CN114237025A - 语音交互方法、装置、设备以及存储介质 - Google Patents
语音交互方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114237025A CN114237025A CN202111549314.3A CN202111549314A CN114237025A CN 114237025 A CN114237025 A CN 114237025A CN 202111549314 A CN202111549314 A CN 202111549314A CN 114237025 A CN114237025 A CN 114237025A
- Authority
- CN
- China
- Prior art keywords
- voice
- module
- operation instruction
- information
- text information
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000009471 action Effects 0.000 claims abstract description 37
- 230000002618 waking effect Effects 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G04—HOROLOGY
- G04G—ELECTRONIC TIME-PIECES
- G04G21/00—Input or output devices integrated in time-pieces
- G04G21/06—Input or output devices integrated in time-pieces using voice
-
- 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
- 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)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种语音交互方法、装置、设备以及存储介质,涉及人工智能技术领域,具体为自然语言处理、语音识别和深度学习技术。该方法包括:响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒终端设备的语音模块;基于语音模块获取用户的语音信息;响应于语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。本公开提供的语音交互方法可以提升语音交互的效率和便捷性。
Description
技术领域
本公开涉及人工智能技术领域,具体为自然语言处理、语音识别和深度学习技术,尤其涉及语音交互方法、装置、设备以及存储介质。
背景技术
随着语音识别技术的广泛应用,移动终端内的语音助手逐渐成为一种人们经常使用的功能,用户可以通过向语音助手发出一些语音指令,以控制语音助手来完成对于移动终端的各种操作。
当今,智能手表由于其便捷性已经成为非常受欢迎的移动终端,智能手表的常用交互方式为触摸方式,用户可通过点击智能手表的触摸屏上应用的图标打开应用,还可以通过滑动触摸屏来查找联系人并点击拨打电话等操作。
此外,有些智能手表的语音助手会以应用的方式存在,此种情况下,同样需要用户通过点击语音助手的图标的方式进入语音助手,且语音操作内容仅限语音助手内部提供的内容。
发明内容
本公开提供了一种语音交互方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种语音交互方法,包括:响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒终端设备的语音模块;基于语音模块获取用户的语音信息;响应于语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
根据本公开的第二方面,提供了一种语音交互装置,包括:唤醒模块,被配置成响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒终端设备的语音模块;获取模块,被配置成基于语音模块获取用户的语音信息;执行模块,被配置成响应于语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
根据本公开的第三方面,提供了一种电子设备,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如第一方面中任一实现方式描述的方法。
根据本公开的第四方面,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,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
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,不构成对本公开的限定。其中:
图1是本公开可以应用于其中的示例性系统架构图;
图2是根据本公开的语音交互方法的一个实施例的流程图;
图3是根据本公开的语音交互方法的另一个实施例的流程图;
图4是根据本公开的语音交互方法的一个应用场景的示意图;
图5是根据本公开的语音交互装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的语音交互方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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,本公开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说明本公开。
图1示出了可以应用本公开的语音交互方法或语音交互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,以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。
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,包括但不限于智能手机、平板电脑和智能手表等等。当终端设备101、102、103为软件时,可以安装在上述电子设备中。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可以提供各种服务。例如,服务器105可以对从终端设备101、102、103获取的语音信息进行分析和处理,并生成处理结果(例如执行操作指令对应的操作)。
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(例如用来提供分布式服务),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,本公开实施例所提供的语音交互方法一般由服务器105执行,相应地,语音交互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,其示出了根据本公开的语音交互方法的一个实施例的流程200。该语音交互方法包括以下步骤:
步骤201,响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒终端设备的语音模块。
在本实施例中,语音交互方法的执行主体(例如图1所示的服务器105)可以在确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作的情况下,唤醒终端设备的语音模块。在本实施例中,上述执行主体会检测用户是否有在终端设备上执行操作,例如用户是否点击终端设备的屏幕、用户是否滑动终端设备的屏幕等,上述执行主体会对用户的操作进行检测,并实时获取用户当前执行的操作。
此外,还可以预设动作以及该动作对应的功能,从而使得上述执行主体检测到该预设动作时,便直接执行该预设动作对应的功能或操作,例如,可预先设置唤醒终端设备的语音模块的动作,将该动作设置为“长按终端设备的Home键”,还可将其设置为“连续三次点击终端设备的Home键”等,本实施例对此不做具体限定。
其中,语音模块即为终端设备的语音助手,语音助手是终端设备的一款应用,通过智能对话与即时问答的智能交互,可以帮忙用户解决问题,其主要是帮忙用户解决生活类问题。
在本实施例中,上述执行可以实时获取用户在终端设备上的操作,并将该操作与预设动作进行匹配,若用户当前执行的操作是唤醒终端设备的语音模块的预设操作,则上述执行主体会唤醒语音模块。
步骤202,基于语音模块获取用户的语音信息。
在本实施例中,上述执行主体可以基于步骤201唤醒的语音模块获取用户的语音信息。用户通过预设动作将语音模块唤醒,从而可以通过该语音模块来进行语音交互。当语音模块被唤醒后,上述执行主体会在智能终端显示界面的指定位置处提供一语音接收窗口,并将该语音接收窗口部分覆盖于当前显示界面之上,例如,当语音模块被唤醒后,可在智能终端显示界面上显示一个黑色半透明遮罩,并将语音接收窗口显示在该遮罩上。上述执行主体会通过该语音接收窗口来接收用户的语音信息。可选地,上述执行还可以将接收的语音信息转换成文字信息,并将其显示在智能终端的显示界面上,以便于用户更直观地查看。
步骤203,响应于语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
在本实施例中,上述执行主体可以在确定步骤202接收的语音信息与预先注册的操作指令匹配成功的情况下,执行匹配成功的操作指令所对应的操作。本实施例中可预先在终端设备中注册操作指令,可以理解的是,操作指令是该智能终端可执行的操作,例如“打开相机”、“打电话”等操作指令。上述执行主体在获取用户的语音信息后,会将获取的语音信息与预先注册的操作指令进行匹配,若匹配成功,则执行匹配成功的操作指令所对应的操作。
例如,用户的语音信息为“请打开相机”,上述执行主体将该语音信息与预先注册的操作指令进行匹配,确定该语音信息与“打开相机”指令匹配成功,则上述执行主体会执行“打开相机”指令对应的操作-打开智能终端的相机。
再例如,用户的语音信息为“打电话给妈妈”,上述执行主体将该语音信息与预先注册的操作指令进行匹配,确定该语音信息与“打电话”指令匹配成功,之后上述执行主体会将“妈妈”与终端设备中的通讯里中的联系人进行模糊匹配,在找到对应的联系人后,上述执行主体会执行“打电话给妈妈”指令对应的操作-通过该终端设备给妈妈打电话。
本公开实施例提供的语音交互方法,首先响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒终端设备的语音模块;然后基于语音模块获取用户的语音信息;最后响应于语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。本实施例中的语音交互方法,该方法可以先通过预设动作来唤醒终端设备的语音模块,然后通过该语音模块接收语音信息,并在该语音信息与预先注册的操作指令匹配成功的情况下,执行匹配成功的操作指令对应的操作,从而通过语音模块快速、方便地执行操作,节省了用户使用终端设备的操作成本,提升了语音交互的效率以及准确率,使语音模块成为了终端设备的快捷键。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
继续参考图3,图3示出了根据本公开的语音交互方法的另一个实施例的流程300。该语音交互方法包括以下步骤:
步骤301,响应于确定用户当前执行的操作为唤醒智能手表的语音模块的预设动作,唤醒智能手表的语音模块。
在本实施例中,语音交互方法的执行主体(例如图1所示的服务器105)可以在确定用户当前执行的操作为唤醒智能手表的语音模块的预设动作的情况下,唤醒智能手表的语音模块。步骤301与前述实施例的步骤201基本一致,具体实现方式可以参考前述对步骤201的描述,此处不再赘述。
在本实施例的一些可选实施方式中,预设动作包括以下至少一项:满足预设时长的、持续按压智能手表的物理按键动作,连续多次按压智能手表的物理按键动作。
在本实现方式中,用户可以通过长按智能手表的物理按键来对智能手表的语音模块进行唤醒,其中,长按是指满足预设时长且持续按压,物理按键指智能手表的Home键;或者,用户还可以通过连续多次按压智能手表的物理按键来对智能手表的语音模块进行唤醒,例如,连续3次按压智能手表的Home键。从而无需进行在智能手表屏幕中搜索应用的繁琐步骤,通过预设动作即可快速唤醒智能手表的语音模块,提高了唤醒速度,方便用户使用。
可选地,用户还可以通过长按智能手表的触摸屏来对智能手表的语音模块进行唤醒,例如长按触摸屏的指定位置来唤醒智能手表的语音模块;或者,用户还可以通过连续多次按压智能手表的触摸屏来对智能手表的语音模块进行唤醒,例如,连续3次按压智能手表的触摸屏的指定位置来唤醒智能手表的语音模块。
步骤302,显示语音模块的语音交互界面。
在本实施例中,上述执行主体可以在唤醒智能手表的语音模块后,在智能手表上显示语音模块的语音交互界面。例如,当语音模块被唤醒后,上述执行主体可以在智能手表的屏幕上显示语音交互界面,该界面可以包括语音接收窗口,还可以包括展示语音信息的对应的文字信息的区域。从而使得用户更直观地获取语音模块的状态以及输入的语音信息的内容。
步骤303,基于语音模块获取用户的语音信息。
在本实施例中,上述执行主体可以基于语音模块获取用户的语音信息。步骤303与前述实施例的步骤202基本一致,具体实现方式可以参考前述对步骤202的描述,此处不再赘述。
需要说明的是,本实施例中不限制步骤302与步骤303的执行顺序,也即步骤302可以在步骤303之前执行,还可以在步骤303之后执行,甚至还可以与步骤303同时执行。
步骤304,对语音信息进行识别,得到对应的文字信息。
在本实施例中,上述执行主体可以对获取的语音信息进行语音识别,从而得到语音信息对应的文字信息。语音识别可采用现有技术实现,在此不再赘述。
步骤305,将文字信息显示在语音交互界面上。
在本实施例中,上述执行主体可以将识别得到的文字信息显示在语音交互界面上,也即将该文字信息显示在智能手表的界面上,以使用户更加直观地看到识别得到的文字,可以方便用户看到输入的语音信息的具体内容,也可以使用户在语音信息输入错误的情况下重新录入正确的语音信息。
步骤306,将文字信息与预先注册的操作指令进行匹配。
在本实施例中,上述执行主体可以将步骤304识别得到的文字信息与预先注册的操作指令进行匹配。可预先注册多个操作指令,例如“打电话”、“打开相机”、“播放音乐”等,可根据不同情况设置不同的操作指令。上述执行主体在对语音进行识别得到对应的文字信息后,会将该文字信息与预先注册的操作指令进行匹配。
需要说明的是,本实施例中不限制步骤305与步骤306的执行顺序,也即步骤305可以在步骤306之前执行,还可以在步骤306之后执行,甚至还可以与步骤306同时执行。
步骤307,响应于文字信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
在本实施例中,上述执行主体可以在文字信息与预先注册的操作指令匹配之一成功的情况下,直接执行匹配成功的操作指令所对应的操作。从而提升语音交互的准确性。
在本实施例的一些可选实施方式中,该语音交互方法还包括:响应于文字信息与预先注册的操作指令匹配失败,生成并显示相应的提示信息。也即在文字信息与预先注册的操作指令匹配失败的情况下,生成匹配失败的提示信息,例如可以将该提示信息显示在语音交互界面上,还可以以语音的形式播报该语音信息。通过生成匹配失败的提示信息可以使用户重新输入语音信息,提升了用户的语音交互体验。
从图3中可以看出,与图2对应的实施例相比,本实施例中的语音交互方法,该方法可以在唤醒智能手表的语音模块之后,显示语音模块的语音交互界面,并基于语音模块获取用户的语音信息,再对语音信息进行识别,得到对应的文字信息,并将该文字信息显示在语音交互界面上,同时将文字信息与预先注册的操作指令进行匹配,最后在文字信息与预先注册的操作指令匹配成功的情况下,执行匹配成功的操作指令所对应的操作。该方法可以通过预设动作唤醒智能手表的语音模块,省去了用户在小尺寸智能手表的屏幕中搜索应用的繁琐步骤,提升了唤醒速度,也方便用户使用;此外,唤醒后的语音模块可作为其他应用启动的快速入口,通过语音交互快速启动其他应用,从而使语音模块成为了智能手表的快捷键,提高了语音交互的效率和便捷性。
继续参考图4,图4示出了根据本公开的语音交互方法的一个应用场景的示意图。在该应用场景中,当用户长按智能手表401的Home键后,服务器403会获取用户当前执行的操作,并将该操作与预设的唤醒智能手表语音模块的动作进行匹配,若匹配成功,则唤醒智能手表的语音模块,在唤醒语音模块的同时会在智能手表上显示语音交互界面。然后,服务器403通过该语音模块获取用户的语音信息402,并对该语音信息进行识别,得到对应的文字信息,然后将该文字信息显示在语音交互界面上,同时会将该文字信息与预先注册的操作指令进行匹配,在该文字信息与预先注册的操作指令匹配成功的情况下,执行匹配成功的操作指令所对应的操作。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种语音交互装置的一个实施例,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,本实施例的语音交互装置500包括:唤醒模块501、获取模块502和执行模块503。其中,唤醒模块501,被配置成响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒终端设备的语音模块;获取模块502,被配置成基于语音模块获取用户的语音信息;执行模块503,被配置成响应于语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
在本实施例中,语音交互装置500中:唤醒模块501、获取模块502和执行模块503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述语音交互装置500还包括:第一显示模块,被配置成显示语音模块的语音交互界面;识别模块,被配置成对语音信息进行识别,得到对应的文字信息;第二显示模块,被配置成将文字信息显示在语音交互界面上。
在本实施例的一些可选的实现方式中,执行模块包括:匹配子模块,被配置成将文字信息与预先注册的操作指令进行匹配;执行子模块,被配置成响应于文字信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
在本实施例的一些可选的实现方式中,上述语音交互装置500还包括:生成子模块,被配置成响应于文字信息与预先注册的操作指令匹配失败,生成并显示相应的提示信息。
在本实施例的一些可选的实现方式中,终端设备为智能手表;以及预设动作包括以下至少一项:满足预设时长的、持续按压智能手表的物理按键动作,连续多次按压智能手表的物理按键动作。
根据本公开的实施例,本公开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。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如语音交互方法。例如,在一些实施例中,语音交互方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的语音交互方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语音交互方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种语音交互方法,包括:
响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒所述终端设备的语音模块;
基于所述语音模块获取用户的语音信息;
响应于所述语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
2.根据权利要求1所述的方法,还包括:
显示所述语音模块的语音交互界面;
对所述语音信息进行识别,得到对应的文字信息;
将所述文字信息显示在所述语音交互界面上。
3.根据权利要求2所述的方法,其中,所述响应于所述语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作,包括:
将所述文字信息与预先注册的操作指令进行匹配;
响应于所述文字信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
4.根据权利要求3所述的方法,还包括:
响应于所述文字信息与预先注册的操作指令匹配失败,生成并显示相应的提示信息。
5.根据权利要求1-4中任一项所述的方法,其中,所述终端设备为智能手表;以及
所述预设动作包括以下至少一项:满足预设时长的、持续按压所述智能手表的物理按键动作,连续多次按压所述智能手表的物理按键动作。
6.一种语音交互装置,包括:
唤醒模块,被配置成响应于确定用户当前执行的操作为唤醒终端设备的语音模块的预设动作,唤醒所述终端设备的语音模块;
获取模块,被配置成基于所述语音模块获取用户的语音信息;
执行模块,被配置成响应于所述语音信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
7.根据权利要求6所述的装置,还包括:
第一显示模块,被配置成显示所述语音模块的语音交互界面;
识别模块,被配置成对所述语音信息进行识别,得到对应的文字信息;
第二显示模块,被配置成将所述文字信息显示在所述语音交互界面上。
8.根据权利要求7所述的装置,其中,所述执行模块包括:
匹配子模块,被配置成将所述文字信息与预先注册的操作指令进行匹配;
执行子模块,被配置成响应于所述文字信息与预先注册的操作指令匹配成功,执行匹配成功的操作指令所对应的操作。
9.根据权利要求8所述的装置,还包括:
生成子模块,被配置成响应于所述文字信息与预先注册的操作指令匹配失败,生成并显示相应的提示信息。
10.根据权利要求6-9中任一项所述的装置,其中,所述终端设备为智能手表;以及
所述预设动作包括以下至少一项:满足预设时长的、持续按压所述智能手表的物理按键动作,连续多次按压所述智能手表的物理按键动作。
11.一种电子设备,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,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 |
---|---|---|---|
CN202111549314.3A CN114237025A (zh) | 2021-12-17 | 2021-12-17 | 语音交互方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111549314.3A CN114237025A (zh) | 2021-12-17 | 2021-12-17 | 语音交互方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114237025A true CN114237025A (zh) | 2022-03-25 |
Family
ID=80757811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111549314.3A Pending CN114237025A (zh) | 2021-12-17 | 2021-12-17 | 语音交互方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114237025A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180152445A1 (en) * | 2016-11-30 | 2018-05-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for authenticating user |
CN109618059A (zh) * | 2019-01-03 | 2019-04-12 | 北京百度网讯科技有限公司 | 移动终端中语音识别功能的唤醒方法和装置 |
US20190369868A1 (en) * | 2018-05-31 | 2019-12-05 | Beijing Xiaomi Mobile Software Co., Ltd. | Terminal control method, device and computer readable storage medium |
CN111742539A (zh) * | 2018-08-07 | 2020-10-02 | 华为技术有限公司 | 一种语音控制命令生成方法及终端 |
CN113449197A (zh) * | 2021-07-19 | 2021-09-28 | 北京百度网讯科技有限公司 | 信息处理方法、装置、电子设备以及存储介质 |
-
2021
- 2021-12-17 CN CN202111549314.3A patent/CN114237025A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180152445A1 (en) * | 2016-11-30 | 2018-05-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for authenticating user |
US20190369868A1 (en) * | 2018-05-31 | 2019-12-05 | Beijing Xiaomi Mobile Software Co., Ltd. | Terminal control method, device and computer readable storage medium |
CN111742539A (zh) * | 2018-08-07 | 2020-10-02 | 华为技术有限公司 | 一种语音控制命令生成方法及终端 |
CN109618059A (zh) * | 2019-01-03 | 2019-04-12 | 北京百度网讯科技有限公司 | 移动终端中语音识别功能的唤醒方法和装置 |
CN113449197A (zh) * | 2021-07-19 | 2021-09-28 | 北京百度网讯科技有限公司 | 信息处理方法、装置、电子设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
马拉大表哥: "《抖音》" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121490B (zh) | 用于处理多模式输入的电子装置、方法和服务器 | |
CN108351890B (zh) | 电子装置及其操作方法 | |
CN114612749B (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
JP2021196599A (ja) | 情報を出力するための方法および装置 | |
CN112382294B (zh) | 语音识别方法、装置、电子设备和存储介质 | |
US20220005474A1 (en) | Method and device for processing voice interaction, electronic device and storage medium | |
CN112382285A (zh) | 语音控制方法、装置、电子设备和存储介质 | |
CN113674746B (zh) | 人机交互方法、装置、设备以及存储介质 | |
CN113407850A (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN108920085B (zh) | 用于可穿戴设备的信息处理方法和装置 | |
CN116450917B (zh) | 信息搜索方法及装置、电子设备和介质 | |
CN112382292A (zh) | 基于语音的控制方法和装置 | |
CN112669837A (zh) | 智能终端的唤醒方法、装置及电子设备 | |
CN112860995A (zh) | 交互方法、装置、客户端、服务器以及存储介质 | |
CN115879469B (zh) | 文本数据处理方法、模型训练方法、装置及介质 | |
CN114237025A (zh) | 语音交互方法、装置、设备以及存储介质 | |
US20210210070A1 (en) | Skill service updating method, electronic device and readable storage medium | |
CN114999449A (zh) | 数据处理方法和装置 | |
CN113449197A (zh) | 信息处理方法、装置、电子设备以及存储介质 | |
CN113791689A (zh) | 智能设备的控制方法、装置、存储介质及电子装置 | |
CN112786048A (zh) | 一种语音交互方法、装置、电子设备和介质 | |
CN113808585A (zh) | 耳机唤醒方法、装置、设备以及存储介质 | |
CN111986682A (zh) | 语音交互方法、装置、设备以及存储介质 | |
CN113327311A (zh) | 基于虚拟角色的显示方法、装置、设备、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 |