CN114360538A - 语音数据的采集方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本申请公开了语音数据的采集方法、装置、设备及计算机可读存储介质，属于计算机技术领域。方法包括：基于多个麦克风采集车内不同位置的语音数据；检测多路语音数据的有效性，语音数据的有效性基于语音数据在参考时段内的物理参数确定；在有效的至少一路语音数据中确定目标语音数据，控制目标语音数据对应的目标麦克风进行录音，得到录音数据；基于录音数据确定语音数据采集结果。本申请通过检测多路语音数据的有效性，从有效的语音数据中确定目标语音数据，控制目标语音数据对应的目标麦克风进行录音，降低了功耗。并且本申请仅将目标麦克风对应的录音数据作为语音数据采集结果，提高了语音数据采集的效率，从而提高了语音控制的效率。

Description

语音数据的采集方法、装置、设备及计算机可读存储介质

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种语音数据的采集方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机技术的进步，人机交互变得越来越方便。例如，可以通过语音控制的方法来进行人机交互。为了实现语音控制，需要对语音数据进行采集。

在相关技术中，可以将该语音控制的方法应用在车辆上。为实现语音数据的采集，可以在车内不同的座位分别放置麦克风，控制多个麦克风分别进行录音得到多个录音数据。之后，可以将全部的录音数据作为语音数据采集结果。

相关技术提供的方法需要控制多个麦克风一直进行录音，增加了功耗。另外，相关技术提供的方法将多个麦克风录音得到的录音数据全部作为语音数据采集结果，降低了采集语音数据的效率。

发明内容

本申请实施例提供了一种语音数据的采集方法、装置、设备及计算机可读存储介质，可用于解决相关技术的问题。技术方案如下：

一方面，本申请实施例提供了一种语音数据的采集方法，方法包括：

基于多个麦克风采集车内不同位置的语音数据；

检测所述多个麦克风采集的多路语音数据的有效性，所述语音数据的有效性基于所述语音数据在参考时段内的物理参数确定；

在有效的至少一路语音数据中确定目标语音数据，控制所述目标语音数据对应的目标麦克风进行录音，得到录音数据；

基于所述录音数据确定语音数据采集结果。

在一种可能的实现方式中，所述目标语音数据满足在所述有效的至少一路语音数据中，所述目标语音数据在所述参考时段内的平均振幅最高，以及所述目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据两者中的至少一个。

在一种可能的实现方式中，所述基于所述录音数据确定语音数据采集结果，包括：

基于多路参考语音数据对所述录音数据进行降噪，将降噪后的语音数据作为所述语音数据采集结果，所述多路参考语音数据为所述多个麦克风中除所述目标麦克风采集到的语音数据之外的语音数据。

在一种可能的实现方式中，所述在有效的至少一路语音数据中确定目标语音数据之后，所述方法还包括：

确定所述目标麦克风的位置，向控制装置发送所述目标麦克风的位置，以使所述控制装置控制显示屏显示所述目标麦克风的位置。

在一种可能的实现方式中，所述基于所述录音数据确定语音数据采集结果之后，所述方法还包括：

分析所述语音数据采集结果，得到所述语音数据采集结果中的语义信息，所述语义信息中包括语音控制的指令；

向控制装置发送所述语音控制的指令，以使所述控制装置基于所述语音控制的指令控制车辆。

另一方面，提供了一种语音数据的采集装置，装置包括：

采集模块，用于基于多个麦克风采集车内不同位置的语音数据；

检测模块，用于检测所述多个麦克风采集的多路语音数据的有效性，所述语音数据的有效性基于所述语音数据在参考时段内的物理参数确定；

第一确定模块，用于在有效的至少一路语音数据中确定目标语音数据，控制所述目标语音数据对应的目标麦克风进行录音，得到录音数据；

第二确定模块，用于基于所述录音数据确定语音数据采集结果。

在一种可能的实现方式中，所述目标语音数据满足在所述有效的至少一路语音数据中，所述目标语音数据在所述参考时段内的平均振幅最高，以及所述目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据两者中的至少一个。

在一种可能的实现方式中，第二确定模块，用于基于多路参考语音数据对所述录音数据进行降噪，将降噪后的语音数据作为所述语音数据采集结果，所述多路参考语音数据为所述多个麦克风中除所述目标麦克风采集到的语音数据之外的语音数据。

在一种可能的实现方式中，所述装置还包括：

第一发送模块，用于确定所述目标麦克风的位置，向控制装置发送所述目标麦克风的位置，以使所述控制装置控制显示屏显示所述目标麦克风的位置。

在一种可能的实现方式中，所述装置还包括：

分析模块，用于分析所述语音数据采集结果，得到所述语音数据采集结果中的语义信息，所述语义信息中包括语音控制的指令；

第二发送模块，用于向控制装置发送所述语音控制的指令，以使所述控制装置基于所述语音控制的指令控制车辆。

另一方面，提供了一种计算机设备，计算机设备包括处理器和存储器，存储器中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机设备实现上述任一的语音数据的采集方法。

另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一的语音数据的采集方法。

另一方面，还提供了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序包括计算机指令，计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取计算机指令，处理器执行计算机指令，使得计算机设备执行上述任一的语音数据的采集方法。

本申请实施例提供的技术方案至少带来如下有益效果：

本申请提供的技术方案通过检测多个麦克风采集的多路语音数据的有效性，再从有效的至少一路语音数据中确定目标语音数据。因而本申请实施例可以控制目标语音数据对应的目标麦克风进行录音，降低了功耗。并且本申请实施例仅将目标麦克风对应的录音数据作为语音数据采集结果，提高了语音数据采集的效率，从而提高了语音控制的效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种语音数据的采集系统的示意图；

图2是本申请实施例提供的另一种语音数据的采集系统的示意图；

图3是本申请实施例提供的一种语音数据的采集方法的流程图；

图4是本申请实施例提供的另一种语音数据的采集方法的流程图；

图5是本申请实施例提供的一种语音数据的采集装置示意图；

图6是本申请实施例提供的一种计算机设备的结构示意图；

图7是本申请实施例提供的另一种计算机设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

本申请实施例提供了一种语音数据的采集方法，本申请实施例提供的方法的实施环境可以为语音数据的采集系统，该语音数据的采集系统可以包括多个麦克风与终端。

在一种可能的实施方式中，语音数据的采集系统可以如图1所示，该语音采集系统包括：第一麦克风11、第二麦克风12、第三麦克风13、第四麦克风14以及终端15。

其中，终端15分别与第一麦克风11、第二麦克风12、第三麦克风13、第四麦克风14相连接，第一麦克风11、第二麦克风12、第三麦克风13、第四麦克风14可以分别对应车辆上的不同位置进行安装。例如，可以使第一麦克风11对应车辆的驾驶位置，第二麦克风12对应车辆的副驾驶位置，第三麦克风13对应车辆的后排左侧位置，第四麦克风14对应车辆的后排右侧位置。第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14均可以对语音数据进行采集，并均可以向终端15发送采集到的语音数据。

终端15可以对第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14发送的语音数据进行接收，并基于本申请实施例提供的语音数据的采集方法基于第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14采集的语音数据确定语音数据采集结果。

在示例性实施例中，语音数据的采集系统可以如图2所示，该语音采集的系统包括：第一麦克风11、第二麦克风12、第三麦克风13、第四麦克风14、音频处理单元16、控制装置17以及显示屏18。音频处理单元16与控制装置17可以属于同一终端，也可分属不同的终端。显示屏18可以属于控制装置17所在的终端，也可以为与控制装置17所在的终端相连的一块独立的显示屏。当显示屏18为与控制装置17所在的终端相连的一块独立的显示屏时，本申请实施例不限定显示屏18的型号。

音频处理单元16可以分别与第一麦克风11、第二麦克风12、第三麦克风13、第四麦克风14、控制装置17相连接。第一麦克风11、第二麦克风12、第三麦克风13、第四麦克风14可以分别对应车辆上的不同位置进行安装，例如该安装方法可以与上述图1中的安装方法相同，此处不再进行赘述。第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14均可以对语音数据进行采集，并均可以向音频处理单元16发送采集到的语音数据。

音频处理单元16可以对第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14发送的语音数据进行接收，并基于本申请实施例提供的语音数据的采集方法基于第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14采集的语音数据确定语音数据采集结果。

音频处理单元16可以确定第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14中第一麦克风11的位置，向控制装置17发送该第一麦克风11的位置。控制装置17可以接收该第一麦克风11的位置，并控制显示屏18显示该第一麦克风11的位置。

音频处理单元16确定语音数据采集结果中的语义信息，语义信息中包括语音控制的指令。音频处理单元16可以向控制装置17发送该语音控制的指令。控制装置17可以接收该语音控制的指令，基于该语音控制的指令控制车辆。

可选地，第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14均可以为任一能够进行语音数据采集的麦克风，本申请实施例不对第一麦克风11、第二麦克风12、第三麦克风13与第四麦克风14的具体型号进行限定。此外，图1和图2仅以包括4个麦克风为例进行说明，但并不用于限制麦克风的数量，在本申请实施例提供的方法所应用的实施环境中，麦克风的数量还可以多于4个或者少于4。本申请实施例不对麦克风的数量及安装位置进行限定。

终端15可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如PC(Personal Computer，个人计算机)、手机、智能手机、PDA(Personal Digital Assistant，个人数字助手)、PPC(PocketPC，掌上电脑)、平板电脑、智能车机、智能电视等。

本领域技术人员应能理解上述仅为举例，其他现有的或今后可能出现的麦克风、终端等如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

基于上述图1或图2所示的实施环境，本申请实施例提供一种语音数据的采集方法，以该方法应用于终端为例。如图3所示，本申请实施例提供的方法可以包括如下步骤301至步骤304。

在步骤301中，基于多个麦克风采集车内不同位置的语音数据。

本申请实施例不对多个麦克风采集车内不同位置的语音数据的方法进行限定，可以基于经验与应用环境进行限定。例如可以在车辆上的对应任一座位的位置附近安装一个麦克风，使该麦克风可以采集坐在该座位上的对象的语音数据。例如，该车辆可以为一辆四座轿车，该车可以包括驾驶位置、副驾驶位置、后排左侧位置、后排右侧位置，因此，可以对应上述四个位置安装四个麦克风，任一麦克风采集任一位置对应的语音数据。

本申请实施例不对语音数据的格式进行限定，例如该语音数据的格式可以为WAV(Waveform Audio，波形声频)格式，或者该语音数据的格式可以为MP3(Moving PictureExperts Group Audio Layer 3，动态影像专家压缩标准音频层面3)格式。

在步骤302中，检测多个麦克风采集的多路语音数据的有效性，语音数据的有效性基于语音数据在参考时段内的物理参数确定。

其中，任一麦克风采集一路语音数据。本申请实施例不对物理参数进行限定，例如，物理参数可以为平均振幅、平均频谱通量等等，其中平均频谱通量用于指示语音数据对应的频谱在参考时段内的变化程度。因此，语音数据的有效性可以基于语音数据在参考时段内的平均振幅确定，或者也可以基于语音数据在参考时段内的平均频谱通量等等进行确定。

此处可以设置一个参考阈值，参考时段内任一路语音数据的物理参数满足该参考阈值，则该路语音数据具有有效性。本申请实施例不对该参考阈值的数值大小进行限定，该参考阈值的数值大小可以基于经验或应用环境进行限定。本申请实施例也不对该参考时段进行限定，例如该参考时段可以为3秒，当任一麦克风采集的语音数据在连续的3秒内的物理参数满足参考阈值，则该麦克风采集到了有效的语音数据。

在示例性实施例中，以基于语音数据在参考时段内的平均振幅确定语音数据的有效性为例，当有四路语音数据时，在参考时段内，第一路语音数据的平均振幅为20dB(deciBel，分贝)，第二路语音数据的平均振幅为60dB，第三路语音数据的平均振幅为40dB，第四路语音数据的平均振幅为80dB。例如该参考阈值可以为50dB，当任一路语音数据的平均振幅大于该参考阈值时，则该路语音数据为有效的语音数据。因而在上述的示例性实施例中，第二路语音数据的平均振幅为60dB，第四路语音数据的平均振幅为80dB，上述两路语音数据的平均振幅大于该参考阈值，因此，第二路语音数据与第四路语音数据为有效的语音数据。

在步骤303中，在有效的至少一路语音数据中确定目标语音数据，控制目标语音数据对应的目标麦克风进行录音，得到录音数据。

示例性地，目标语音数据满足在有效的至少一路语音数据中，目标语音数据在参考时段内的平均振幅最高，以及目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据两者中的至少一个。

本申请实施例不对在有效的至少一路语音数据中确定目标语音数据的方法进行限定。在一种可能的实施方式中，目标语音数据可以为有效的至少一路语音数据中，在参考时段内的语音数据的平均振幅最高的一路语音数据。在该种情况下，当有四路语音数据时，在参考时段内，第一路语音数据的平均振幅为20dB，第二路语音数据的平均振幅为60dB，第三路语音数据的平均振幅为40dB，第四路语音数据的平均振幅为80dB。其中，第二路语音数据与第四路语音数据可以为有效的语音数据。在上述的两路有效的语音数据中，第四路语音数据在参考时段内的平均振幅大于第二路语音数据在参考时段内的平均振幅，因此，可以在上述的两路有效的语音数据中选择第四路语音数据作为目标语音数据。

在另一种可能的实施方式中，目标语音数据可以为目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据。例如，车辆为一辆四座轿车时，可以使第一麦克风对应驾驶位置，第二麦克风对应副驾驶位置，第三麦克风对应后排左侧位置，第四麦克风对应后排右侧位置。当第一麦克风采集到的语音数据为有效的语音数据时，则将第一麦克风采集到的语音数据作为目标语音数据。

在一些实施例中，参考时段内，第一麦克风采集到的语音数据的平均振幅可以为20dB，第二麦克风采集到的语音数据的平均振幅可以为60dB，第三麦克风采集到的语音数据的平均振幅可以为30dB，第四麦克风采集到的语音数据的平均振幅可以为80dB，参考阈值可以为50dB。因此，参考时段内第一麦克风采集到的语音数据的平均振幅小于参考阈值，即第一麦克风采集到的语音数据不具有有效性。此时，虽然第一麦克风对应车辆的驾驶位置，但是不将第一麦克风采集的语音数据作为目标语音数据，可以在上述四路语音数据中有效的语音数据中，选择参考时段内的平均振幅最高的一路语音数据作为目标语音数据，即第二麦克风采集到的语音数据为目标语音数据。

在一些实施例中，参考时段内，第一麦克风采集到的语音数据的平均振幅可以为60dB，第二麦克风采集到的语音数据的平均振幅可以为40dB，第三麦克风采集到的语音数据的平均振幅可以为30dB，第四麦克风采集到的语音数据的平均振幅可以为80dB，参考阈值可以为50dB。因此，第一麦克风采集到的语音数据与第四麦克风采集到的语音数据为有效的语音数据。在上述两路语音数据中，第四麦克风采集到的语音数据为在参考时段内的语音数据的平均振幅最高的一路语音数据。但是，第一麦克风对应车辆的驾驶位置，因此，可以将第一麦克风采集到的语音数据作为目标语音数据。

在示例性实施例中，在有效的至少一路语音数据中确定目标语音数据之后，方法还包括：确定目标麦克风的位置，向控制装置发送目标麦克风的位置，以使控制装置控制显示屏显示目标麦克风的位置。

在一种可能的实施方式中，目标麦克风安装在车辆的驾驶位置，则可以向控制装置发送目标麦克风的位置为车辆的驾驶位置，该控制装置可以接收上述信息，并控制显示屏显示目标麦克风的位置为车辆的驾驶位置。当该语音数据的采集应用于语音控制时，显示屏显示目标麦克风的位置可以示意车辆所执行的指令对应的交互对象所在的位置。本申请实施例不对控制装置进行限定，例如该控制装置可以为SOC(System on Chip，系统级芯片)。

本申请实施例不对录音数据的格式进行限定，该录音数据的格式可以与语音数据的格式一致。例如，录音数据的格式可以为WAV格式，或者该语音数据的格式可以为MP3格式。

在步骤304中，基于录音数据确定语音数据采集结果。

在一种可能的实施方式中，可以将录音数据直接作为语音数据采集结果。或者，示例性地，基于录音数据确定语音数据采集结果，包括：基于多路参考语音数据对录音数据进行降噪，将降噪后的语音数据作为语音数据采集结果，多路参考语音数据为多个麦克风中除目标麦克风采集到的语音数据之外的语音数据。

本申请实施例不对基于多路参考语音数据对录音数据进行降噪的方法进行限定。示例性地，录音数据基于目标麦克风进行录音得到，该目标麦克风可以对应车辆的任一位置，但是，第一麦克风也可能录到车辆上除上述的任一位置之外的位置上的交互对象的声音，上述声音即为噪声。在示例性实施例中，目标麦克风可以对应车辆的驾驶位置，但是目标麦克风录到了来自副驾驶位置上的交互对象的声音。此时，多路参考语音数据中对应副驾驶位置的一路参考语音数据，可能与录音数据存在部分的语音数据的内容为重合内容。且该重合内容对应的录音数据的振幅大于该重合内容对应的参考语音数据的振幅。因此，可以在该录音文件中将内容重合的部分的语音数据过滤掉，以此达到降噪的效果。

在示例性实施例中，基于录音数据确定语音数据采集结果之后，方法还包括：分析语音数据采集结果，得到语音数据采集结果中的语义信息，语义信息中包括语音控制的指令；向控制装置发送语音控制的指令，以使控制装置基于语音控制的指令控制车辆。

本申请实施例不对分析语音数据采集结果进行限定，例如，可以先对语音数据采集结果进行文本转换，得到对应的文本。之后，可以对该文本进行词典匹配、关键词提取等方法进行分析，得到语音数据采集结果中的语义信息。

本申请实施例不对向控制装置发送语音控制的指令的方法进行限定，例如当控制装置所属终端与应用本申请实施例的终端为同一终端时，控制装置可以直接获取语音控制的指令。又例如，控制装置所属终端与应用本申请实施例的终端不为同一终端时，则可以基于有线或无线的方法向控制装置发送该语音控制的指令。

本申请提供的方法通过检测多个麦克风采集的多路语音数据的有效性，再从有效的至少一路语音数据中确定目标语音数据。因而本申请实施例可以控制目标语音数据对应的目标麦克风进行录音，降低了功耗。并且本申请实施例仅将目标麦克风对应的录音数据作为语音数据采集结果，提高了语音数据采集的效率，从而提高了语音控制的效率。

如图4所示，本申请实施例提供的一种语音数据的采集方法可以包括如下步骤401至步骤404。

401，基于四个麦克风采集车内不同位置的四路语音数据。该步骤的实现方式可参见上述步骤301，此处不再赘述。

402，检测四路语音数据的有效性。该步骤的实现方式可参见上述步骤302，此处不再赘述。

403，在有效的至少一路语音数据中确定目标语音数据，控制目标语音数据对应的目标麦克风进行录音，得到录音数据。该步骤的实现方式可参见上述步骤303，此处不再赘述。

404，基于录音数据确定语音数据采集结果。该步骤的实现方式可参见上述步骤304，此处不再赘述。

参见图5，本申请实施例提供了一种语音数据的采集装置，该装置包括：

采集模块501，用于基于多个麦克风采集车内不同位置的语音数据；

检测模块502，用于检测多个麦克风采集的多路语音数据的有效性，语音数据的有效性基于语音数据在参考时段内的物理参数确定；

第一确定模块503，用于在有效的至少一路语音数据中确定目标语音数据，控制目标语音数据对应的目标麦克风进行录音，得到录音数据；

第二确定模块504，用于基于录音数据确定语音数据采集结果。

在一种可能的实现方式中，目标语音数据满足在有效的至少一路语音数据中，目标语音数据在参考时段内的平均振幅最高，以及目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据两者中的至少一个。

在一种可能的实现方式中，第二确定模块504，用于基于多路参考语音数据对录音数据进行降噪，将降噪后的语音数据作为语音数据采集结果，多路参考语音数据为多个麦克风中除目标麦克风采集到的语音数据之外的语音数据。

在一种可能的实现方式中，装置还包括：

第一发送模块，用于确定目标麦克风的位置，向控制装置发送目标麦克风的位置，以使控制装置控制显示屏显示目标麦克风的位置。

在一种可能的实现方式中，装置还包括：

分析模块，用于分析语音数据采集结果，得到语音数据采集结果中的语义信息，语义信息中包括语音控制的指令；

第二发送模块，用于向控制装置发送语音控制的指令，以使控制装置基于语音控制的指令控制车辆。

在本申请实施例中，通过检测多个麦克风采集的多路语音数据的有效性，再从有效的至少一路语音数据中确定目标语音数据。因而本申请实施例可以控制目标语音数据对应的目标麦克风进行录音，降低了功耗。并且本申请实施例仅将目标麦克风对应的录音数据作为语音数据采集结果，提高了语音数据采集的效率，从而提高了语音控制的效率。

需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图6是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备可以为服务器，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器601和一个或多个存储器602，处理器601例如为CPU(Central Processing Units，中央处理器)。其中，该一个或多个存储器602中存储有至少一条计算机程序，该至少一条计算机程序由该一个或多个处理器601加载并执行，以使该服务器实现上述各个方法实施例提供的语音数据的采集方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。

图7是本申请实施例提供的一种计算机设备的结构示意图。该设备可以为终端，例如可以是：智能手机、平板电脑、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端包括有：处理器701和存储器702。

处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行，以使该终端实现本申请中方法实施例提供的语音数据的采集方法。

在一些实施例中，终端还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。

外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏705用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置在终端的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端的不同表面或呈折叠设计；在另一些实施例中，显示屏705可以是柔性显示屏，设置在终端的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。

摄像头组件706用于采集图像或视频。可选地，摄像头组件706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器701进行处理，或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路707还可以包括耳机插孔。

定位组件708用于定位终端的当前地理位置，以实现导航或LBS(Location BasedService，基于位置的服务)。定位组件708可以是基于美国的GPS(Global PositioningSystem，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源709用于为终端中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于：加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。

加速度传感器711可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号，控制显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器712可以检测终端的机体方向及转动角度，陀螺仪传感器712可以与加速度传感器711协同采集用户对终端的3D动作。处理器701根据陀螺仪传感器712采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器713可以设置在终端的侧边框和/或显示屏705的下层。当压力传感器713设置在终端的侧边框时，可以检测用户对终端的握持信号，由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在显示屏705的下层时，由处理器701根据用户对显示屏705的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器714用于采集用户的指纹，由处理器701根据指纹传感器714采集到的指纹识别用户的身份，或者，由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器701授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置在终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo(商标)时，指纹传感器714可以与物理按键或厂商Logo集成在一起。

光学传感器715用于采集环境光强度。在一个实施例中，处理器701可以根据光学传感器715采集的环境光强度，控制显示屏705的显示亮度。具体地，当环境光强度较高时，调高显示屏705的显示亮度；当环境光强度较低时，调低显示屏705的显示亮度。在另一个实施例中，处理器701还可以根据光学传感器715采集的环境光强度，动态调整摄像头组件706的拍摄参数。

接近传感器716，也称距离传感器，通常设置在终端的前面板。接近传感器716用于采集用户与终端的正面之间的距离。在一个实施例中，当接近传感器716检测到用户与终端的正面之间的距离逐渐变小时，由处理器701控制显示屏705从亮屏状态切换为息屏状态；当接近传感器716检测到用户与终端的正面之间的距离逐渐变大时，由处理器701控制显示屏705从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图7中示出的结构并不构成对终端的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例性实施例中，还提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条计算机程序。该至少一条计算机程序由一个或者一个以上处理器加载并执行，以使该计算机设备实现上述任一种语音数据的采集方法。

在示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条计算机程序，该至少一条计算机程序由计算机设备的处理器加载并执行，以使计算机实现上述任一种语音数据的采集方法。

在一种可能实现方式中，上述计算机可读存储介质可以是只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact DiscRead-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一种语音数据的采集方法。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种语音数据的采集方法，其特征在于，所述方法包括：

基于多个麦克风采集车内不同位置的语音数据；

检测所述多个麦克风采集的多路语音数据的有效性，所述语音数据的有效性基于所述语音数据在参考时段内的物理参数确定；

在有效的至少一路语音数据中确定目标语音数据，控制所述目标语音数据对应的目标麦克风进行录音，得到录音数据；

基于所述录音数据确定语音数据采集结果。

2.根据权利要求1所述的方法，其特征在于，所述目标语音数据满足在所述有效的至少一路语音数据中，所述目标语音数据在所述参考时段内的平均振幅最高，以及所述目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据两者中的至少一个。

3.根据权利要求1所述的方法，其特征在于，所述基于所述录音数据确定语音数据采集结果，包括：

基于多路参考语音数据对所述录音数据进行降噪，将降噪后的语音数据作为所述语音数据采集结果，所述多路参考语音数据为所述多个麦克风中除所述目标麦克风采集到的语音数据之外的语音数据。

4.根据权利要求1所述的方法，其特征在于，所述在有效的至少一路语音数据中确定目标语音数据之后，所述方法还包括：

确定所述目标麦克风的位置，向控制装置发送所述目标麦克风的位置，以使所述控制装置控制显示屏显示所述目标麦克风的位置。

5.根据权利要求1所述的方法，其特征在于，所述基于所述录音数据确定语音数据采集结果之后，所述方法还包括：

分析所述语音数据采集结果，得到所述语音数据采集结果中的语义信息，所述语义信息中包括语音控制的指令；

向控制装置发送所述语音控制的指令，以使所述控制装置基于所述语音控制的指令控制车辆。

6.一种语音数据的采集装置，其特征在于，所述装置包括：

采集模块，用于基于多个麦克风采集车内不同位置的语音数据；

检测模块，用于检测所述多个麦克风采集的多路语音数据的有效性，所述语音数据的有效性基于所述语音数据在参考时段内的物理参数确定；

第一确定模块，用于在有效的至少一路语音数据中确定目标语音数据，控制所述目标语音数据对应的目标麦克风进行录音，得到录音数据；

第二确定模块，用于基于所述录音数据确定语音数据采集结果。

7.根据权利要求6所述的装置，其特征在于，所述目标语音数据满足在所述有效的至少一路语音数据中，所述目标语音数据在所述参考时段内的平均振幅最高，以及所述目标语音数据为车辆的驾驶位置对应的麦克风采集的有效的语音数据两者中的至少一个。

8.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1至5任一所述的语音数据的采集方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1至5任一所述的语音数据的采集方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行如权利要求1至5任一所述的语音数据的采集方法。

Images