CN113438529A - 基于智能耳机的家庭电视机的控制方法、设备及存储介质 - Google Patents
基于智能耳机的家庭电视机的控制方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113438529A CN113438529A CN202110662731.2A CN202110662731A CN113438529A CN 113438529 A CN113438529 A CN 113438529A CN 202110662731 A CN202110662731 A CN 202110662731A CN 113438529 A CN113438529 A CN 113438529A
- Authority
- CN
- China
- Prior art keywords
- voice
- television
- target
- power saving
- recognition result
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims description 53
- 238000013135 deep learning Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 102000010029 Homer Scaffolding Proteins Human genes 0.000 claims description 8
- 108010077223 Homer Scaffolding Proteins Proteins 0.000 claims description 8
- 238000010411 cooking Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241001672694 Citrus reticulata Species 0.000 description 2
- 235000011194 food seasoning agent Nutrition 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/41—Structure of client; Structure of client peripherals
- H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
- H04N21/42203—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
-
- 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
- G10L15/005—Language recognition
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/443—OS processes, e.g. booting an STB, implementing a Java virtual machine in an STB or power management in an STB
- H04N21/4436—Power management, e.g. shutting down unused components of the receiver
-
- 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)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了基于智能耳机的家庭电视机的控制方法、设备及存储介质,该控制方法通过当智能耳机处于目标厨房中时实时地采集目标厨房所在的目标套房中的当前环境语音,然后将当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到电视语音识别模型输出的是否为电视语音的语音识别结果,最后若语音识别结果为电视语音,则生成省电指令同时将省电指令发送至目标套房中的目标电视机,当目标电视机接收到省电指令时便进入省电模式,从而可以根据用户是否在观看电视而灵活地控制电视机所消耗的电能,节约了电能源。
Description
技术领域
本发明涉及耳机领域,尤其涉及一种基于智能耳机的家庭电视机的控制方法、计算机设备及可读存储介质。
背景技术
随着社会节奏加快,用户的生活节奏也加快。
现在上班族,平常工作日上班,仅有周末休息。很多上班用户平常没时间做饭,伙食吃得简单,为了犒劳下自己,仅在周末才有时间做饭。通常做一个好菜或适合自己胃口的菜,需要准备和烹饪的时间长,且需要烹饪技巧,比如尤其需要关注火候。上班族平常上班和加班很少有时间看电视,为了充分利用周末时间,在烹饪美味佳肴的同时,也见缝插针式地利用烹饪间隙时间看电视。因为需要不断地调整火候或调味等等,便难免在没有关闭电视机的情况下,多次进出厨房,同时为了不错过任何机会给自己带来娱乐的时间,在走进厨房前,用户戴起智能耳机,然后一边听烹饪一边听音乐,但是烹饪的过程中需要加入其他配食材、调味或调火候等等,容易长时间待在厨房中而大厅的电视机长时间没关闭,从而导致浪费电能源。
因此,寻找一种自动控制家庭电视机的智能耳机成为本领域技术人员亟需解决的问题。
发明内容
本发明实施例提供一种基于智能耳机的家庭电视机的控制方法、设备及存储介质,以解决长时间待在厨房中而大厅的电视机长时间没关闭导致的浪费电能源的问题。
一种基于智能耳机的家庭电视机的控制方法,包括:
