CN113643701B - 一种智能识别语音控制家居的方法及统 - Google Patents
一种智能识别语音控制家居的方法及统 Download PDFInfo
- Publication number
- CN113643701B CN113643701B CN202110848367.9A CN202110848367A CN113643701B CN 113643701 B CN113643701 B CN 113643701B CN 202110848367 A CN202110848367 A CN 202110848367A CN 113643701 B CN113643701 B CN 113643701B
- Authority
- CN
- China
- Prior art keywords
- voice
- key semantic
- strategy
- recognition request
- interval range
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012216 screening Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 abstract description 10
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
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
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/08—Speech classification or search
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- 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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本申请提供的一种智能识别语音控制家居的方法及统,能够为语音收集设备确定目标语音识别请求和目标语音种类标识队列,即通过目标语音识别请求和目标语音种类标识队列替换传统的音谱语音识别请求,不需要对语音收集设备的音谱语音识别请求进行识别,减少音谱语音识别请求的识别速率,降低指定语音识别请求的语义理解难度。一次性准确完成语音识别请求指令,降低对语音收集设备的要求,能够快速的识别目标语音识别请求和目标语音种类标识队列中的内容,从而能有效的对对应的家居进行合理的控制。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种智能识别语音控制家居的方法及统。
背景技术
随着人工智能不断的发展,人工智能应用到智能家居中,通过识别用户的语音信息进行分析,这样能快速的识别到用户发出控制对应家居的指令。
然而,在语音信息智能识别的过程中,可能存在关键语音信息中的关键内容不能准确的进行识别。
发明内容
鉴于此,本申请提供了一种智能识别语音控制家居的方法及统。
第一方面,提供一种智能识别语音控制家居的方法,所述方法包括:
基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列;
基于所述目标语音种类标识队列,获取全局关键语义策略与识别关键语义策略之间的关联关系;
基于所述目标语音识别请求,获取识别关键语义策略与关键语义策略之间的关联关系;
基于全局关键语义策略与识别关键语义策略之间的关联关系,识别关键语义策略与关键语义策略之间的关联关系,将采集到的关键语义策略转换为全局关键语义策略;
通过所述全局关键语义策略智能控制家居开启。
进一步地,所述基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列,包括:
获取语音收集设备采集的关键语义策略,所述关键语义策略包括多个语音标签;
获取与所述关键语义策略对应的原始语音识别请求,所述原始语音识别请求用于表示关键语义策略的领域标识区间范围与识别关键语义策略的领域标识区间范围之间的位置关联关系;
根据所述原始语音识别请求和所述关键语义策略生成识别关键语义策略;
根据所述语音标签在全局区间范围中的局部区间范围与所述语音标签在识别关键语义策略中的领域标识区间范围,确定全局区间范围与识别关键语义策略之间的原始语音种类标识队列;
对原始语音识别请求和原始语音种类标识队列进行筛选,得到目标语音识别请求和目标语音种类标识队列。
进一步地,所述获取与所述关键语义策略对应的原始语音识别请求,包括:
根据关键语义策略的声波频率确定主要区间范围,并为修正语音识别请求设置语音识别请求原始向量;
根据语音识别请求原始向量确定修正语音识别请求的语音识别请求目标向量;
或,根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量;
将所述主要区间范围和所述修正语音识别请求的语音识别请求目标向量确定为原始语音识别请求。
进一步地,所述主要区间范围包括:
第一区间范围和第二区间范围,所述根据关键语义策略的声波频率确定主要区间范围,包括:根据所述关键语义策略的第一声波频率确定所述第一区间范围;
根据所述关键语义策略的第二声波频率确定所述第二区间范围。
进一步地,所述根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量,包括:
从多个语音标签中挑选属于相同属性的至少三个目标语音标签;
根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围;
根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量。
