CN115497489A - 语音交互方法、智能终端及存储介质 - Google Patents

语音交互方法、智能终端及存储介质 Download PDF

Info

Publication number
CN115497489A
CN115497489A CN202211073808.3A CN202211073808A CN115497489A CN 115497489 A CN115497489 A CN 115497489A CN 202211073808 A CN202211073808 A CN 202211073808A CN 115497489 A CN115497489 A CN 115497489A
Authority
CN
China
Prior art keywords
preset
terminal
file
voice
voice interaction
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
Application number
CN202211073808.3A
Other languages
English (en)
Inventor
李钊
荆浩
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.)
Shenzhen Transsion Communication Co Ltd
Original Assignee
Shenzhen Transsion Communication 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 Shenzhen Transsion Communication Co Ltd filed Critical Shenzhen Transsion Communication Co Ltd
Priority to CN202211073808.3A priority Critical patent/CN115497489A/zh
Publication of CN115497489A publication Critical patent/CN115497489A/zh
Pending legal-status Critical Current

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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/003—Changing voice quality, e.g. pitch or formants
    • G10L21/007—Changing voice quality, e.g. pitch or formants characterised by the process used
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/0486—Drag-and-drop
    • 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
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72433—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for voice messaging, e.g. dictaphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Telephone Function (AREA)

Abstract

本申请提出了一种语音交互方法、智能终端及存储介质。该方法用于第一终端和第二终端之间的语音交互，该方法包括以下步骤：至少两个终端间建立连接，于第一终端确定或生成至少一预设文件；将预设文件进行第一预处理，与交互语音合并后于第二终端和/或第一终端播放。本申请可丰富交互语音的表现形式，以增加语音交互时的趣味性，提升用户体验。

Description

语音交互方法、智能终端及存储介质
技术领域
本申请涉及语音交互技术领域，具体涉及一种语音交互方法、智能终端及存储介质。
背景技术
目前，手机、平板电脑和/或计算机等智能终端已深入到应用到各类领域，在人们的生活和工作中具有重要作用。如可使用这些智能终端进行语音交互，以实现人们生活和工作中的远距离通信交流。
在构思及实现本申请过程中，发明人发现至少存在如下问题：现有智能终端，在实现语音交互时，通常是直接的语音输入输出，即直接将其中一方的语音传输给另一方，导致语音交互方式单一，缺乏趣味性。
前面的叙述在于提供一般的背景信息，并不一定构成现有技术。
发明内容
针对上述技术问题，本申请提供一种语音交互方法、智能终端及存储介质，可丰富交互语音的表现形式，以增加语音交互时的趣味性，提升用户体验。
本申请提供一种语音交互方法，所述方法包括以下步骤：
S11：至少两个终端间建立连接，于第一终端确定或生成至少一预设文件，可选地，所述连接为语音交互连接；
S12：将所述预设文件进行第一预处理，与交互语音合并后于第二终端和/或所述第一终端播放。
可选地，所述确定或生成至少一预设文件，包括以下至少一种：
显示预设窗口，所述预设窗口用于提供至少一预设文件，以及响应于在所述预设窗口的预设操作以选择至少一预设文件；
自定义确定或生成至少一预设文件；
接收来自其他终端发送的至少一预设文件。
可选地，所述S12步骤包括以下至少一种：
将所述第一目标文件与所述交互语音同步播放；
通过所述第一目标文件改变所述交互语音的语速和/或声调；
在所述交互语音播放时，按第一预设方式插播所述第一目标文件。
可选地，所述按第一预设方式插播所述第一目标文件，包括以下至少一种：
在所述交互语音的交互间隙中，插播所述第一目标文件；
在所述交互语音播放时，按预设时间间隔插播所述第一目标文件；
在所述交互语音播放时，根据预设关键词插播所述第一目标文件。
可选地，所述S12步骤包括：
所述预设文件具有预设格式，将所述预设文件进行第一预处理，输出第二目标文件；所述于第二终端和/或所述第一终端播放包括在所述交互语音播放时，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件；
所述预设文件具有预设格式，包括：
根据所述预设文件的解码内容是否包含预设字符段，确定所述预设文件是否具有所述预设格式。
可选地，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件，包括以下至少一种：
在所述屏幕页面的浮窗内展示所述第二目标文件，所述浮窗显示于预设区域，和/或，响应拖曳操作在所述屏幕上移动；
在所述屏幕页面上启动预设播放器以播放所述第二目标文件；
在所述屏幕页面上弹出指令框，在接收到播放指令时将所述屏幕页面切换至预设界面，所述预设界面展示所述第二目标文件。
可选地，还包括：
获取所述第一终端的网络连接状态；
根据所述网络连接状态，控制所述第一终端按第二预设方式将选择的所述预设文件发送给所述第二终端。
可选地，所述根据所述网络连接状态，控制所述第一终端按第二预设方式将选择的所述预设文件发送给所述第二终端，包括：
在无线局域网和/或移动蜂窝网的信号强度满足预设条件时，直接将所述预设文件发送给所述第二终端；否则，将所述预设文件进行第二预处理后发送给所述第二终端。
本申请还提供一种智能终端，包括：存储器、处理器，其中，所述存储器上存储有语音交互程序，所述语音交互程序被所述处理器执行时实现如上任一所述语音交互方法的步骤。
本申请还提供一种计算机可读存储介质，所述存储介质存储有语音交互程序，所述语音交互程序被处理器执行时实现如上任一所述语音交互方法的步骤。
如上所述，本申请的语音交互方法，应用于至少两个终端间建立连接，其于第一终端确定或生成至少一预设文件后，将该预设文件进行第一预处理，与交互语音合并后于第二终端和/或第一终端播放，可丰富交互语音的表现形式，以增加语音交互时的趣味性，提升用户体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为实现本申请各个实施例的一种智能终端的硬件结构示意图；
图2为本申请实施例提供的一种通信网络系统架构图；
图3为本申请实施例提供的语音交互方法的第一种流程示意图；
图4为本申请实施例提供的语音交互方法的第一场景示意图；
图5为本申请实施例提供的语音交互方法的第二场景示意图；
图6为本申请实施例提供的语音交互方法的第三场景示意图；
图7为本申请实施例提供的语音交互方法的第四场景示意图；
图8为本申请实施例提供的语音交互方法的第五场景示意图；
图9为本申请实施例提供的语音交互方法的第六场景示意图；
图10为本申请实施例提供的语音交互方法的第七场景示意图；
图11为本申请实施例提供的语音交互方法的第二种流程示意图；
图12为本申请实施例提供的语音交互装置的第一种结构示意图；
图13为本申请实施例提供的语音交互装置的第二种结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。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。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的，或意味着任一个或任何组合。例如，“包括以下至少一个：A、B、C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”，再如，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
应该理解的是，虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是，在本文中，采用了诸如S11、S12等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行S12后执行S11等，但这些均应在本申请的保护范围之内。
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。
智能终端可以以各种形式来实施。例如，本申请中描述的智能终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等智能终端，在其他实施例中还可以包括诸如数字TV、台式计算机等固定终端。
后续描述中将以智能终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本申请的实施方式的构造也能够应用于固定类型的终端。
请参阅图1，其为实现本申请各个实施例的一种智能终端的硬件结构示意图，该智能终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的智能终端结构并不构成对智能终端的限定，智能终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图1对智能终端的各个部件进行可选地介绍：
射频单元101可用于收发信息或通话过程中，信号的接收和发送，可选地，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)、TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)和第五代(5th Generation，5G)移动通信系统等。
WiFi属于短距离无线传输技术，智能终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102，但是可以理解的是，其并不属于智能终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
音频输出单元103可以在智能终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与智能终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。
A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
智能终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。可选地，光传感器包括环境光传感器及接近传感器，可选地，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在智能终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息，以及产生与智能终端的用户设置以及功能控制有关的键信号输入。可选地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。可选地，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。可选地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。
可选地，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现智能终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现智能终端的输入和输出功能，具体此处不做限定。
接口单元108用作至少一个外部装置与智能终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到智能终端100内的一个或多个元件或者可以用于在智能终端100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，可选地，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器110是智能终端的控制中心，利用各种接口和线路连接整个智能终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行智能终端的各种功能和处理数据，从而对智能终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，可选地，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。
智能终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图1未示出，智能终端100还可以包括蓝牙模块等，在此不再赘述。
为了便于理解本申请实施例，下面对本申请的智能终端所基于的通信网络系统进行描述。
请参阅图2，图2为本申请实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的LTE系统，该LTE系统包括依次通讯连接的UE(User Equipment，用户设备)201，E-UTRAN(Evolved UMTS Terrestrial Radio Access Network，演进式UMTS陆地无线接入网)202，EPC(Evolved Packet Core，演进式分组核心网)203和运营商的IP业务204。
可选地，UE201可以是上述智能终端100，此处不再赘述。
E-UTRAN202包括eNodeB2021和其它eNodeB2022等。可选地，eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接，eNodeB2021连接到EPC203，eNodeB2021可以提供UE201到EPC203的接入。
EPC203可以包括MME(Mobility Management Entity，移动性管理实体)2031，HSS(Home Subscriber Server，归属用户服务器)2032，其它MME2033，SGW(Serving Gate Way，服务网关)2034，PGW(PDN Gate Way，分组数据网络网关)2035和PCRF(Policy andCharging Rules Function，政策和资费功能实体)2036等。可选地，MME2031是处理UE201和EPC203之间信令的控制节点，提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送，PGW2035可以提供UE 201的IP地址分配以及其它功能，PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。
IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem，IP多媒体子系统)或其它IP业务等。
虽然上述以LTE系统为例进行了介绍，但本领域技术人员应当知晓，本申请不仅仅适用于LTE系统，也可以适用于其他无线通信系统，例如GSM、CDMA2000、WCDMA、TD-SCDMA以及未来新的网络系统(如5G)等，此处不做限定。
基于上述智能终端硬件结构以及通信网络系统，提出本申请各个实施例。
请参阅图3，图3是本申请实施例提供的语音交互方法的第一种流程示意图。该语音交互方法的流程可以包括：
S11：至少两个终端间建立连接，于第一终端确定或生成至少一预设文件。
本申请实施例的执行主体可以为终端，也可以为设置在终端中的语音交互处理装置。可选地，语音交互装置可以通过软件实现，也可以通过软件和硬件的结合实现。上述智能终端可以为智能手机、平板电脑、笔记本电脑、超级移动个人计算机(Ultra-mobilePersonal Computer，UMPC)、上网本、个人数字助理(Personal Digital Assistant，PDA)等终端设备，且不限于此。上述预设文件包括音频文件、动画文件、文本文件中的任意一种或任意几种。
在一实施例中，至少两个终端间建立连接，于第一终端确定或生成至少一预设文件，可选地：在第一终端与第二终端建立语音交互连接之前，响应对第一终端的第一操作，于第一终端确定或生成至少一预设文件。也可以在第一终端与第二终端建立语音交互连接之后，此时，既可直接通过响应第一终端与第二终端之间语音交互连接的成功建立，于第一终端确定或生成至少一预设文件，也可进一步响应对第一终端的第一操作，于第一终端确定或生成至少一预设文件。可选地，本申请实施例中确定至少一预设文件，主要指可以进行选择，以在多个当前终端已有的预设文件中选中至少一预设文件或选择接收来自其他终端发送的至少一预设文件。本申请实施例中生成至少一预设文件，主要指可以根据用户需求自定义生成新的文件作为预设文件。
该第一操作可以为如下至少一种：长按、双击、连击、预设方向的滑动操作、隔空手势。
可选地，长按指的是通过手指或触控工具在终端的屏幕页面上进行长按操作。
双击指的是通过手指或触控工具在终端的屏幕页面上进行双击操作。
连击指的是通过手指或触控工具在终端的屏幕页面上连续点击，如连续点击3次或以上。
预设方向的滑动操作指的是软件预先设定好滑动方向，通过手指或触控工具在终端的屏幕页面上按照预先设定的滑动方向进行滑动。可选地，预设方向可以是从上往下的方向、预设方向可以是从下往上的方向、预设方向可以是先上下方向再左右方向、预设方向可以是先左右方向再上下方向、预设方向可以是顺时针方向的上半圆、预设方向可以是逆时针方向的下半圆、预设方向可以是顺时针方向的弧线等等。本申请实施例对预设方向的具体形式不做特别限制，可以根据具体需求进行相应调整。
隔空手势指的是通过手指或触控笔在距离终端的屏幕页面一定距离的范围内按照预设手势进行操作。可选地，隔空手势可以为如下至少一种：隔空画圆、隔空画圆弧、隔空画半圆、隔空画直线、隔空画曲线、隔空画对号、隔空画对号、隔空画字符等。
第一操作可以是长按、双击、连击、预设方向的滑动操作、隔空手势中的任意一种，也可以是长按、双击、连击、预设方向的滑动操作、隔空手势中任意两项或多项的组合。当第一操作是长按、双击、连击、预设方向的滑动操作、隔空手势中的任意一种时，可以节省操作时间。当第一操作是长按、双击、连击、预设方向的滑动操作、隔空手势中任意两项或多项的组合时，可以增加信息的安全性。可选地，第一操作可以是长按与隔空手势的组合、第一操作可以是双击与预设方向的滑动操作的组合、第一操作可以是连击与隔空手势的组合、第一操作可以是预设方向的滑动操作与隔空手势的组合等等。由于第一操作的方式可以是多种多样的，不仅可以提高用户操作的灵活性，还能满足不同用户的喜好及使用习惯，提升用户体验。
在一实施例中，于第一终端确定或生成至少一预设文件，可以是在第一终端的屏幕页面显示预设窗口，该预设窗口用于提供至少一预设文件，以及响应于在预设窗口的预设操作以选择至少一预设文件。可选地，在第一终端的屏幕页面显示预设窗口可以是在该屏幕页面的预设位置显示该预设窗口，此时，该预设窗口的尺寸具体可以小于屏幕页面的尺寸。该屏幕页面的预设位置可以是该屏幕页面的任一位置，当对该屏幕页面进行常规区域划分时，该预设位置具体可包括屏幕上方区域、屏幕下方区域、屏幕左侧区域、屏幕右侧区域、屏幕中间区域中的任意一种或组合。该预设窗口在该预设位置的显示方式包括弹窗方式和/或分屏方式，即既可以在当前屏幕页面的预设位置形成该预设窗口的弹窗，也可以在当前屏幕页面形成预设位置的分屏页面，以将该分屏页面整体用作该预设窗口。当该预设窗口为弹窗时，该弹窗的外形可以是圆形、矩形等任意形状。
该预设窗口提供至少一预设媒体文件的方式可以是：
情形1：列表形式，具体可参阅图4，至少一个预设文件以列表形式依次展示在该预设窗口中。当其提供的预设文件的数量过多时，可通过页面切换显示的方式在该预设窗口中显示所有预设文件，此时可在该预设窗口的下方显示一页面切换标识，该页面切换标识可以是图4中所示的“…”。
情形2：图标形式，具体可参阅图5，至少一个预设文件以图标形式依次展示在该预设窗口中，表示每一预设文件的图标具体可以是小图标、中等图标、大图标。当其提供的预设文件的数量过多时，可通过页面切换显示的方式或图标滚动显示的方式在该预设窗口中显示所有预设文件，当采用页面切换显示的方式时，可将该预设窗口显示的其中一个图标替换为页面切换图标。
响应于在预设窗口的预设操作以选择至少一预设文件，该预设操作的操作方式可以参考上述第一操作的操作方式，以作用在该预设窗口的多媒体文件列表或图标中，以选择至少一预设文件。被选择的预设文件可进行高亮显示或进行预设显示，该预设显示具体为其它区别于未被选择的预设文件的显示状态的显示方式。
可选地，于第一终端确定或生成至少一预设文件，可以是在第一终端自定义确定或生成至少一预设文件；可选地，在第一终端自定义确定至少一预设文件，可以是根据用户的预设定规则，响应于上述第一终端与第二终端之间语音交互连接的成功建立，或响应对第一终端的第一操作，直接在第一终端已有的预设文件中选中至少一预设文件。在第一终端自定义生成至少一预设文件，即该预设文件可以是在第一终端当前自定义得到的，即用户可根据个人喜好，对第一终端提供的多媒体素材进行自定义配置组合，以确定或生成更具个性化的预设文件，来满足用户的个性化需求。
可选地，于第一终端确定或生成至少一预设文件，可以是接收来自其他终端发送的至少一预设文件，即该预设文件可以来自其他终端。可选地，其他终端包括第二终端，和/或，除第一终端和第二终端之外的终端。
S12：将预设文件进行第一预处理，与交互语音合并后于第二终端和/或第一终端播放。
可选地，当前执行主体为第一终端，其可与第二终端建立语音交互连接来进行语音交互，来形成本方法步骤中的交互语音。建立该语音交互连接的方式具体可以是：
情形1：响应于第二操作，对第二终端发出语音交互邀请，并在第二终端接受该语音交互邀请时，建立该语音交互连接。该第二操作的操作方式可以参考上述第一操作的操作方式，以作用在第一终端的语音交互装置，来对第二终端发出语音交互邀请。
情形2：响应于第三操作，接受第二终端发出的语音交互邀请，建立该语音交互连接。该第二操作的操作方式可以参考上述第一操作的操作方式，以作用在第一终端的语音交互装置，以接受第二终端发出的语音交互邀请。
可选地，可以将预设文件进行第一预处理，输出第一目标文件，此时，上述于第二终端和/或第一终端播放，可以是在第二终端和/或第一终端上，将该第一目标文件与交互语音同步播放。此时，播放的第一目标文件可作为第一终端和第二终端语音交互时的背景，以预设文件为音乐的音频文件为例，此时，对该预设文件进行第一预处理，输出第一目标文件，可以是降低该音频文件的音量，也可以是消除该音频文件中的人声只保留纯音乐，还可以是其它对该音频文件进行编辑，使得输出的第一目标文件播放时，既可作为当前语音交互时的背景音乐的同时，亦可尽可能降低其播放时对交互语音的干扰的操作。这样一来，播放的第一目标文件可作为第一终端和第二终端语音交互时的背景音乐，以烘托两者语音交互时的氛围，来增加语音交互时的趣味性，提升用户体验。
可选地，可以将预设文件进行第一预处理，输出第一目标文件，此时，上述于第二终端和/或第一终端播放，可以是通过该第一目标文件改变所述交互语音的语速和/或声调。此时，将预设文件进行第一预处理，输出的第一目标文件可以是可使得交互语音的语速和/或声调发生规则和/或不规则改变的混音文件，使得第一终端和第二终端语音交互时，其交互语音的语速和/或声调不同于原交互语音的语速和/或声调，如交互语音的语速变快了、变慢了、或变得忽快忽慢了，和/或交互语音的声调变高了、变低了、变得忽高忽低了、由男声变成女声了、由女声变成男声了、或变成其它怪异声调了等等，以增加语音交互时的趣味性，提升用户体验。可选地，可在第一终端和第二终端语音交互时进行关键词检测，以根据不同的关键词，对当前交互语音和/或当前关键词进行不同的语速和/或声调改变。此时，预设文件可以为包括至少一个不同混音效果的混音文件，每一混音文件关联至少一个关键词，此时，通过多媒体文件改变交互语音的语速和/或声调，可以是在第一终端和第二终端语音交互时进行关键词检测，并在检测到预设关键词时，通过与该预设关键词关联的混音文件对当前交互语音和/或当前关键词进行相应的语速和/或声调改变。这样可实现第一终端或第二终端语音交互过程中，随机切换不同的混音文件，使得当前语音交互过程中的交互语音随机呈现不同的混音效果，可更好地增加语音交互时的趣味性，提升用户体验。
可选地，可以将预设文件进行第一预处理，输出第一目标文件，此时，上述于第二终端和/或第一终端播放，可以是在该交互语音播放时，按第一预设方式插播该第一目标文件，具体可包括以下情形：
情形1：在该交互语音的交互间隙中，插播该第一目标文件。可选地，可通过监测当前语音交互过程中，前一交互语音的结束时间与后一交互语音的开始时间之间的时间间隔，若这一时间间隔大于预设时间阈值，即可判断当前处于交互语音的交互间隙中，可进行该第一目标文件的插播。以将预设文件进行第一预处理，输出的第一目标文件为音效的音频文件为例，插播的第一目标文件可作为第一终端和第二终端语音交互间隙中出现的特定音效，如笑声、掌声、欢呼声、赞美声、鼓乐声等等，以烘托两者语音交互时的氛围，来增加语音交互时的趣味性，提升用户体验。
情形2：在该交互语音播放时，按预设时间间隔插播该第一目标文件。该预设时间间隔可根据用户个性化需求进行任意设置，一般大于该第一目标文件的播放时长为佳。该预设时间间隔可以是等间隔设置的，如在该交互语音播放时，每间隔3分钟插播一次该第一目标文件。也可以是有规律非等间隔设置的，如在该交互语音播放时，依次间隔1分钟、2分钟、3分钟……插播一次该第一目标文件。还可以是无规律非等间隔设置的，如在该交互语音播放时，依次间隔1分钟、5分钟、2分钟、4分钟……插播一次该第一目标文件。当该预设时间间隔无规律非等间隔设置时，可通过随机数生成器生成相应的预设时间间隔。以将预设文件进行第一预处理，输出的第一目标文件为音乐的音频文件为例，插播的第一目标文件可作为第一终端和第二终端语音交互时定时或不定时出现的背景音乐，以烘托两者语音交互时的氛围，来增加语音交互时的趣味性，提升用户体验。
情形3：在该交互语音播放时，根据预设关键词插播该第一目标文件。即可以在第一终端和第二终端语音交互时进行预设关键词检测，以在该预设关键词出现时，插播该第一目标文件。该预设关键词可根据用户个性化需求进行任意设置，可以是一个预设关键词关联一个第一目标文件，也可以是至少一个预设关键词关联一个第一目标文件。以预设文件为音乐的音频文件为例，此时，对该预设文件进行第一预处理，输出第一目标文件，可以是形成包括多个音乐片段的音频文件，每一音乐片段关联一个或多个关键词，此时，在该交互语音播放时，根据预设关键词插播该第一目标文件，可以是在第一终端和第二终端语音交互时进行关键词检测，并在检测到预设关键词时，播放与该预设关键词关联的音乐片段作为当前语音交互时的背景音乐。这样可实现第一终端或第二终端语音交互过程中，多种不同的背景音乐随机切换，使得当前的背景音乐更贴合当前的语音交互场景，可更好地烘托两者语音交互时的氛围，来增加语音交互时的趣味性，提升用户体验。又以预设文件为音效的音频文件为例，此时，对该预设文件进行第一预处理，输出第一目标文件，可以是形成包括多个不同音效的音频文件，每一音效关联一个或多个关键词，此时，在该交互语音播放时，根据预设关键词插播该第一目标文件，可以是在第一终端和第二终端语音交互时进行关键词检测，在检测到预设关键词时，在当前语音交互中播放与该预设关键词关联的音效。这样可实现第一终端或第二终端语音交互过程中，随机切换不同的音效，使得当前交互语音中出现的音效更贴合当前的语音交互场景，可更好地烘托两者语音交互时的氛围，来增加语音交互时的趣味性，提升用户体验。
可见，本申请实施例中的语音交互方法，应用于至少两个终端间建立连接，其于第一终端确定或生成至少一预设文件后，将该预设文件进行第一预处理，与交互语音合并后于第二终端和/或第一终端播放，可丰富交互语音的表现形式，以增加语音交互时的趣味性，提升用户体验。
可选地，可进一步确定预设文件具有预设格式，根据该预设文件的解码内容是否包含预设字符段，确定该预设文件是否具有该预设格式。即若该预设文件的解码内容包含预设字符段，即确定该预设文件具有该预设格式，若该预设文件的解码内容不包含该预设字符段，即确定该预设文件不具有该预设格式，该预设格式具体可以是能在智能终端的屏幕进行可视化展示的多媒体格式，如动画格式，当该预设格式具体为动画格式时，该预设字符段则具体可为用于标识动画格式的字符段。
可选地，该预设文件具有预设格式时，将该预设文件进行第一预处理，输出第二目标文件；上述于第二终端和/或第一终端播放，除了可以是上述实施例中第一目标文件播放的情形外，还可以是包括在该交互语音播放时，在第二终端和/或第一终端的屏幕页面输出该第二目标文件。基于上述可知，该预设格式具体可以是能在智能终端的屏幕进行可视化展示的多媒体格式，因而，在第二终端和/或第一终端的屏幕页面输出该第二目标文件除了可以是上述实施例中第一目标文件播放的情形，还可以是第二目标文件独有的展示情形，即在相应的屏幕页面展示第二目标文件。
可选地，上述在第二终端和/或第一终端的屏幕页面输出该第二目标文件，可以是在相应的屏幕页面弹出浮窗并在浮窗内展示该第二目标文件。该浮窗可以是有边界的实物浮窗，以单独占据相应的屏幕页面的一部分区域进行该第二目标文件展示，该浮窗也可以是无边界的虚拟浮窗，以共享占据相应的屏幕页面的一部分区域进行该第二目标文件展示。即该浮窗可以是显示于屏幕页面的预设区域。此时，该浮窗的尺寸具体可以小于相应的屏幕页面的尺寸。该屏幕页面的预设区域可以是该屏幕页面的任一位置，当对该屏幕页面进行常规区域划分时，该预设区域具体可包括屏幕上方区域、屏幕下方区域、屏幕左侧区域、屏幕右侧区域、屏幕中间区域中的任意一种或组合。该浮窗弹出后，可固设在相应的屏幕页面的预设区域，不可移动，和/或，可响应于拖曳操作而在相应的屏幕页面上移动，即可响应于拖曳操作而实现不同的位置变化。
请参阅图6，图6展示了：有边界的实物浮窗固设在相应的屏幕页面的上方区域，该实物浮窗内展示了该第二目标文件，该实物浮窗不可移动。
请参阅图7，图7展示了：有边界的实物浮窗既可设置在相应的屏幕页面的上方区域，亦可设置在相应的屏幕页面的中间区域，即该实物浮窗可响应于拖曳操作实现于不仅限于图中左右两侧所示的位置变化，该实物浮窗内同样展示了该第二目标文件。
请参阅图8，图8展示了：无边界的虚拟浮窗固设在相应的屏幕页面的交互对象头像的上方区域，该虚拟浮窗内展示了该第二目标文件，即预设的头饰文件。可选地，亦可使得该无边界的虚拟浮窗可响应于拖曳操作而在相应的屏幕页面上移动，即可使得该预设的头饰文件在相应的屏幕页面上进行任意位置变化，以增加用户的互动乐趣。
请参阅图9，图9展示了：无边界的虚拟浮窗固设在第二终端屏幕的交互对象头像的下方区域，该虚拟浮窗内展示了该第二目标文件，包括预设手势和搞怪文字。可选地，亦可使得该无边界的虚拟浮窗可响应于拖曳操作而在相应的屏幕页面上移动，即可使得该预设手势和搞怪文字在相应的屏幕页面上进行任意位置变化，以增加用户的互动乐趣。
可选地，上述在第二终端和/或第一终端的屏幕页面输出该第二目标文件，可以是控制相应的屏幕页面启动预设播放器以播放该第二目标文件。不同于上述的浮窗展示该第二目标文件时，只能展示静态画面(如头饰、预设手势和搞怪文字等)或无需进行播放控制的动态画面(如无焦点线条变化)，本实施例中启动预设播放器来播放该第二目标文件，是可对该第二目标文件的播放进程进行相应控制，请参阅图10，图10展示了控制相应的屏幕页面启动预设播放器的一种实现形式，该预设播放器播放该第二目标文件时，该第二目标文件可以是视频文件，其可通过其上方的控制按钮，实现对该视频文件的播放进程的各种控制，包括播放、暂停、快进、后退等等。
可选地，上述在第二终端和/或第一终端的屏幕页面输出该第二目标文件，可以是控制相应的屏幕页面弹出指令框，并在接收到播放指令时将相应的屏幕页面切换至预设界面，该预设界面展示该第二目标文件。不同上述预设播放器播放预设文件时，仍使用窗口模式，即仅占用当前屏幕页面的一部分区域，本实施例的实施方式会对当前屏幕页面进行整体占用。控制相应的屏幕页面弹出指令框，可以是在相应的屏幕页面弹出一个指令框，该指令框可执行对该第二目标文件的操作，如播放操作，当在该指令框对该第二目标文件进行播放时，会将当前屏幕页面的语音交互界面切换至预设界面，以在预设界面展示该第二目标文件。即当前屏幕页面整体变成了该第二目标文件的播放界面。当需要再次回到原来的语音交互界面时，可对屏幕页面执行第四操作，该第四操作的操作方式可以参考上述第一操作的操作方式，以作用在屏幕页面，将当前预设界面切换回原来的语音交互界面。
以上实施例通过在前一实施例基础上，进一步确定该预设文件具有预设格式，以在语音交互过程中，在相应的屏幕页面展示该预设文件，可通过在语音交互过程中，增加在相应的屏幕页面上的可视化内容展示，进一步增加语音交互时的趣味性，提升用户体验。
请参阅图11，图11是本申请实施例提供的语音交互方法的第二种流程示意图。该语音交互方法的流程可以包括：
S21、至少两个终端间建立连接，于第一终端确定或生成至少一预设文件。
S21步骤的具体实施可参见S11步骤的实施例，在此不再赘述。
S32、获取第一终端的网络连接状态。
可选地，网络连接状态包括接入网络类型和/或接入网络状态；网络类型包括无线局域网和/或移动蜂窝网络；网络状态包括网络信号强度和/或网络剩余流量，可选地，移动蜂窝网络包括2G网络、3G网络、4G网络以及5G网络等中的任意一种。
S33、根据网络连接状态，控制第一终端按第二预设方式将选择的预设文件发送给第二终端。
可选地，在无线局域网和/或移动蜂窝网的信号强度满足预设条件时，直接将所述预设文件发送给所述第二终端；否则，将所述预设文件进行第二预处理后发送给所述第二终端。
可选地，根据网络连接状态，控制第一终端按预设方式将选择的预设文件发送给第二终端，包括如下至少一种：
情形1：无线局域网的网络信号强度大于或等于第一预设阈值，直接将预设文件发送给第二终端。以无线局域网具体为WIFI网络为例，当第一终端接入WIFI网络，且WIFI网络的网络信号强度大于或等于第一预设阈值时，无需对该预设文件进行任何处理，即可确保该预设文件可高效发送给第二终端。
情形2：无线局域网的网络信号强度小于第一预设阈值，将预设文件进行第二预处理后发送给第二终端，可选地，该第二预处理可以是对预设文件进行压缩处理，亦可以是在该预设文件为视频文件时，对该视频文件进行音频提取处理，以控制第一终端仅将该视频文件的音频部分发送给第二终端。以无线局域网具体为WIFI网络为例，当第一终端接入WIFI网络，且WIFI网络的网络信号强度小于第一预设阈值时，对该预设文件进行第二预处理，以确保该预设文件可高效发送给第二终端。
情形3：移动蜂窝网络的网络信号强度大于或等于第二预设阈值，和/或，移动蜂窝网络的网络剩余流量大于或等于第三预设阈值，直接将预设文件发送给第二终端。以移动蜂窝网络具体为5G网络为例，当第一终端接入5G网络，且5G网络的网络信号强度大于或等于第二预设阈值，和/或，第一终端的5G网络的网络剩余流量大于或等于第三预设阈值时，无需对该预设文件进行任何处理，即可确保该预设文件可高效发送给第二终端。
情形4：移动蜂窝网络的网络信号强度小于第二预设阈值，和/或，移动蜂窝网络的网络剩余流量小于第三预设阈值，将预设文件进行第二预处理后发送给第二终端，可选地，该第二预处理可以是对预设文件进行压缩处理，亦可以是在该预设文件为视频文件时，对该视频文件进行音频提取处理，以控制第一终端仅将该视频文件的音频部分发送给第二终端。以移动蜂窝网络具体为5G网络为例，当第一终端接入5G网络，且5G网络的网络信号强度小于第二预设阈值，和/或，第一终端的5G网络的网络剩余流量小于第三预设阈值时，对该预设文件进行第二预处理，以确保该预设文件可高效发送给第二终端。
可以理解的是，上述情形3和情形4的判断仅在第一终端未接入无线局域网的情形下进行，若第一终端已接入无线局域网，则仅进行上述情形1和情形2的判断。
S24：将预设文件进行第一预处理，与交互语音合并后于第二终端和/或第一终端播放。
S24的具体实施可参见S12的实施例，在此不再赘述。
本申请实施例通过在前一实施例基础上，通过在第一终端将选择的预设文件发送给第二终端前，先获取第一终端的网络连接状态，再根据该网络连接状态，控制第一终端按预设方式将选择的预设文件发送给第二终端。即针对第一终端的不同网络连接状态，其预设文件的发送方式会有所不同，这样可有效改善在某些场景下，预设文件的发送会受第一终端的网络连接状态的影响，而导致发送效果不佳的问题。
图12是本申请实施例提供的语音交互装置的第一种结构示意图。该语音交互装置可以设置在终端中。请参见图12，该语音交互装置30包括：确定模块31和响应模块32，其中：
确定模块31，可以用于在至少两个终端间建立连接时，于第一终端确定或生成至少一预设文件；
响应模块32，可以用于将所述预设文件进行第一预处理，与交互语音合并后于第二终端和/或所述第一终端播放。
可选地，确定模块31用于确定或生成至少一预设文件时，包括以下至少一种：
显示预设窗口，所述预设窗口用于提供至少一预设文件，以及响应于在所述预设窗口的预设操作以选择至少一预设文件，可选地，所述预设窗口的尺寸小于屏幕页面的尺寸；
自定义确定或生成至少一预设文件；
接收来自其他终端发送的至少一预设文件，可选地，所述其他终端包括所述第二终端，和/或，除所述第一终端和所述第二终端之外的终端。
可选地，响应模块32用于将所述预设文件进行第一预处理，输出第一目标文件；所述于第二终端和/或所述第一终端播放包括以下至少一种：
将所述第一目标文件与所述交互语音同步播放；
通过所述第一目标文件改变所述交互语音的语速和/或声调；
在所述交互语音播放时，按第一预设方式插播所述第一目标文件。
可选地，所述按第一预设方式插播所述第一目标文件，包括以下至少一种：
在所述交互语音的交互间隙中，插播所述第一目标文件；
在所述交互语音播放时，按预设时间间隔插播所述第一目标文件；
在所述交互语音播放时，根据预设关键词插播所述第一目标文件。
可选地，所述预设文件具有预设格式，响应模块32还用于将所述预设文件进行第一预处理，输出第二目标文件；所述于第二终端和/或所述第一终端播放包括在所述交互语音播放时，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件；
所述预设文件具有预设格式，包括：
根据所述预设文件的解码内容是否包含预设字符段，确定所述预设文件是否具有所述预设格式。
可选地，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件，包括以下至少一种：
在所述屏幕页面的浮窗内展示所述第二目标文件，所述浮窗显示于预设区域，和/或，响应拖曳操作在所述屏幕上移动；
在所述屏幕页面上启动预设播放器以播放所述第二目标文件；
在所述屏幕页面上弹出指令框，在接收到播放指令时将所述屏幕页面切换至预设界面，所述预设界面展示所述第二目标文件。
本申请实施例提供的一种语音交互装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
图13是本申请实施例提供的语音交互装置的第二种结构示意图。该语音交互装置可以设置在终端中。请参见图13，该语音交互装置40包括：确定模块41、状态检测模块42、发送模块43和响应模块44，其中：
确定模块41，可以用于在至少两个终端间建立连接时，于第一终端确定或生成至少一预设文件；
状态检测模块42，可以用于获取第一终端的网络连接状态。
发送模块43，可以用于根据网络连接状态，控制第一终端按第二预设方式将选择的预设文件发送给第二终端。
响应模块44，可以用于将所述预设文件进行第一预处理，与交互语音合并后于第二终端和/或所述第一终端播放。
可选地，确定模块41用于确定或生成至少一预设文件时，包括以下至少一种：
显示预设窗口，所述预设窗口用于提供至少一预设文件，以及响应于在所述预设窗口的预设操作以选择至少一预设文件，可选地，所述预设窗口的尺寸小于屏幕页面的尺寸；
自定义生成至少一预设文件；
接收来自其他智能终端发送的至少一预设文件，可选地，所述其他智能终端包括所述第二终端，和/或，除所述第一终端和所述第二终端之外的智能终端。
可选地，状态检测模块42用于获取第一终端的网络连接状态时，所述网络连接状态包括接入网络类型和/或接入网络状态；所述网络类型包括无线局域网和/或移动蜂窝网络；所述网络状态包括网络信号强度和/或网络剩余流量。
可选地，发送模块43用于根据所述网络连接状态，控制所述第一终端按第二预设方式将选择的所述预设文件发送给所述第二终端；
可选地，在无线局域网和/或移动蜂窝网的信号强度满足预设条件时，直接将所述预设文件发送给所述第二终端；否则，将所述预设文件进行第二预处理后发送给所述第二终端；
第二预设方式，包括如下至少一种：
无线局域网的网络信号强度大于或等于第一预设阈值，直接将所述预设文件发送给所述第二终端；
无线局域网的网络信号强度小于第一预设阈值，将所述预设文件进行第二预处理后发送给所述第二终端；
移动蜂窝网络的网络信号强度大于或等于第二预设阈值，和/或，所述移动蜂窝网络的网络剩余流量大于或等于第三预设阈值，直接将所述预设文件发送给所述第二终端；
移动蜂窝网络的网络信号强度小于第二预设阈值，和/或，所述移动蜂窝网络的网络剩余流量小于第三预设阈值，将所述预设文件进行第二预处理后发送给所述第二终端。
可选地，响应模块32用于将所述预设文件进行第一预处理，输出第一目标文件；所述于第二终端和/或所述第一终端播放包括以下至少一种：
将所述第一目标文件与所述交互语音同步播放，
通过所述第一目标文件改变所述交互语音的语速和/或声调，
在所述交互语音播放时，按第一预设方式插播所述第一目标文件。
可选地，所述按第一预设方式插播所述第一目标文件，包括以下至少一种：
在所述交互语音的交互间隙中，插播所述第一目标文件；
在所述交互语音播放时，按预设时间间隔插播所述第一目标文件；
在所述交互语音播放时，根据预设关键词插播所述第一目标文件。
可选地，所述预设文件具有预设格式，响应模块42还用于将所述预设文件进行第一预处理，输出第二目标文件；所述于第二终端和/或所述第一终端播放包括在所述交互语音播放时，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件；
所述预设文件具有预设格式，包括：
根据所述预设文件的解码内容是否包含预设字符段，确定所述预设文件是否具有所述预设格式。
可选地，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件，包括以下至少一种：
在所述屏幕页面的浮窗内展示所述第二目标文件，所述浮窗显示于预设区域，和/或，响应拖曳操作在所述屏幕上移动；
在所述屏幕页面上启动预设播放器以播放所述第二目标文件；
在所述屏幕页面上弹出指令框，在接收到播放指令时将所述屏幕页面切换至预设界面，所述预设界面展示所述第二目标文件。
本申请实施例提供的一种语音交互装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
本申请实施例还提供一种智能终端，智能终端包括存储器、处理器，存储器上存储有语音交互程序，语音交互程序被处理器执行时实现上述任一实施例中的语音交互方法的步骤。
本申请实施例还提供一种计算机可读存储介质，计算机存储介质上存储有语音交互程序，语音交互程序被处理器执行时实现上述任一实施例中的语音交互方法的步骤。
在本申请提供的智能终端和计算机可读存储介质的实施例中，可以包含任一上述语音交互方法实施例的全部技术特征，说明书拓展和解释内容与上述方法的各实施例基本相同，在此不做再赘述。
本申请实施例还提供一种计算机程序产品，计算机程序产品包括计算机程序代码，当计算机程序代码在计算机上运行时，使得计算机执行如上各种可能的文件夹处理实施方式中的方法。
本申请实施例还提供一种芯片，包括存储器和处理器，存储器用于存储计算机程序，处理器用于从存储器中调用并运行计算机程序，使得安装有芯片的设备执行如上各种可能的文件夹处理实施方式中的方法。
可以理解，上述场景仅是作为示例，并不构成对于本申请实施例提供的技术方案的应用场景的限定，本申请的技术方案还可应用于其他场景。例如，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请实施例设备中的模块或单元可以根据实际需要进行合并、划分和删减。
在本申请中，对于相同或相似的术语概念、技术方案和/或应用场景描述，一般只在第一次出现时进行详细描述，后面再重复出现时，为了简洁，一般未再重复阐述，在理解本申请技术方案等内容时，对于在后未详细描述的相同或相似的术语概念、技术方案和/或应用场景描述等，可以参考其之前的相关详细描述。
在本申请中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本申请技术方案的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络，或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、存储盘、磁带)、光介质(例如，DVD)，或者半导体介质(例如固态存储盘Solid State Disk(SSD))等。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种语音交互方法，其特征在于，所述方法包括以下步骤：
S11：至少两个终端间建立连接，于第一终端确定或生成至少一预设文件；
S12：将所述预设文件进行第一预处理，与交互语音合并后于第二终端和/或所述第一终端播放。
2.根据权利要求1所述的方法，其特征在于，所述确定或生成至少一预设文件，包括以下至少一种：
显示预设窗口，所述预设窗口用于提供至少一预设文件，以及响应于在所述预设窗口的预设操作以选择至少一预设文件；
自定义确定或生成至少一预设文件；
接收其他终端发送的至少一预设文件。
3.根据权利要求1所述的方法，其特征在于，所述S12步骤包括以下至少一种：
将所述第一目标文件与所述交互语音同步播放；
通过所述第一目标文件改变所述交互语音的语速和/或声调；
在所述交互语音播放时，按第一预设方式插播所述第一目标文件。
4.根据权利要求3所述的方法，其特征在于，所述按第一预设方式插播所述第一目标文件，包括以下至少一种：
在所述交互语音的交互间隙中，插播所述第一目标文件；
在所述交互语音播放时，按预设时间间隔插播所述第一目标文件；
在所述交互语音播放时，根据预设关键词插播所述第一目标文件。
5.根据权利要求1所述的方法，其特征在于，所述S12步骤包括：
所述预设文件具有预设格式，将所述预设文件进行第一预处理，输出第二目标文件；所述于第二终端和/或所述第一终端播放包括在所述交互语音播放时，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件；
所述预设文件具有预设格式，包括：
根据所述预设文件的解码内容是否包含预设字符段，确定所述预设文件是否具有所述预设格式。
6.根据权利要求5所述的方法，其特征在于，在第二终端和/或所述第一终端的屏幕页面输出所述第二目标文件，包括以下至少一种：
在所述屏幕页面的浮窗内展示所述第二目标文件，所述浮窗显示于预设区域，和/或，响应拖曳操作在所述屏幕上移动；
在所述屏幕页面上启动预设播放器以播放所述第二目标文件；
在所述屏幕页面上弹出指令框，在接收到播放指令时将所述屏幕页面切换至预设界面，所述预设界面展示所述第二目标文件。
7.根据权利要求1至6中任一项所述的方法，其特征在于，还包括：
获取所述第一终端的网络连接状态；
根据所述网络连接状态，控制所述第一终端按第二预设方式将选择的所述预设文件发送给所述第二终端。
8.根据权利要求7所述的方法，其特征在于，所述根据所述网络连接状态，控制所述第一终端按第二预设方式将选择的所述预设文件发送给所述第二终端，包括：
在无线局域网和/或移动蜂窝网的信号强度满足预设条件时，直接将所述预设文件发送给所述第二终端；否则，将所述预设文件进行第二预处理后发送给所述第二终端。
9.一种终端，其特征在于，所述终端包括：存储器、处理器，其中，所述存储器上存储有语音交互程序，所述语音交互程序被所述处理器执行时实现如权利要求1至8中任一项所述的语音交互方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的语音交互方法的步骤。
CN202211073808.3A 2022-09-02 2022-09-02 语音交互方法、智能终端及存储介质 Pending CN115497489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211073808.3A CN115497489A (zh) 2022-09-02 2022-09-02 语音交互方法、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211073808.3A CN115497489A (zh) 2022-09-02 2022-09-02 语音交互方法、智能终端及存储介质

Publications (1)

Publication Number Publication Date
CN115497489A true CN115497489A (zh) 2022-12-20

Family

ID=84468283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211073808.3A Pending CN115497489A (zh) 2022-09-02 2022-09-02 语音交互方法、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN115497489A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014133225A1 (ko) * 2013-02-26 2014-09-04 에스케이플래닛 주식회사 음성 메시지 제공 방법, 이를 위한 장치 및 시스템
CN104866275A (zh) * 2015-03-25 2015-08-26 百度在线网络技术（北京）有限公司 一种用于获取图像信息的方法和装置
CN107786427A (zh) * 2017-09-28 2018-03-09 努比亚技术有限公司 一种信息交互方法、终端和计算机可读存储介质
CN110365574A (zh) * 2019-05-24 2019-10-22 珠海格力电器股份有限公司 一种语音信息的播放方法、装置及存储介质
CN110943908A (zh) * 2019-11-05 2020-03-31 上海盛付通电子支付服务有限公司 语音消息发送方法、电子设备及介质
CN112235180A (zh) * 2020-08-29 2021-01-15 上海量明科技发展有限公司 语音消息处理方法、设备及即时通信客户端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014133225A1 (ko) * 2013-02-26 2014-09-04 에스케이플래닛 주식회사 음성 메시지 제공 방법, 이를 위한 장치 및 시스템
CN104866275A (zh) * 2015-03-25 2015-08-26 百度在线网络技术（北京）有限公司 一种用于获取图像信息的方法和装置
CN107786427A (zh) * 2017-09-28 2018-03-09 努比亚技术有限公司 一种信息交互方法、终端和计算机可读存储介质
CN110365574A (zh) * 2019-05-24 2019-10-22 珠海格力电器股份有限公司 一种语音信息的播放方法、装置及存储介质
CN110943908A (zh) * 2019-11-05 2020-03-31 上海盛付通电子支付服务有限公司 语音消息发送方法、电子设备及介质
CN112235180A (zh) * 2020-08-29 2021-01-15 上海量明科技发展有限公司 语音消息处理方法、设备及即时通信客户端
WO2022041192A1 (zh) * 2020-08-29 2022-03-03 深圳市永兴元科技股份有限公司 语音消息处理方法、设备及即时通信客户端

Similar Documents

Publication Publication Date Title
CN108572764B (zh) 一种文字输入控制方法、设备及计算机可读存储介质
CN108494964B (zh) 移动终端状态栏显示方法、终端、计算机可读存储介质
CN107885448B (zh) 应用触摸操作的控制方法、移动终端及可读存储介质
CN109697008B (zh) 一种内容分享方法、终端及计算机可读存储介质
CN108280136B (zh) 一种多媒体对象预览方法、设备及计算机可读存储介质
CN107807767B (zh) 一种通讯业务的处理方法、终端及计算机可读存储介质
CN111949177B (zh) 信息发送方法、终端设备及计算机可读存储介质
CN112068744A (zh) 交互方法、移动终端及存储介质
CN107786427B (zh) 一种信息交互方法、终端和计算机可读存储介质
CN112181233B (zh) 消息处理方法、智能终端及计算机可读存储介质
CN112230823A (zh) 移动终端的控制方法、移动终端及存储介质
CN111966804A (zh) 一种表情处理方法、终端及存储介质
CN113194197A (zh) 交互方法、终端及存储介质
CN109495643B (zh) 一对象多聊天框设置方法及终端
CN112199141A (zh) 一种消息处理方法、终端及计算机可读存储介质
CN107807876B (zh) 分屏显示方法、移动终端及存储介质
CN112306328B (zh) 移动终端的控制方法、移动终端及存储介质
CN114860674A (zh) 文件处理方法、智能终端及存储介质
CN113805837A (zh) 音频处理方法、移动终端及存储介质
CN109558049B (zh) 一种通知消息显示处理方法、移动终端和存储介质
CN113360068A (zh) 截屏交互的方法、移动终端及存储介质
CN113253896A (zh) 界面交互方法、移动终端及存储介质
CN112578978A (zh) 一种窗口切换控制方法、设备及计算机可读存储介质
CN115497489A (zh) 语音交互方法、智能终端及存储介质
CN109669594B (zh) 一种交互控制方法、设备及计算机可读存储介质

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