当所述智能耳机处于目标厨房中时采集所述目标厨房所在的目标套房中的当前环境语音;
将所述当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到所述电视语音识别模型输出的是否为电视语音的语音识别结果;
若所述语音识别结果为所述电视语音,则生成省电指令同时将所述省电指令发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入省电模式。
可选的,所述电视语音识别模型由历史环境语音和历史识别结果作为样本训练得到。
可选的,将所述当前环境语音输入至预先训练好的方言模型中进行方言识别处理,得到所述方言模型输出的是否为方言语音的方言识别结果;
若所述方言识别结果为所述方言语音,则确定所述语音识别结果为非电视语音;
若所述方言识别结果为非方言语音,则确定所述语音识别结果为所述电视语音。
可选的,将所述当前环境语音输入至预先训练好的拉家常模型中进行拉家常识别处理,得到所述拉家常模型输出的是否为拉家常语音的拉家常识别结果;
若所述拉家常识别结果为所述拉家常语音,则确定所述语音识别结果为所述电视语音;
若所述拉家常识别结果为非拉家常语音,则确定所述语音识别结果为非电视语音。
可选的,将所述当前环境语音输入至预先训练好的声源识别模型中进行声源识别处理,得到所述声源识别模型输出的是否为电视声源的声源识别结果;
若所述声源识别结果为所述电视声源,则确定所述语音识别结果为所述电视语音;
若所述声源识别结果为非电视声源,则确定所述语音识别结果为非电视语音。
可选的,获取所述智能耳机处于所述目标厨房中的目标时间段;
所述若所述语音识别结果为所述电视语音,则生成省电指令同时将所述省电指令发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入省电模式具体为:
若所述语音识别结果为所述电视语音,则生成省电指令,同时将所述省电指令和所述目标时间段发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入所述目标时间段对应的省电模式。
可选的,所述目标时间段包括短时间段、中时间段和长时间段,所述短时间段的时间差小于所述中时间段的时间差,所述中时间段的时间差小于所述长时间段的时间差,所述省电模式包括黑屏模式、待机模式和关机模式,所述省电指令包括短省电指令、中省电指令和长省电指令,若所述语音识别结果为所述电视语音,且所述目标时间段为所述短时间段,则生成短省电指令,同时将所述短省电指令和所述短时间段发送至所述目标套房中的所述目标电视机,以供所述目标电视机基于所述短省电指令进入所述短时间段对应的所述黑屏模式;
若所述语音识别结果为所述电视语音,且所述目标时间段为所述中时间段,则生成中省电指令,同时将所述中省电指令和所述中时间段发送至所述目标套房中的所述目标电视机,以供所述目标电视机基于所述中省电指令进入所述中时间段对应的所述待机模式;
若所述语音识别结果为所述电视语音,且所述目标时间段为所述长时间段,则生成省电指令,同时将所述长省电指令和所述长时间段发送至所述目标套房中的所述目标电视机,以供所述目标电视机基于所述长省电指令进入所述长时间段对应的所述关机模式。
可选的,在预设的样本数据库中,获取所述历史环境语音和所述历史识别结果作为训练样本;
将所述历史环境语音输入至深度学习识别模型中进行识别处理,得到临时识别结果;
以所述临时识别结果与所述历史识别结果之间的误差最小化,不断调整所述深度学习识别模型中的隐含层;
若所述误差满足预设的误差条件,则将调整后的深度学习识别模型作为训练好的电视语音识别模型。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
上述基于智能耳机的家庭电视机的控制方法、计算机设备及可读存储介质中,通过当智能耳机处于目标厨房中时实时地采集目标厨房所在的目标套房中的当前环境语音,然后将当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到电视语音识别模型输出的是否为电视语音的语音识别结果,最后若语音识别结果为电视语音,则生成省电指令同时将省电指令发送至目标套房中的目标电视机,当目标电视机接收到省电指令时便进入省电模式,从而可以根据用户是否在观看电视而灵活地控制电视机所消耗的电能,节约了电能源。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于智能耳机的家庭电视机的控制方法的一应用环境示意图;
图2是本发明一实施例中基于智能耳机的家庭电视机的控制方法的一流程图;
图3是本发明一实施例中方法中步骤S20的一流程图;
图4是本发明一实施例中方法中拉家常识别的一流程图;
图5是本发明一实施例中方法中声源识别的一流程图;
图6是本发明一实施例中方法中获取目标时间段的一流程图;
图7是本发明一实施例中方法中训练电视语音识别模型的一流程图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请提供的方法,可应用如图1的应用环境中,该应用环境包括服务端和客户端,其中,客户端通过有线网络或无线网络与服务端进行通信。其中,客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。客户端用于发出电视语音和接收省电指令以及基于省电指令进入省电模式,服务端用于采集当前环境语音和识别该当前环境语音是否为电视语音,同时发送省电指令。
在一实施例中,如图2所示,提供一种基于智能耳机的家庭电视机的控制方法,以该基于智能耳机的家庭电视机的控制方法应用在图1中的服务端为例进行说明,包括如下步骤:
S10、当智能耳机处于目标厨房中时采集目标厨房所在的目标套房中的当前环境语音。
在本实施例中,在采集目标厨房所在的目标套房中的当前环境语音之前,需要识别智能耳机是否处于目标厨房中,也即采用智能耳机的针孔摄像头采集当前环境图片,然后将该采集到的当前环境图片输入至预先训练好的厨房识别模型中进行厨房识别处理,得到厨房识别模型输出的是否为厨房环境的厨房识别结果,具体为:先判断采集到的当前环境图片与厨房识别模型库中的哪张目标图片一致,然后根据预先设置好的图片结果对应关系,获取与当前环境图片一致的目标图片所对应的第一目标结果,最后将该第一目标结果作为厨房识别模型输出的厨房识别结果。其中,图片结果对应关系为目标图片与第一目标结果之间的对应关系。
若该厨房识别结果为厨房环境,则确定当智能耳机处于目标厨房中;若该厨房识别结果为非厨房环境,则确定当智能耳机处于非目标厨房中。厨房环境的内容可以为″是厨房图片″,非厨房环境的内容可以为″不是厨房的图片″。
比如第一目标图片包括锅、油烟机、碗、灶、橱柜等。
需要说明的是,厨房识别模型由历史厨房图片和历史厨房识别结果作为样本训练得到。厨房识别模型可以为卷积神经网络等,厨房环境、非厨房环境和厨房识别模型的具体内容,可以根据实际应用进行设定,此处不做限制。
S20、将当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到电视语音识别模型输出的是否为电视语音的语音识别结果。
具体地,为了能够准确地识别出当前环境语音是否为电视语音,智能耳机需要将在步骤S10中获取到的当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到电视语音识别模型输出的是否为电视语音的语音识别结果,也即判断步骤S10中获取到的当前环境语音中的语言种类、语音内容、语音频率和语音频宽与哪种目标语音一致,根据预设的语音结果对应关系,获取与当前环境语音一致的目标语音所对应的第二目标结果,最后将该第二目标结果作为电视语音识别模型输出的语音识别结果。
若语音识别结果为电视语音,则代表当前环境语音为目标电视所发出的声音,同时执行步骤S30;若语音识别结果为非电视语音,则代表当前环境语音不是目标电视所发出的声音,也即代表当前环境语音为人体本身发出的声音。
其中,语言种类可以为″普通话″或″粤语″等,语音内容可以为″央视一台报道″或″未来3天高温持续″等。
需要说明的是,语言种类和语音内容的具体内容,可以根据实际应用进行设定,此处不做限制。
S30、若语音识别结果为电视语音,则生成省电指令同时将省电指令发送至目标套房中的目标电视机,以供目标电视机基于省电指令进入省电模式。
具体地,若步骤S20中识别出的语音识别结果为电视语音,则智能耳机生成省电指令同时通过家庭中的路由器和网络将省电指令发送至目标套房中的目标电视机,当目标电视机接收到省电指令时,目标电视机基于该省电指令进入省电模式。
其中,该目标电视机为发出电视语音的电视机,该省电模式包括黑屏模式、待机模式和关机模式,需要说明的是,黑屏模式为电视机的屏幕处于灭光状态,也即电视机的屏幕处于黑色状态。待机模式为电视机处于待机状态,也即电视机仅处于开机状态,维持在数据保存在内存中的运行状态,电视机只对内存供电,而硬盘、屏幕和CPU等部件则停止供电。关机模式为电视机处于关机状态。
在图2对应的实施例中,通过上述步骤S10至步骤S30,当智能耳机处于目标厨房中时实时地采集目标厨房所在的目标套房中的当前环境语音,然后将当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到电视语音识别模型输出的是否为电视语音的语音识别结果,最后若语音识别结果为电视语音,则生成省电指令同时将省电指令发送至目标套房中的目标电视机,当目标电视机接收到省电指令时便进入省电模式,从而可以根据用户是否在观看电视而灵活地控制电视机所消耗的电能,节约了电能源。
在一具体实施例中,电视语音识别模型由历史环境语音和历史语音识别结果作为样本训练得到,通过准确的训练样本历史环境语音和历史语音识别结果,确保训练出的电视语音识别模型具有准确的识别能力,从而提高了电视语音识别模型的识别准确性。
在一具体实施例中,如图3所示,步骤S20(即,将当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到电视语音识别模型输出的是否为电视语音的语音识别结果)具体包括如下步骤:
S201、将当前环境语音输入至预先训练好的方言模型中进行方言识别处理,得到方言模型输出的是否为方言语音的方言识别结果。
具体地,为了能够准确地识别出当前环境语音是否为电视语音,考虑到通常情况下,若是目标套房中为人与人正常的交流,是家人之间的交流,说的是方言,所以要区分出当前环境语音方言语音还是电视语音,需要将在步骤S10中获取到的当前环境语音输入至预先训练好的方言模型中进行方言识别处理,得到方言模型输出的是否为方言语音的方言识别结果,也即先分析当前环境语音是否能识别,也即先判断当前环境语音是否与普通话一样,若是,则确定方言模型输出的方言识别结果为非方言语音,同时执行步骤S203;若否,则确定方言模型输出的方言识别结果为方言语音,同时执行步骤S202。
需要说明的是,方言识别模型由历史环境语音和历史方言识别结果作为样本训练得到。方言识别模型可以为深度学习模型等。
S202、若方言识别结果为方言语音,则确定语音识别结果为非电视语音。
具体地,若方言识别结果为方言语音,则确定语音识别结果为非电视语音,也即代表当前环境语音为人与人之间现场交流的语音。
S203、若方言识别结果为非方言语音,则确定语音识别结果为电视语音。
具体地,若方言识别结果为非方言语音,则确定语音识别结果为电视语音,也即代表当前环境语音为电视机中电视节目所发出的语音。
在图3对应的实施例中,通过上述步骤S201至步骤S203,因为方言识别模型由历史环境语音和历史方言识别结果作为样本训练得到,历史环境语音和历史方言识别结果为正确的数据,所以方言识别模型识别出的结果是正确的,从而保证了快速地识别出当前环境语音是否为电视语音的同时,提高了方言识别模型的准确性。
在一具体实施例中,如图4所示,在步骤S202之前,还包括拉家常识别,具体包括如下步骤:
S301、将当前环境语音输入至预先训练好的拉家常模型中进行拉家常识别处理,得到拉家常模型输出的是否为拉家常语音的拉家常识别结果。
在本实施例中,为了能够准确地识别出当前环境语音是否为电视语音,考虑到电视机的电视台也有方言台,所以方言识别结果为方言语音,也并非能够确定当前环境语音为人与人之间现场交流的语音,所以智能耳机需要将当前环境语音输入至预先训练好的拉家常模型中进行拉家常识别处理,得到拉家常模型输出的是否为拉家常语音的拉家常识别结果,也即判断当前环境语音的内容是否为拉家常内容,该拉家常内容可以为″最近过得怎样啊″、″上会回娘家″、″小孩上小学了″等等,若是,则获取拉家常内容所对应的第三目标结果,同时将该第三目标结果确定为拉家常识别结果,以及执行步骤S303。
若否,则获取非拉家常内容所对应的第四目标结果,同时将该第四目标结果确定为拉家常识别结果,以及执行步骤S302。其中,第三目标结果与第四目标结果为两种不同的结果。
需要说明的是,该拉家常模型为循环卷积神经网络等,该拉家常模型由历史环境语音和历史拉家常识别结果作为样本训练得到。
S302、若拉家常识别结果为非拉家常语音,则确定语音识别结果为电视语音。
具体地,若在步骤S301中得到的拉家常识别结果为非拉家常语音,则确定语音识别结果为电视语音,也即,若在步骤S301中得到的拉家常识别结果为非拉家常语音,则确定当前环境语音为电视语音。
S303、若拉家常识别结果为拉家常语音,则确定语音识别结果为非电视语音。
具体地,若在步骤S301中得到的拉家常识别结果为拉家常语音,则确定语音识别结果为非电视语音,也即,若在步骤S301中得到的拉家常识别结果为拉家常语音,确定语音识别结果为非电视语音。
在图4对应的实施例中,通过上述步骤S301至步骤S301,因为拉家常识别模型由历史环境语音和历史拉家常识别结果作为样本训练得到,历史环境语音和历史拉家常识别结果为正确的数据,所以拉家常识别模型识别出的结果是正确的,从而保证了快速地识别出当前环境语音是否为电视语音的同时,提高了拉家常识别模型的准确性。
在一具体实施例中,如图5所示,在步骤S303之前,还包括声源识别,具体包括如下步骤:
S401、将当前环境语音输入至预先训练好的声源识别模型中进行声源识别处理,得到声源识别模型输出的是否为电视声源的声源识别结果。
在本实施例中,为了能够准确地识别出当前环境语音是否为电视语音,考虑到电视机的电视台也有拉家常节目,比如电视机中的某个情景,所以需要将当前环境语音输入至预先训练好的声源识别模型中进行声源识别处理,得到声源识别模型输出的是否为电视声源的声源识别结果,也即判断当前环境语音的声源是否为失真声源,可以理解的是,通常电视机发出的声音经过电路和喇叭,存在一定的衰减,所以现场人的声音源比电视机发出的声音源的频率要高且声音成分多,需要说明的频率和成分即为音调和音色。若当前环境语音的声源的频率高于或等于预设的第一目标值,和当前环境语音的声源的成分多于或等于预设的第二目标值,则确定声源识别模型输出的声源识别结果为非电视声源,同时执行步骤S403;若当前环境语音的声源的频率低于预设的第一目标值,和当前环境语音的声源的成分小于预设的第二目标值,则确定声源识别模型输出的声源识别结果为电视声源,同时执行步骤S402。
需要说明的是,声源识别模型由历史声源和历史声源识别结果作为训练样本训练得到。声源识别模型可以为生成式对抗网络,声源识别模型的具体内容,可以根据实际应用进行设定,此处不做限制。
S402、若声源识别结果为电视声源,则确定语音识别结果为电视语音。
具体地,若步骤S401中识别到的声源识别结果为电视声源,则代表当前环境语音为目标电视机所发出的声源,同时确定语音识别结果为电视语音。
S403、若声源识别结果为非电视声源,确定语音识别结果为非电视语音。
具体地,若步骤S401中识别到的声源识别结果为非电视声源,则代表当前环境语音为现场人体所发出的声源,同时确定语音识别结果为非电视语音。
在图5对应的实施例中,通过上述步骤S401至步骤S403,因为声源识别模型由历史声源和历史声源识别结果作为样本训练得到,历史声源和历史声源识别结果为正确的数据,所以声源识别模型识别出的结果是正确的,从而保证了快速地识别出当前环境语音的声源是否为电视声源的同时,提高了声源识别模型的准确性。
在一具体实施例中,如图6所示,在步骤S30之前,还包括获取目标时间段,具体包括如下步骤:
S501、获取智能耳机处于目标厨房中的目标时间段。
具体地,为了准确灵活地控制目标电视机进入不同的省电模式,需要在时间段数据库中,获取智能耳机处于目标厨房中的目标时间段,也即先记录智能耳机进入目标厨房的第一时间节点,然后对智能耳机处于目标厨房中进行计时,从而得到智能耳机处于目标厨房中的目标时间段,可以理解的是,该目标时间段对应时间区间。比如目标时间段为20分钟,则20分钟对应的时间区间为[15,30]。
S502、步骤S30具体为:若语音识别结果为电视语音,则生成省电指令,同时将省电指令和目标时间段发送至目标套房中的目标电视机,以供目标电视机基于省电指令进入目标时间段对应的省电模式。
具体地,若在步骤S20中识别到的语音识别结果为电视语音,则生成省电指令,同时通过网络将将省电指令和目标时间段发送至目标套房中的目标电视机,当目标电视机接收到省电指令和目标时间段时,目标电视机基于省电指令进入目标时间段对应的省电模式。
在图6对应的实施例中,通过上述步骤S501至步骤S502,考虑到智能耳机在目标厨房中所待的时间段长短,也即用户在目标厨房中所待的时间段长短,根据时间段长短灵活地控制目标电视机不同的省电模式,提高了控制目标电视机的灵活性。
在一具体实施例中,目标时间段包括短时间段、中时间段和长时间段,短时间段的时间差小于中时间段的时间差,中时间段的时间差小于长时间段的时间差,省电模式包括黑屏模式、待机模式和关机模式,省电指令包括短省电指令、中省电指令和长省电指令,如图7所示,步骤S30(即,若语音识别结果为电视语音,则生成省电指令,同时将省电指令和目标时间段发送至目标套房中的目标电视机,以供目标电视机基于省电指令进入目标时间段对应的省电模式)具体包括如下步骤:
S301、若语音识别结果为电视语音,且目标时间段为短时间段,则生成短省电指令,同时将短省电指令和短时间段发送至目标套房中的目标电视机,以供目标电视机基于短省电指令进入短时间段对应的黑屏模式。
具体地,为了达到更加省电的目的,也即灵活地控制目标电视机的省电模式,若在步骤S20中获取到的语音识别结果为电视语音,且目标时间段为短时间段,则生成短省电指令,同时通过网络将短省电指令和短时间段发送至目标套房中的目标电视机,当目标电视机接收到短省电指令和短时间段时,目标电视机基于短省电指令进入短时间段对应的黑屏模式。其中,该短省电指令为控制目标电视机进入黑屏模式的指令。
需要说明的是,黑屏模式为目标电视机屏幕灯光熄灭,其他功能正常运行的模式。
S302、若语音识别结果为电视语音,且目标时间段为中时间段,则生成省电指令,同时将省电指令和中时间段发送至目标套房中的目标电视机,以供目标电视机基于省电指令进入中时间段对应的待机模式。
具体地,为了达到更加省电的目的,也即灵活地控制目标电视机的省电模式,若在步骤S20中获取到的语音识别结果为电视语音,且目标时间段为中时间段,则生成中省电指令,同时通过网络将中省电指令和中时间段发送至目标套房中的目标电视机,当目标电视机接收到中省电指令和中时间段时,目标电视机基于中省电指令进入中时间段对应的待机模式。其中,该中省电指令为控制目标电视机进入待机模式的指令。
需要说明的是,待机模式为屏幕灯光熄灭,其他功能正常运行的模式。
S303、若语音识别结果为电视语音,且目标时间段为长时间段,则生成省电指令,同时将省电指令和长时间段发送至目标套房中的目标电视机,以供目标电视机基于省电指令进入长时间段对应的关机模式。
具体地,为了达到更加省电的目的,也即灵活地控制目标电视机的省电模式,若在步骤S20长获取到的语音识别结果为电视语音,且目标时间段为长时间段,则生成长省电指令,同时通过网络将长省电指令和长时间段发送至目标套房长的目标电视机,当目标电视机接收到长省电指令和长时间段时,目标电视机基于长省电指令进入长时间段对应的关机模式。其长,该长省电指令为控制目标电视机进入关机模式的指令。
在图7对应的实施例中,通过上述步骤S301至步骤S303,根据智能耳机在目标厨房中所待的时间段长短,也即根据用户在目标厨房中所待的时间段长短,灵活地控制目标电视机不同的省电模式,提高了控制目标电视机的灵活性。
在一具体实施例中,如图8所示,在步骤S20之前,还包括训练电视语音识别模型,具体包括如下步骤:
S601、在预设的样本数据库中,获取历史环境语音和历史识别结果作为训练样本。
具体地,要训练出准确的识别能力的电视语音识别模型,需要在预设的样本数据库中,获取历史环境语音和历史识别结果作为训练样本,也即,在预设的样本数据库中,获取历史环境语音和历史识别结果的存储路径,然后根据存储路径提取历史环境语音和历史识别结果。
需要说明的是,样本数据库可以为MySQL数据库或oracle数据库等,该样本数据库的具体内容,可以根据实际应用进行设定,此处不做限制。
S602、将历史环境语音输入至深度学习识别模型中进行识别处理,得到临时识别结果。
具体地,要训练出准确的识别能力的电视语音识别模型,需要将在步骤S601中获取到的历史环境语音输入至深度学习识别模型中进行语音识别处理,得到临时识别结果。
需要说明的是,深度学习识别模型可以为递归神经网络模型,深度学习识别模型的具体内容,可以根据实际应用进行设定,此处不做限制。
S603、以临时识别结果与历史识别结果之间的误差最小化,不断调整深度学习识别模型中的隐含层。
具体地,以在步骤S602中获取到的临时识别结果与在步骤S601中获取到的历史识别结果之间的误差最小化,不断循环地调整深度学习识别模型中的隐含层。
需要说明的是,隐含层为神经元节点、分类器等数据。
S604、若误差满足预设的误差条件,则将调整后的深度学习识别模型作为训练好的电视语音识别模型。
具体地,若误差满足预设的误差条件,则将在步骤S604中调整后的深度学习识别模型作为训练好的电视语音识别模型。
在图8对应的实施例中,通过上述步骤S601至步骤S602,因为深度学习识别模型由历史环境语音和历史识别结果作为样本训练得到,历史环境语音和历史识别结果为正确的数据,所以参数调整后的深度学习识别模型识别出的结果是正确的,也即电视语音识别模型识别出的结果是正确的,从而提高了电视语音识别模型的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性可读存储介质、内存储器。该非易失性可读存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储方法所涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例方法的步骤,例如图2所示的步骤S10至步骤S30。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中方法。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取可读存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于智能耳机的家庭电视机的控制方法,其特征在于,所述基于智能耳机的家庭电视机的控制方法包括:
当所述智能耳机处于目标厨房中时采集所述目标厨房所在的目标套房中的当前环境语音;
将所述当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到所述电视语音识别模型输出的是否为电视语音的语音识别结果;
若所述语音识别结果为所述电视语音,则生成省电指令同时将所述省电指令发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入省电模式。
2.如权利要求1所述的基于智能耳机的家庭电视机的控制方法,其特征在于,所述电视语音识别模型由历史环境语音和历史识别结果作为样本训练得到。
3.如权利要求2所述的基于智能耳机的家庭电视机的控制方法,其特征在于,所述将所述当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到所述电视语音识别模型输出的是否为电视语音的语音识别结果包括:
将所述当前环境语音输入至预先训练好的方言模型中进行方言识别处理,得到所述方言模型输出的是否为方言语音的方言识别结果;
若所述方言识别结果为所述方言语音,则确定所述语音识别结果为非电视语音;
若所述方言识别结果为非方言语音,则确定所述语音识别结果为所述电视语音。
4.如权利要求3所述的基于智能耳机的家庭电视机的控制方法,其特征在于,在所述确定所述语音识别结果为非电视语音的步骤之前,所述基于智能耳机的家庭电视机的控制方法还包括:
将所述当前环境语音输入至预先训练好的拉家常模型中进行拉家常识别处理,得到所述拉家常模型输出的是否为拉家常语音的拉家常识别结果;
若所述拉家常识别结果为所述拉家常语音,则确定所述语音识别结果为所述电视语音;
若所述拉家常识别结果为非拉家常语音,则确定所述语音识别结果为非电视语音。
5.如权利要求4所述的基于智能耳机的家庭电视机的控制方法,其特征在于,在所述确定所述语音识别结果为非电视语音的步骤之前,所述基于智能耳机的家庭电视机的控制方法还包括:
将所述当前环境语音输入至预先训练好的声源识别模型中进行声源识别处理,得到所述声源识别模型输出的是否为电视声源的声源识别结果;
若所述声源识别结果为所述电视声源,则确定所述语音识别结果为所述电视语音;
若所述声源识别结果为非电视声源,则确定所述语音识别结果为非电视语音。
6.如权利要求1所述的基于智能耳机的家庭电视机的控制方法,其特征在于,在所述生成省电指令同时将所述省电指令发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入省电模式的步骤之前,所述基于智能耳机的家庭电视机的控制方法还包括:
获取所述智能耳机处于所述目标厨房中的目标时间段;
所述若所述语音识别结果为所述电视语音,则生成省电指令同时将所述省电指令发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入省电模式具体为:
若所述语音识别结果为所述电视语音,则生成省电指令,同时将所述省电指令和所述目标时间段发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入所述目标时间段对应的省电模式。
7.如权利要求6所述的基于智能耳机的家庭电视机的控制方法,其特征在于,所述目标时间段包括短时间段、中时间段和长时间段,所述短时间段的时间差小于所述中时间段的时间差,所述中时间段的时间差小于所述长时间段的时间差,所述省电模式包括黑屏模式、待机模式和关机模式,所述省电指令包括短省电指令、中省电指令和长省电指令,所述若所述语音识别结果为所述电视语音,则生成省电指令,同时将所述省电指令和所述目标时间段发送至所述目标套房中的目标电视机,以供所述目标电视机基于所述省电指令进入所述目标时间段对应的省电模式包括:
若所述语音识别结果为所述电视语音,且所述目标时间段为所述短时间段,则生成短省电指令,同时将所述短省电指令和所述短时间段发送至所述目标套房中的所述目标电视机,以供所述目标电视机基于所述短省电指令进入所述短时间段对应的所述黑屏模式;
若所述语音识别结果为所述电视语音,且所述目标时间段为所述中时间段,则生成中省电指令,同时将所述中省电指令和所述中时间段发送至所述目标套房中的所述目标电视机,以供所述目标电视机基于所述中省电指令进入所述中时间段对应的所述待机模式;
若所述语音识别结果为所述电视语音,且所述目标时间段为所述长时间段,则生成长省电指令,同时将所述长省电指令和所述长时间段发送至所述目标套房中的所述目标电视机,以供所述目标电视机基于所述长省电指令进入所述长时间段对应的所述关机模式。
8.如权利要求2至7中任一项所述的基于智能耳机的家庭电视机的控制方法,其特征在于,在所述将所述当前环境语音输入至预先训练好的电视语音识别模型中进行电视语音识别处理,得到所述电视语音识别模型输出的是否为电视语音的语音识别结果的步骤之前,所述基于智能耳机的家庭电视机的控制方法还包括:
在预设的样本数据库中,获取所述历史环境语音和所述历史识别结果作为训练样本;
将所述历史环境语音输入至深度学习识别模型中进行识别处理,得到临时识别结果;
以所述临时识别结果与所述历史识别结果之间的误差最小化,不断调整所述深度学习识别模型中的隐含层;
若所述误差满足预设的误差条件,则将调整后的深度学习识别模型作为训练好的电视语音识别模型。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的基于智能耳机的家庭电视机的控制方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于智能耳机的家庭电视机的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662731.2A CN113438529A (zh) | 2021-06-15 | 2021-06-15 | 基于智能耳机的家庭电视机的控制方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662731.2A CN113438529A (zh) | 2021-06-15 | 2021-06-15 | 基于智能耳机的家庭电视机的控制方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113438529A true CN113438529A (zh) | 2021-09-24 |
Family
ID=77756018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110662731.2A Pending CN113438529A (zh) | 2021-06-15 | 2021-06-15 | 基于智能耳机的家庭电视机的控制方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113438529A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556727A (zh) * | 2008-04-10 | 2009-10-14 | 上海宇嵌电子科技有限公司 | 一种对家居环境进行节能环保调控与安全守护的电子设备 |
US20110242268A1 (en) * | 2010-03-31 | 2011-10-06 | Jin Kim | Television Appliance |
US20130311807A1 (en) * | 2012-05-15 | 2013-11-21 | Lg Innotek Co., Ltd. | Display apparatus and power saving method thereof |
CN104394445A (zh) * | 2014-11-27 | 2015-03-04 | 上海斐讯数据通信技术有限公司 | 一种自动关机的方法及自动关机的装置 |
CN105785781A (zh) * | 2016-03-24 | 2016-07-20 | 青岛黄海学院 | 一种室内电气控制系统及其方法 |
CN106534565A (zh) * | 2016-11-28 | 2017-03-22 | 努比亚技术有限公司 | 电视控制装置、移动终端及方法 |
CN106534543A (zh) * | 2016-11-15 | 2017-03-22 | 努比亚技术有限公司 | 电视控制装置、移动终端及方法 |
WO2018227344A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳市智晟达科技有限公司 | 一种家人休息时调整电视音量的方法和数字电视 |
CN109698919A (zh) * | 2018-12-29 | 2019-04-30 | 出门问问信息科技有限公司 | 电视节能方法、电视机及存储介质 |
CN109949801A (zh) * | 2019-01-10 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 一种基于耳机的智能家居设备语音控制方法及系统 |
CN110620707A (zh) * | 2018-06-19 | 2019-12-27 | 广东美的生活电器制造有限公司 | 状态提示方法、装置、设备及存储介质 |
CN112004151A (zh) * | 2020-08-20 | 2020-11-27 | 深圳前海茂佳软件科技有限公司 | 电视设备的控制方法、电视设备及可读存储介质 |
CN112073814A (zh) * | 2020-09-08 | 2020-12-11 | 深圳创维-Rgb电子有限公司 | 待机模式控制方法及智能电视机、计算机可读存储介质 |
CN112423064A (zh) * | 2020-11-04 | 2021-02-26 | 深圳创维-Rgb电子有限公司 | 基于环境声音自动调节音量处理方法、装置、终端及介质 |
CN112449225A (zh) * | 2019-09-02 | 2021-03-05 | 深圳Tcl数字技术有限公司 | 一种电视机控制方法、电视机及存储介质 |
-
2021
- 2021-06-15 CN CN202110662731.2A patent/CN113438529A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556727A (zh) * | 2008-04-10 | 2009-10-14 | 上海宇嵌电子科技有限公司 | 一种对家居环境进行节能环保调控与安全守护的电子设备 |
US20110242268A1 (en) * | 2010-03-31 | 2011-10-06 | Jin Kim | Television Appliance |
US20130311807A1 (en) * | 2012-05-15 | 2013-11-21 | Lg Innotek Co., Ltd. | Display apparatus and power saving method thereof |
CN104394445A (zh) * | 2014-11-27 | 2015-03-04 | 上海斐讯数据通信技术有限公司 | 一种自动关机的方法及自动关机的装置 |
CN105785781A (zh) * | 2016-03-24 | 2016-07-20 | 青岛黄海学院 | 一种室内电气控制系统及其方法 |
CN106534543A (zh) * | 2016-11-15 | 2017-03-22 | 努比亚技术有限公司 | 电视控制装置、移动终端及方法 |
CN106534565A (zh) * | 2016-11-28 | 2017-03-22 | 努比亚技术有限公司 | 电视控制装置、移动终端及方法 |
WO2018227344A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳市智晟达科技有限公司 | 一种家人休息时调整电视音量的方法和数字电视 |
CN110620707A (zh) * | 2018-06-19 | 2019-12-27 | 广东美的生活电器制造有限公司 | 状态提示方法、装置、设备及存储介质 |
CN109698919A (zh) * | 2018-12-29 | 2019-04-30 | 出门问问信息科技有限公司 | 电视节能方法、电视机及存储介质 |
CN109949801A (zh) * | 2019-01-10 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 一种基于耳机的智能家居设备语音控制方法及系统 |
CN112449225A (zh) * | 2019-09-02 | 2021-03-05 | 深圳Tcl数字技术有限公司 | 一种电视机控制方法、电视机及存储介质 |
CN112004151A (zh) * | 2020-08-20 | 2020-11-27 | 深圳前海茂佳软件科技有限公司 | 电视设备的控制方法、电视设备及可读存储介质 |
CN112073814A (zh) * | 2020-09-08 | 2020-12-11 | 深圳创维-Rgb电子有限公司 | 待机模式控制方法及智能电视机、计算机可读存储介质 |
CN112423064A (zh) * | 2020-11-04 | 2021-02-26 | 深圳创维-Rgb电子有限公司 | 基于环境声音自动调节音量处理方法、装置、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018135892A1 (ko) | 적응적으로 회의를 제공하기 위한 장치 및 방법 | |
CN110310628B (zh) | 唤醒模型的优化方法、装置、设备及存储介质 | |
US20190065136A1 (en) | Electronic device with a function of smart voice service and method of adjusting output sound | |
CN108076224A (zh) | 应用程序控制方法、装置及存储介质和移动终端 | |
CN107967329B (zh) | 食谱推荐方法、装置、存储介质和服务器 | |
CN106537939A (zh) | 优化助听器系统中的参数的方法和助听器系统 | |
WO2020140845A1 (zh) | 注意力训练方法、装置及计算机可读存储介质 | |
CN106688247A (zh) | 确定房间混响以用于信号增强 | |
CN104078045B (zh) | 一种识别的方法及电子设备 | |
CN109688036A (zh) | 一种智能家电的控制方法、装置、智能家电和存储介质 | |
CN107484068B (zh) | 一种家用智能音箱及其控制方法 | |
US11836455B2 (en) | Bidirectional call translation in controlled environment | |
CN109429416A (zh) | 用于多用户场景的照明控制方法、装置及系统 | |
CN110491387A (zh) | 一种基于多个终端的交互服务实现方法和系统 | |
CN109429415A (zh) | 照明控制方法、装置及系统 | |
WO2022095776A1 (zh) | 可穿戴设备的佩戴管理方法、装置、可穿戴设备及介质 | |
CN111933135A (zh) | 终端控制方法、装置、智能终端及计算机可读存储介质 | |
WO2022252583A1 (zh) | 空调器的控制方法、装置、电子设备以及存储介质 | |
Kieras et al. | Modeling Two‐Channel Speech Processing With the EPIC Cognitive Architecture | |
CN105900038B (zh) | 一种电磁波产生方法以及智能手环 | |
CN113438529A (zh) | 基于智能耳机的家庭电视机的控制方法、设备及存储介质 | |
CN112470496B (zh) | 使用正常事物的听力性能和康复和/或复原增强 | |
CN108182942B (zh) | 一种支持不同虚拟角色交互的方法和装置 | |
US11438716B1 (en) | System and method for personalized hearing aid adjustment | |
CN107360065B (zh) | 信息推送方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210924 |