进一步地,所述修正语音识别请求为识别关键语义策略与关键语义策略的误差量;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,包括:
根据所述关键语义策略对应的描述种类,所述目标语音标签在所述关键语义策略中的领域标识区间范围与所述关键语义策略的主要区间范围之间的差异,所述误差量的语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
进一步地,所述修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,包括:
根据所述目标语音标签在所述关键语义策略中的领域标识区间范围,所述关键语义策略的主要区间范围,所述描述种类的语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
进一步地,所述修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,包括:
根据所述目标语音标签在所述关键语义策略中的领域标识区间范围,确定第二轨迹所在描述种类以及第一边界所在描述种类;
根据所述第二轨迹所在描述种类,所述第一边界所在描述种类,所述关键语义策略对应的描述种类的语音识别请求原始向量,所述关键语义策略的主要区间范围,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
进一步地,所述根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量,包括:
基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定所述至少三个目标语音标签是否属于相同属性;
如果否,则对所述语音识别请求原始向量进行筛选,并将筛选后的特征向量作为所述语音识别请求原始向量,返回加载根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围;
如果是,则根据当前的语音识别请求原始向量确定修正语音识别请求的语音识别请求目标向量;
其中,所述基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定所述至少三个目标语音标签是否属于相同属性,包括:
基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定任意两个目标语音标签之间的关联性;
根据所述关联性确定所述至少三个目标语音标签是否属于相同属性。
第二方面,提供一种智能识别语音控制家居的系统,包括语音收集设备和语音数据处理终端,所述语音收集设备和所述语音数据处理终端通信连接,所述语音数据处理终端具体用于:
基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列;
基于所述目标语音种类标识队列,获取全局关键语义策略与识别关键语义策略之间的关联关系;
基于所述目标语音识别请求,获取识别关键语义策略与关键语义策略之间的关联关系;
基于全局关键语义策略与识别关键语义策略之间的关联关系,识别关键语义策略与关键语义策略之间的关联关系,将采集到的关键语义策略转换为全局关键语义策略;
通过所述全局关键语义策略智能控制家居开启。
本申请实施例所提供的一种智能识别语音控制家居的方法及统,能够为语音收集设备确定目标语音识别请求和目标语音种类标识队列,即通过目标语音识别请求和目标语音种类标识队列替换传统的音谱语音识别请求,不需要对语音收集设备的音谱语音识别请求进行识别,减少音谱语音识别请求的识别速率,降低指定语音识别请求的语义理解难度。一次性准确完成语音识别请求指令,降低对语音收集设备的要求,能够快速的识别目标语音识别请求和目标语音种类标识队列中的内容,从而能有效的对对应的家居进行合理的控制。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种智能识别语音控制家居的方法的流程图。
图2为本申请实施例所提供的一种智能识别语音控制家居的装置的框图。
图3为本申请实施例所提供的一种智能识别语音控制家居的统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种智能识别语音控制家居的方法,该方法可以包括以下步骤100-步骤500所描述的技术方案。
步骤100,基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列。
示例性的,目标语音识别请求用于表征用户声带发出的控制家居的请求。
进一步地,目标语音种类标识队列用于表征对应需要的开启家居。
步骤200,基于所述目标语音种类标识队列,获取全局关键语义策略与识别关键语义策略之间的关联关系。
示例性的,全局关键语义策略用于表征用户发出全部语音信息。
进一步地,识别关键语义策略用于表征重要的语音内容。
步骤300,基于所述目标语音识别请求,获取识别关键语义策略与关键语义策略之间的关联关系。
步骤400,基于全局关键语义策略与识别关键语义策略之间的关联关系,识别关键语义策略与关键语义策略之间的关联关系,将采集到的关键语义策略转换为全局关键语义策略。
步骤500,通过所述全局关键语义策略智能控制家居开启。
可以理解,在执行上述步骤100-步骤500所描述的技术方案时,能够为语音收集设备确定目标语音识别请求和目标语音种类标识队列,即通过目标语音识别请求和目标语音种类标识队列替换传统的音谱语音识别请求,不需要对语音收集设备的音谱语音识别请求进行识别,减少音谱语音识别请求的识别速率,降低指定语音识别请求的语义理解难度。一次性准确完成语音识别请求指令,降低对语音收集设备的要求,能够快速的识别目标语音识别请求和目标语音种类标识队列中的内容,从而能有效的对对应的家居进行合理的控制。
在一种可替换的实施例中,发明人发现,基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列时,存在关键语义策略不准确的问题,从而难以准确地获取目标语音识别请求和目标语音种类标识队列,为了改善上述技术问题,步骤100所描述的基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列的步骤,具体可以包括以下步骤q1-步骤q5所描述的技术方案。
步骤q1,获取语音收集设备采集的关键语义策略,所述关键语义策略包括多个语音标签。
步骤q2,获取与所述关键语义策略对应的原始语音识别请求,所述原始语音识别请求用于表示关键语义策略的领域标识区间范围与识别关键语义策略的领域标识区间范围之间的位置关联关系。
步骤q3,根据所述原始语音识别请求和所述关键语义策略生成识别关键语义策略。
步骤q4,根据所述语音标签在全局区间范围中的局部区间范围与所述语音标签在识别关键语义策略中的领域标识区间范围,确定全局区间范围与识别关键语义策略之间的原始语音种类标识队列。
步骤q5,对原始语音识别请求和原始语音种类标识队列进行筛选,得到目标语音识别请求和目标语音种类标识队列。
可以理解,在执行上述步骤q1-步骤q5所描述的技术方案时,基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列时,尽可能地改善关键语义策略不准确的问题,从而能够准确地获取目标语音识别请求和目标语音种类标识队列。
在一种可替换的实施例中,发明人发现,获取与所述关键语义策略对应的原始语音识别请求时,存在主要区间范围不准确的问题,从而难以准确地获取与所述关键语义策略对应的原始语音识别请求,为了改善上述技术问题,步骤q2所描述的获取与所述关键语义策略对应的原始语音识别请求的步骤,具体可以包括以下步骤q21-步骤q24所描述的技术方案。
步骤q21,根据关键语义策略的声波频率确定主要区间范围,并为修正语音识别请求设置语音识别请求原始向量。
步骤q22,根据语音识别请求原始向量确定修正语音识别请求的语音识别请求目标向量。
步骤q23,或,根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量。
步骤q24,将所述主要区间范围和所述修正语音识别请求的语音识别请求目标向量确定为原始语音识别请求。
可以理解,在执行上述步骤q21-步骤q24所描述的技术方案时,获取与所述关键语义策略对应的原始语音识别请求时,尽可能地改善主要区间范围不准确的问题,从而能够准确地获取与所述关键语义策略对应的原始语音识别请求。
在一种可替换的实施例中,主要区间范围包括:第一区间范围和第二区间范围,所述根据关键语义策略的声波频率时,存在第一区间范围不精确的问题,从而难以精确地确定主要区间范围,为了改善上述技术问题,步骤q21所描述的主要区间范围包括:第一区间范围和第二区间范围,所述根据关键语义策略的声波频率确定主要区间范围的步骤,具体可以包括以下步骤w1和步骤w2所描述的技术方案。
步骤w1,根据所述关键语义策略的第一声波频率确定所述第一区间范围。
步骤w2,根据所述关键语义策略的第二声波频率确定所述第二区间范围。
可以理解,在执行上述步骤w1和步骤w2所描述的技术方案时,主要区间范围包括:第一区间范围和第二区间范围,所述根据关键语义策略的声波频率时,尽可能的改善第一区间范围不精确的问题,从而能够精确地确定主要区间范围。
在一种可替换的实施例中,发明人发现,根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选时,存在多个目标语音标签导致筛选不准确的问题,从而难以准确地得到修正语音识别请求的语音识别请求目标向量,为了改善上述技术问题,步骤q23所描述的根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量的步骤,具体可以包括以下步骤r1-步骤r3所描述的技术方案。
步骤r1,从多个语音标签中挑选属于相同属性的至少三个目标语音标签。
步骤r2,根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
步骤r3,根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量。
可以理解,在执行上述步骤r1-步骤r3所描述的技术方案时,根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选时,改善多个目标语音标签导致筛选不准确的问题,从而能够准确地得到修正语音识别请求的语音识别请求目标向量。
在一种可替换的实施例中,发明人发现,修正语音识别请求为识别关键语义策略与关键语义策略的误差量;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量时,存在描述种类不准确的问题,从而难以准确地确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,为了改善上述技术问题,步骤r2所描述的修正语音识别请求为识别关键语义策略与关键语义策略的误差量;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围的步骤,具体可以包括以下步骤r21所描述的技术方案。
步骤r21,根据所述关键语义策略对应的描述种类,所述目标语音标签在所述关键语义策略中的领域标识区间范围与所述关键语义策略的主要区间范围之间的差异,所述误差量的语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
可以理解,在执行上述步骤r21所描述的技术方案,修正语音识别请求为识别关键语义策略与关键语义策略的误差量;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量时,改善描述种类不准确的问题,从而能够准确地确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
在一种可替换的实施例中,发明人发现,修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量时,存在领域标识区间范围不准确的问题,从而难以准确地确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,为了改善上述技术问题,步骤r2所描述的修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围的步骤,具体可以包括以下步骤y1所描述的技术方案。
步骤y1,根据所述目标语音标签在所述关键语义策略中的领域标识区间范围,所述关键语义策略的主要区间范围,所述描述种类的语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
可以理解,在执行上述步骤y1所描述的技术方案时,修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量时,改善领域标识区间范围不准确的问题,从而能够准确地确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
在一种可替换的实施例中,发明人发现,修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量时,存在第二轨迹所在描述种类以及第一边界所在描述种类不准确的问题,从而难以准确地确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,为了改善上述技术问题,步骤r2所描述的修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围的步骤,具体可以包括以下步骤o1和步骤o2所描述的技术方案。
步骤o1,根据所述目标语音标签在所述关键语义策略中的领域标识区间范围,确定第二轨迹所在描述种类以及第一边界所在描述种类。
步骤o2,根据所述第二轨迹所在描述种类,所述第一边界所在描述种类,所述关键语义策略对应的描述种类的语音识别请求原始向量,所述关键语义策略的主要区间范围,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
可以理解,在执行上述步骤o1和步骤o2所描述的技术方案时,修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量时,改善第二轨迹所在描述种类以及第一边界所在描述种类不准确的问题,从而能够准确地确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
在一种可替换的实施例中,发明人发现,根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选时,存在目标语音标签是否属于相同属性不正确的问题,从而难以正确地得到修正语音识别请求的语音识别请求目标向量,为了改善上述技术问题,步骤r3所描述的根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量的步骤,具体可以包括以下步骤r31-步骤r33所描述的技术方案。
步骤r31,基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定所述至少三个目标语音标签是否属于相同属性。
步骤r32,如果否,则对所述语音识别请求原始向量进行筛选,并将筛选后的特征向量作为所述语音识别请求原始向量,返回加载根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
步骤r33,如果是,则根据当前的语音识别请求原始向量确定修正语音识别请求的语音识别请求目标向量。
可以理解,在执行上述步骤r31-步骤r33所描述的技术方案时,根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选时,改善目标语音标签是否属于相同属性不正确的问题,从而能够正确地得到修正语音识别请求的语音识别请求目标向量。
在一种可选择的实施例中,发明人发现,基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围时,存在任意两个目标语音标签之间的关联性不可靠的问题,从而难以可靠地确定所述至少三个目标语音标签是否属于相同属性,为了改善上述技术问题,步骤r31所描述的基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定所述至少三个目标语音标签是否属于相同属性的步骤,具体可以包括以下步骤t1和步骤t2所描述的技术方案。
步骤t1,基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定任意两个目标语音标签之间的关联性。
步骤t2,根据所述关联性确定所述至少三个目标语音标签是否属于相同属性。
可以理解,在执行上述步骤t1和步骤t2所描述的技术方案时,基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围时,改善任意两个目标语音标签之间的关联性不可靠的问题,从而能够可靠地确定所述至少三个目标语音标签是否属于相同属性。
在一种可能的实施例中,发明人发现,对原始语音识别请求和原始语音种类标识队列进行筛选时,存在语音标签在关键语义策略中的第一领域标识区间范围不精确的问题,从而难以精确地得到目标语音识别请求和目标语音种类标识队列,为了改善上述技术问题,步骤q5所描述的对原始语音识别请求和原始语音种类标识队列进行筛选,得到目标语音识别请求和目标语音种类标识队列的步骤,具体可以包括以下步骤q51-步骤q53所描述的技术方案。
步骤q51,针对每个语音标签,确定所述语音标签在关键语义策略中的第一领域标识区间范围。
步骤q52,根据所述语音标签在全局区间范围中的局部区间范围和原始语音种类标识队列,确定所述语音标签在识别关键语义策略中的领域标识区间范围,并根据所述语音标签在识别关键语义策略中的领域标识区间范围和原始语音识别请求,确定所述语音标签在关键语义策略中的第二领域标识区间范围。
步骤q53,根据每个语音标签对应的第一领域标识区间范围和第二领域标识区间范围的差向量,对原始语音识别请求和原始语音种类标识队列进行筛选,得到目标语音识别请求和目标语音种类标识队列。
可以理解,在执行上述步骤q51-步骤q53所描述的技术方案时,对原始语音识别请求和原始语音种类标识队列进行筛选时,改善语音标签在关键语义策略中的第一领域标识区间范围不精确的问题,从而能够精确地得到目标语音识别请求和目标语音种类标识队列。
在上述基础上,请结合参阅图2,提供了一种智能识别语音控制家居的装置200,应用于语音数据处理终端,所述装置包括:
目标语音获取模块210,用于基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列;
第一策略获取模块220,用于基于所述目标语音种类标识队列,获取全局关键语义策略与识别关键语义策略之间的关联关系;
第二策略获取模块230,用于基于所述目标语音识别请求,获取识别关键语义策略与关键语义策略之间的关联关系;
语义策略采集模块240,用于基于全局关键语义策略与识别关键语义策略之间的关联关系,识别关键语义策略与关键语义策略之间的关联关系,将采集到的关键语义策略转换为全局关键语义策略;
语义策略控制模块250,用于通过所述全局关键语义策略智能控制家居开启。
在上述基础上,请结合参阅图3,示出了一种智能识别语音控制家居的统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,能够为语音收集设备确定目标语音识别请求和目标语音种类标识队列,即通过目标语音识别请求和目标语音种类标识队列替换传统的音谱语音识别请求,不需要对语音收集设备的音谱语音识别请求进行识别,减少音谱语音识别请求的识别速率,降低指定语音识别请求的语义理解难度。一次性准确完成语音识别请求指令,降低对语音收集设备的要求,能够快速的识别目标语音识别请求和目标语音种类标识队列中的内容,从而能有效的对对应的家居进行合理的控制。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种智能识别语音控制家居的方法,其特征在于,所述方法包括:
基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列;
基于所述目标语音种类标识队列,获取全局关键语义策略与识别关键语义策略之间的关联关系;
基于所述目标语音识别请求,获取识别关键语义策略与关键语义策略之间的关联关系;
基于全局关键语义策略与识别关键语义策略之间的关联关系,识别关键语义策略与关键语义策略之间的关联关系,将采集到的关键语义策略转换为全局关键语义策略;
通过所述全局关键语义策略智能控制家居开启;
所述基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列,包括:
获取语音收集设备采集的关键语义策略,所述关键语义策略包括多个语音标签;
获取与所述关键语义策略对应的原始语音识别请求,所述原始语音识别请求用于表示关键语义策略的领域标识区间范围与识别关键语义策略的领域标识区间范围之间的位置关联关系;
根据所述原始语音识别请求和所述关键语义策略生成识别关键语义策略;
根据所述语音标签在全局区间范围中的局部区间范围与所述语音标签在识别关键语义策略中的领域标识区间范围,确定全局区间范围与识别关键语义策略之间的原始语音种类标识队列;
对原始语音识别请求和原始语音种类标识队列进行筛选,得到目标语音识别请求和目标语音种类标识队列。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述关键语义策略对应的原始语音识别请求,包括:
根据关键语义策略的声波频率确定主要区间范围,并为修正语音识别请求设置语音识别请求原始向量;
根据语音识别请求原始向量确定修正语音识别请求的语音识别请求目标向量;
或,根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量;
将所述主要区间范围和所述修正语音识别请求的语音识别请求目标向量确定为原始语音识别请求。
3.根据权利要求2所述的方法,其特征在于,所述主要区间范围包括:第一区间范围和第二区间范围,所述根据关键语义策略的声波频率确定主要区间范围,包括:
根据所述关键语义策略的第一声波频率确定所述第一区间范围;
根据所述关键语义策略的第二声波频率确定所述第二区间范围。
4.根据权利要求2所述的方法,其特征在于,所述根据所述语音标签在关键语义策略中的领域标识区间范围对语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量,包括:
从多个语音标签中挑选属于相同属性的至少三个目标语音标签;
根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围;
根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量。
5.根据权利要求4所述的方法,其特征在于,所述修正语音识别请求为识别关键语义策略与关键语义策略的误差量;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,包括:
根据所述关键语义策略对应的描述种类,所述目标语音标签在所述关键语义策略中的领域标识区间范围与所述关键语义策略的主要区间范围之间的差异,所述误差量的语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
6.根据权利要求4所述的方法,其特征在于,所述修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,包括:
根据所述目标语音标签在所述关键语义策略中的领域标识区间范围,所述关键语义策略的主要区间范围,所述描述种类的语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
7.根据权利要求4所述的方法,其特征在于,所述修正语音识别请求为所述关键语义策略对应的描述种类;所述根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围,包括:
根据所述目标语音标签在所述关键语义策略中的领域标识区间范围,确定第二轨迹所在描述种类以及第一边界所在描述种类;
根据所述第二轨迹所在描述种类,所述第一边界所在描述种类,所述关键语义策略对应的描述种类的语音识别请求原始向量,所述关键语义策略的主要区间范围,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围。
8.根据权利要求4所述的方法,其特征在于,所述根据所述目标语音标签在识别关键语义策略中的领域标识区间范围对所述语音识别请求原始向量进行筛选,得到修正语音识别请求的语音识别请求目标向量,包括:
基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定所述至少三个目标语音标签是否属于相同属性;
如果否,则对所述语音识别请求原始向量进行筛选,并将筛选后的特征向量作为所述语音识别请求原始向量,返回加载根据所述目标语音标签在所述关键语义策略中的领域标识区间范围和所述语音识别请求原始向量,确定所述目标语音标签在识别关键语义策略中的领域标识区间范围;
如果是,则根据当前的语音识别请求原始向量确定修正语音识别请求的语音识别请求目标向量;
其中,所述基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定所述至少三个目标语音标签是否属于相同属性,包括:
基于所述至少三个目标语音标签中的每个目标语音标签在识别关键语义策略中的领域标识区间范围,确定任意两个目标语音标签之间的关联性;
根据所述关联性确定所述至少三个目标语音标签是否属于相同属性。
9.一种智能识别语音控制家居的系统,其特征在于,包括语音收集设备和语音数据处理终端,所述语音收集设备和所述语音数据处理终端通信连接,所述语音数据处理终端具体用于:
基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列;
基于所述目标语音种类标识队列,获取全局关键语义策略与识别关键语义策略之间的关联关系;
基于所述目标语音识别请求,获取识别关键语义策略与关键语义策略之间的关联关系;
基于全局关键语义策略与识别关键语义策略之间的关联关系,识别关键语义策略与关键语义策略之间的关联关系,将采集到的关键语义策略转换为全局关键语义策略;
通过所述全局关键语义策略智能控制家居开启;
所述基于语音识别训练线程获取目标语音识别请求和目标语音种类标识队列,包括:
获取语音收集设备采集的关键语义策略,所述关键语义策略包括多个语音标签;
获取与所述关键语义策略对应的原始语音识别请求,所述原始语音识别请求用于表示关键语义策略的领域标识区间范围与识别关键语义策略的领域标识区间范围之间的位置关联关系;
根据所述原始语音识别请求和所述关键语义策略生成识别关键语义策略;
根据所述语音标签在全局区间范围中的局部区间范围与所述语音标签在识别关键语义策略中的领域标识区间范围,确定全局区间范围与识别关键语义策略之间的原始语音种类标识队列;
对原始语音识别请求和原始语音种类标识队列进行筛选,得到目标语音识别请求和目标语音种类标识队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110848367.9A CN113643701B (zh) | 2021-07-27 | 2021-07-27 | 一种智能识别语音控制家居的方法及统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110848367.9A CN113643701B (zh) | 2021-07-27 | 2021-07-27 | 一种智能识别语音控制家居的方法及统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113643701A CN113643701A (zh) | 2021-11-12 |
CN113643701B true CN113643701B (zh) | 2024-04-12 |
Family
ID=78418470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110848367.9A Active CN113643701B (zh) | 2021-07-27 | 2021-07-27 | 一种智能识别语音控制家居的方法及统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643701B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109547302A (zh) * | 2018-11-08 | 2019-03-29 | 上海优悦信息科技有限公司 | 一种用于确定用户的关联目标信息的方法和家用电器 |
CN110060677A (zh) * | 2019-04-04 | 2019-07-26 | 平安科技(深圳)有限公司 | 语音遥控器控制方法、装置及计算机可读存储介质 |
CN112151035A (zh) * | 2020-10-14 | 2020-12-29 | 珠海格力电器股份有限公司 | 一种语音控制方法、装置、电子设备及可读存储介质 |
CN112558491A (zh) * | 2020-11-27 | 2021-03-26 | 青岛海尔智能家电科技有限公司 | 基于语音识别的家庭场景联动智能家居系统及其控制方法、控制装置 |
CN112799305A (zh) * | 2019-11-13 | 2021-05-14 | 北京安云世纪科技有限公司 | 一种智能家居控制方法及系统 |
CN112820291A (zh) * | 2021-01-08 | 2021-05-18 | 广州大学 | 智能家居控制方法、系统和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101949497B1 (ko) * | 2017-05-02 | 2019-02-18 | 네이버 주식회사 | 사용자 발화의 표현법을 파악하여 기기의 동작이나 컨텐츠 제공 범위를 조정하여 제공하는 사용자 명령 처리 방법 및 시스템 |
US11708031B2 (en) * | 2018-03-22 | 2023-07-25 | Simplehuman, Llc | Voice-activated vanity mirror |
-
2021
- 2021-07-27 CN CN202110848367.9A patent/CN113643701B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109547302A (zh) * | 2018-11-08 | 2019-03-29 | 上海优悦信息科技有限公司 | 一种用于确定用户的关联目标信息的方法和家用电器 |
CN110060677A (zh) * | 2019-04-04 | 2019-07-26 | 平安科技(深圳)有限公司 | 语音遥控器控制方法、装置及计算机可读存储介质 |
CN112799305A (zh) * | 2019-11-13 | 2021-05-14 | 北京安云世纪科技有限公司 | 一种智能家居控制方法及系统 |
CN112151035A (zh) * | 2020-10-14 | 2020-12-29 | 珠海格力电器股份有限公司 | 一种语音控制方法、装置、电子设备及可读存储介质 |
CN112558491A (zh) * | 2020-11-27 | 2021-03-26 | 青岛海尔智能家电科技有限公司 | 基于语音识别的家庭场景联动智能家居系统及其控制方法、控制装置 |
CN112820291A (zh) * | 2021-01-08 | 2021-05-18 | 广州大学 | 智能家居控制方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113643701A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111143226B (zh) | 自动化测试方法及装置、计算机可读存储介质、电子设备 | |
US20080310718A1 (en) | Information Extraction in a Natural Language Understanding System | |
US10831799B2 (en) | External action execution with conversational agent | |
WO2019212702A1 (en) | Techniques for curating threat intelligence data | |
CN113032264A (zh) | 页面视图控件的检测方法及装置 | |
CN115732050A (zh) | 一种医疗大数据信息智能采集方法及系统 | |
CN113903473A (zh) | 基于人工智能的医疗信息智能交互的方法及系统 | |
CN113643701B (zh) | 一种智能识别语音控制家居的方法及统 | |
US8751871B2 (en) | Method for modifying a user interface | |
CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
CN117037982A (zh) | 一种医疗大数据信息智能采集方法及系统 | |
US11658873B1 (en) | Intelligent learning and management of a networked architecture | |
CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
CN113626594B (zh) | 基于多智能体的运维知识库的建立方法及系统 | |
AU2021356255B2 (en) | Action-object recognition in cluttered video scenes using text | |
CN110689166B (zh) | 一种基于随机梯度下降算法的用户行为分析方法及装置 | |
CN115756576B (zh) | 软件开发包的翻译方法及软件开发系统 | |
CN113627165B (zh) | 基于智慧医疗的床旁交互方法及系统 | |
CN113596849B (zh) | 一种智能家居的无线通信信道动态分配方法及系统 | |
CN114611478A (zh) | 一种基于人工智能的信息处理方法、系统及云平台 | |
CN113918985B (zh) | 一种安全管理策略生成方法及装置 | |
CN113626494B (zh) | 基于自适应控制的数据多维维度分析的方法及系统 | |
CN115409510B (zh) | 一种在线交易安全系统及方法 | |
CN113611425B (zh) | 基于软件定义的智能化区域医疗集成数据库的方法及系统 | |
CN116156279A (zh) | 一种基于人工智能的短视频传输处理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |