124.8A Active CN112669831B (zh) 2019-09-29 2019-09-29 语音识别控制方法、装置、电子设备和可读存储介质

Country Status (5)

Country Link
US (1) US20210097993A1 (zh)
EP (1) EP3799040A1 (zh)
JP (1) JP7051799B2 (zh)
KR (1) KR102331254B1 (zh)
CN (1) CN112669831B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113409758A (zh) * 2021-06-10 2021-09-17 恒大新能源汽车投资控股集团有限公司 一种智能语音的交互方法、装置和系统
CN113805698B (zh) * 2021-09-10 2024-05-03 中国第一汽车股份有限公司 一种执行指令确定方法、装置、设备及存储介质
CN114244879A (zh) * 2021-12-15 2022-03-25 北京声智科技有限公司 一种工业控制系统、工业控制方法和电子设备
CN114785838B (zh) * 2022-03-30 2024-01-26 青岛海尔科技有限公司 设备的控制方法和装置、存储介质及电子装置
CN114900505B (zh) * 2022-04-18 2024-01-30 广州市迪士普音响科技有限公司 一种基于web的音频场景定时切换方法、装置及介质
CN117196449B (zh) * 2023-11-08 2024-04-09 讯飞智元信息科技有限公司 一种视频识别方法、系统以及相关装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140068752A (ko) * 2012-11-28 2014-06-09 엘지전자 주식회사 음성인식을 이용한 전자 기기 구동 장치 및 방법
CN106782554A (zh) * 2016-12-19 2017-05-31 百度在线网络技术（北京）有限公司 基于人工智能的语音唤醒方法和装置
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
CN109473100A (zh) * 2018-11-12 2019-03-15 四川驹马科技有限公司 基于语音识别的业务场景语音人机交互方法及其系统
CN109524010A (zh) * 2018-12-24 2019-03-26 出门问问信息科技有限公司 一种语音控制方法、装置、设备及存储介质
CN110277094A (zh) * 2018-03-14 2019-09-24 阿里巴巴集团控股有限公司 设备的唤醒方法、装置及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9542941B1 (en) * 2015-10-01 2017-01-10 Lenovo (Singapore) Pte. Ltd. Situationally suspending wakeup word to enable voice command input
US9940929B2 (en) * 2015-12-09 2018-04-10 Lenovo (Singapore) Pte. Ltd. Extending the period of voice recognition
KR20180084392A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 전자 장치 및 그의 동작 방법
US10311872B2 (en) * 2017-07-25 2019-06-04 Google Llc Utterance classifier
CN109767774A (zh) * 2017-11-08 2019-05-17 阿里巴巴集团控股有限公司 一种交互方法和设备
JP2019139146A (ja) * 2018-02-14 2019-08-22 オンキヨー株式会社 音声認識システム、及び、音声認識方法
US11074249B2 (en) * 2018-04-10 2021-07-27 Intel Corporation Dynamic adaptation of language understanding systems to acoustic environments

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140068752A (ko) * 2012-11-28 2014-06-09 엘지전자 주식회사 음성인식을 이용한 전자 기기 구동 장치 및 방법
CN106782554A (zh) * 2016-12-19 2017-05-31 百度在线网络技术（北京）有限公司 基于人工智能的语音唤醒方法和装置
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
CN110277094A (zh) * 2018-03-14 2019-09-24 阿里巴巴集团控股有限公司 设备的唤醒方法、装置及电子设备
CN109473100A (zh) * 2018-11-12 2019-03-15 四川驹马科技有限公司 基于语音识别的业务场景语音人机交互方法及其系统
CN109524010A (zh) * 2018-12-24 2019-03-26 出门问问信息科技有限公司 一种语音控制方法、装置、设备及存储介质

Also Published As

Publication number Publication date
KR102331254B1 (ko) 2021-11-26
CN112669831A (zh) 2021-04-16
US20210097993A1 (en) 2021-04-01
JP7051799B2 (ja) 2022-04-11
JP2021056483A (ja) 2021-04-08
KR20210038811A (ko) 2021-04-08
EP3799040A1 (en) 2021-03-31

Similar Documents

Publication Publication Date Title
CN112669831B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
CN111192591B (zh) 智能设备的唤醒方法、装置、智能音箱及存储介质
CN112533041A (zh) 视频播放方法、装置、电子设备和可读存储介质
CN111177453B (zh) 控制音频播放的方法、装置、设备及计算机可读存储介质
KR102358012B1 (ko) 음성 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
CN112530419B (zh) 语音识别控制方法、装置、电子设备和可读存储介质
JP7017598B2 (ja) スマートデバイスのデータ処理方法、装置、機器及び記憶媒体
CN112825013A (zh) 终端设备的控制方法和装置
CN110557699B (zh) 一种智能音箱交互方法、装置、设备及存储介质
JP2021044795A (ja) プログラムの起動方法、装置、デバイス及び記憶媒体
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
JP7556063B2 (ja) 動画の編集方法、装置、電子機器、媒体
CN111901482B (zh) 功能控制方法、装置、电子设备及可读存储介质
CN112584280B (zh) 智能设备的控制方法、装置、设备和介质
CN111160318B (zh) 电子设备控制方法及装置
CN113556649A (zh) 智能音箱的播报控制方法和装置
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
CN113555014A (zh) 一种语音交互的方法、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: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) 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: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant