CN115762503A - 车载语音系统、车载语音的自主学习方法、设备及介质 - Google Patents

Abstract

本发明公开了一种车载语音系统、车载语音的自主学习方法、设备及介质。该车载语音系统包括：用户交互前端和策略管理后端，用户交互前端，用于获取用户行为画像数据；将用户行为画像数据发送至策略管理后端；策略管理后端，用于基于用户行为画像数据进行模型训练确定语音控制更新策略，基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，解决了现有车载语音系统中的语音控制策略在出厂前预置，且无法满足不同用户的个性需求，且无法跟随用户需求的变化自主学习的问题，提供一种基于用户行为画像数据的自主学习的车载语音系统，满足不同用户或者不断变化的个性化需求。

Description

车载语音系统、车载语音的自主学习方法、设备及介质

技术领域

本发明涉及语音控制技术领域，尤其涉及一种车载语音系统、车载语音的自主学习方法、设备及介质。

背景技术

目前，车载语音系统的应用越来越普遍，用户在驾驶场景下使用语音进行设备控制相较于手动操作无需转移视线，能够提升驾驶的安全性。但目前车载语音系统也存在以下问题：

用户往往有更多个性化的需求，对于同一个场景下，不同的用户对于同一个语音信息的意图可能时不同的，而且用户的行为习惯也不是一成不变的。而目前车载语音系统的语音控制策略相对固定，一般是基于车载软件开发工具包或应用程序接口开发，在出厂的时候即预置好输入语音信息的意图对应的控制命令，无法满足不同用户或者不断变化的个性化需求。

发明内容

本发明提供了一种车载语音系统、车载语音的自主学习方法、设备及介质，以解决现有车载语音系统中的语音控制策略在出厂前预置，且无法满足不同用户的个性需求，且无法跟随用户需求的变化自主学习的问题，提供一种基于用户行为画像数据的自主学习的车载语音系统，以满足不同用户或者不断变化的个性化需求。

根据本发明的一方面，提供了一种车载语音系统，包括：用户交互前端和策略管理后端，

所述用户交互前端，用于获取用户行为画像数据；将所述用户行为画像数据发送至所述策略管理后端；

所述策略管理后端，用于基于所述用户行为画像数据进行模型训练确定语音控制更新策略，基于所述语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

根据本发明的另一方面，提供了一种车载语音的自主学习方法，应用于车载语音系统，所述方法包括：

获取用户行为画像数据；

基于所述用户行为画像数据进行模型训练确定语音控制更新策略，将所述语音控制更新策略；

基于所述语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

根据本发明的另一方面，提供了一种车载语音设备，所述车载语音设备包括：

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计算机程序，所述计算机程序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本发明任一实施例所述的车载语音的自主学习方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车载语音的自主学习方法。

本发明实施例的技术方案提供了一种车载语音系统，包括：用户交互前端和策略管理后端，用户交互前端，用于获取用户行为画像数据；将用户行为画像数据发送至策略管理后端；策略管理后端，用于基于用户行为画像数据进行模型训练确定语音控制更新策略，基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，解决了现有车载语音系统中的语音控制策略在出厂前预置，且无法满足不同用户的个性需求，且无法跟随用户需求的变化自主学习的问题，取到了提供一种基于用户行为画像数据的自主学习的车载语音系统，以满足不同用户或者不断变化的个性化需求的有益效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种车载语音系统的结构示意图；

图2是本发明实施例一提供的又一种车载语音系统的结构示意图；

图3是根据本发明实施例一提供的一种车载语音的自主学习方法的流程图；

图4是实现本发明实施例的车载语音的自主学习方法的车载语音设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“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，以便这里描述的本发明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。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供了一种车载语音系统的结构示意图，本实施例可适用于车载语音系统的自主学习情况。如图1所示，该车载语音系统包括：用户交互前端10和策略管理后端20，用户交互前端10，用于获取用户行为画像数据；将用户行为画像数据发送至策略管理后端20；策略管理后端20，用于基于用户行为画像数据进行模型训练确定语音控制更新策略，基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

其中，用户交互前端10可以理解为是用于和用户进行信息交互的客户端，用户交互前端10可以包括交互界面、声音传感器、图像传感器、温度传感器和定位装置等装置，用于获取用户行为画像数据。用户行为画像数据可以理解为能够反映用户的行为画像的数据，例如可以包括：历史用户输入语音信息、历史用户行为数据、期望行为数据和语音输入场景数据等。

示例性，通过声音传感器获取历史用户输入语音信息，通过图像传感器获取历史用户行为数据和语音输入场景信息；通过温度传感器获取当前用户所处环境的温度信息(即车内温度)；通过定位装置获取用户(或车辆)当前的地理位置，通过交互界面获取用户输入或在所提供的列表中选择的期望行为数据。需要说明的是，上述用户行为画像数据均是向用户发送车载语音系统的权限使用通知且获得用户授权的情况下获取得到。

其中，策略管理后端20可以理解为是用于管理语音控制策略的后端，具体可以包括：语音控制策略的自主学习、更新和反馈。语音控制更新策略可以理解为策略管理后端20基于用户行为画像数据自主学习得到的语音控制策略，可以用于更新历史语音控制策略。

具体的，通过用户交互前端10获取用户行为画像数据；并将用户行为画像数据同步发送至策略管理后端20；通过策略管理后端20，基于用户行为画像数据进行模型训练确定语音控制更新策略，实现基于用户行为画像数据语音控制策略对车载语音系统的语音控制策略自主学习，并基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，使车载语音系统中内置的语音控制策略跟随用户的历史行为图像数据发生变化，满足不同用户或者不断变化的个性化需求。

示例性的，用户在发出用户输入语音信息为“西湖”时，车载语音系统的预设语音控制策略可以为“搜索西湖相关的景点”，但是每次用户的实际历史行为为是想要播放歌曲《西湖》。因此，在基于用户行为画像数据进行模型训练确定语音控制更新策略，使语音“西湖”对应的控制更新策略为“播放歌曲”，并基于语音控制更新策略更新对应的历史语音控制策略(即搜索西湖相关的景点)得到当前语音控制策略(即播放歌曲《西湖》)后，当前语音控制策略为用户输入语音信息为“西湖”对应的命令为“播放歌曲《西湖》”。

需要说明的是，本发明实施例对基于用户行为画像数据进行模型训练确定语音控制更新策略的过程中所使用的模型不做限定，例如可以是机器学习模型或深度学习模型等。

本发明实施例的技术方案提供一种车载语音系统，包括：用户交互前端和策略管理后端，用户交互前端，用于获取用户行为画像数据；将用户行为画像数据发送至策略管理后端；策略管理后端，用于基于用户行为画像数据进行模型训练确定语音控制更新策略，基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，解决了现有车载语音系统中的语音控制策略在出厂前预置，且无法满足不同用户的个性需求，且无法跟随用户需求的变化自主学习的问题，提供了一种基于用户行为画像数据的自主学习的车载语音系统，满足不同用户或者不断变化的个性化需求的有益效果。

可选的，策略管理后端20包括：

模型训练模块21，用于基于用户行为画像数据进行模型训练确定语音控制更新策略；

更新策略推送模块22，用于在用户行为画像数据满足预设更新条件时，将语音控制更新策略推送至用户交互前端。

具体的，如图2所示，通过策略管理后端20的模型训练模块21，采用用户交互前端10的语音信息获取模块17所获取到的用户行为画像数据进行模型训练能够得到语音控制更新策略。有时基于历史行为画像数据所训练得到的语音控制更新策略并非一定是用户所真正需求的，用户的偶发行为可能被误认为用户的习惯行为生成不符合用户真实需求的语音控制更新策略。因此，为了避免上述现象的发生，通过模型训练得到语音控制更新策略可以不直接用于更新车载语音系统中内置的历史语音控制策略，而是在用户行为画像数据满足预设更新条件时，将语音控制更新策略推送至用户交互前端，以使用户交互前端能够将语音控制更新策略展示在显示屏幕上，供用户知悉和确认需要更新后，再用于更新历史语音控制策略。

因而，通过策略管理后端20的更新策略推送模块22在用户行为画像数据满足预设更新条件时，将语音控制更新策略推送至用户交互前端。其中，预设更新条件可以由用户根据自身需求设置，例如，用户在历史时间内发出一个用户输入语音信息时所作出的历史行为(该历史行为与车载语音系统内置的用户输入语音信息对应语音控制策略不同)达到预设次数；或者用户在用户交互前端10中可以直接根据个人需求输入用户输入语音信息对应的期望行为数据，将期望行为数据作为用户行为画像数据用于训练得到控制更新策略时，可以认为用户行为画像数据满足预设更新条件。

可选的，用户行为画像数据包括：历史用户输入语音信息和历史用户行为数据，相应的，预设更新条件包括：

历史用户输入语音信息对应的历史用户行为数据的统计次数达到预设次数阈值。

示例性的，历史用户输入语音信息为“好热”，对应的历史用户行为数据为“打开窗户”，车载语音系统内置的历史语音控制策略为“打开空调”，当前用户发出三次历史用户输入语音信息为“好热”后，均执行了“打开窗户”的行为，即“打开窗户”的历史用户行为数据的统计次数达到预设次数阈值(3次)，因此，将历史语音控制策略中用户输入语音信息“好热”对应的操作命令“打开空调”更新为“打开窗户”

可选的，用户交互前端10包括：

策略显示模块11，用于将接收到的语音控制更新策略显示在交互界面上；

反馈信息获取模块12，用于获取用户针对语音控制更新策略输入的更新反馈信息，将更新反馈信息发送到策略管理后端。

其中，更新反馈信息可以理解为用户对语音控制更新策略是否用于更新历史语音控制策略的反馈信息，该更新反馈信息可以包括：正向反馈信息和负向反馈信息。正向反馈信息表示语音控制更新策略用于更新历史语音控制策略的反馈信息，负向反馈信息表示语音控制更新策略不用于更新历史语音控制策略的反馈信息。

示例性的，正向反馈信息可以为“确认将用户输入语音信息A对应的原语音控制更新策略B更新为语音控制更新策略C”，负向反馈信息可以为“忽略此次更新”。

具体的，如图2所示，用户交互前端10在接收到策略管理后端20发送的语音控制更新策略后，通过策略显示模块11将接收到的语音控制更新策略显示在交互界面上，供用户了解和反馈。通过反馈信息获取模块12获取用户在交互界面上针对语音控制更新策略输入的更新反馈信息，将更新反馈信息发送到策略管理后端。

可选的，策略管理后端20包括：

反馈信息接收模块23，用于接收用户交互前端发送的更新反馈信息；

策略更新模块24，用于若更新反馈信息为正向反馈信息，则基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略；

当前策略推送模块25，用于将当前语音控制策略推送至用户交互前端，以使用户交互前端在交互界面上显示当前语音控制策略。

具体的，如图2所示，策略管理后端20通过反馈信息接收模块23接收用户交互前端发送的更新反馈信息，若更新反馈信息为正向反馈信息，则说明用户认为语音控制更新策略符合自身需求，期望更新历史语音控制策略，因此，通过策略更新模块24基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，更新后的当前语音控制策更加贴切用户的行为习惯。若更新反馈信息为负向反馈信息，则说明用户认为语音控制更新策略不符合自身需求，因此不作更新。

若历史语音控制策略更新为当前语音控制策略，通过当前策略推送模块25将当前语音控制策略推送至用户交互前端10，使用户交互前端10在交互界面上显示当前语音控制策略供用户了解，方便以后的语音控制。

可选的，策略管理后端20包括：

匹配关系存储模块26，用于存储预设匹配关系，预设匹配关系包括：用户验证信息和当前语音控制策略列表的匹配关系；

相应的，用户交互前端10包括：

控制策略匹配模块13，用于获取当前用户验证信息，基于预设匹配关系确定当前用户验证信息所匹配的当前语音控制策略列表。

其中，当前用户验证信息可以理解为当前用户的唯一标识信息，例如当前用户的账号或昵称等。

具体的，由于车载语音系统可能被多个用户使用，而每个用户的行为习惯不同，用户输入语音信息对应的语音控制策略也应该随着用户行为习惯的不同而不同。因此，如图2所示，通过策略管理后端20的匹配关系存储存储模块26存储每个用户对应的用户验证信息和当前语音控制策略列表的预设匹配关系。在通过用户交互前端10的控制策略匹配模块13获取到当前用户验证信息时，基于当前用户验证信息查询存储的预设匹配关系，确定当前用户验证信息所匹配的当前语音控制策略列表，从而实现不同的用户提供个性化的语音控制服务体验以及满足用户动态变化的需求。

可选的，用户交互前端10包括：

语音信息响应模块14，用于响应当前用户输入语音信息，查询当前语音控制策略列表得到当前用户输入语音信息对应的目标语音控制策略；

控制命令确定模块15，用于基于目标语音控制策略确定当前用户输入语音信息对应的目标控制命令；

车辆状态确认模块16，用于获取车辆状态信息，确定车辆状态信息与目标控制命令是否冲突。

具体的，如图2所示，用户通过车载语音系统实现语音控制的过程可以为：通过用户交互前端10的语音信息获取模块17获取当前用户输入语音信息；通过语音信息响应模块14，响应当前用户输入语音信息，查询当前语音控制策略列表得到当前用户输入语音信息对应的目标语音控制策略；通过控制命令确定模块15基于目标语音控制策略确定当前用户输入语音信息对应的目标控制命令。

但是，在上述语音控制过程中，可能会出现车辆的状态无法执行当前用户输入语音信息对应目标控制命令，如当前用户输入语音信息为“成都”，当前用户输入语音信息对应目标控制命令为“开启导航前往成都”，需要考虑车辆的预测剩余电量能否支撑到达目的地成都。

为了解决上述问题，通过车辆状态确认模块16获取车辆状态信息(如车辆预测剩余电量)，确定车辆状态信息与目标控制命令是否冲突；若发生冲突可以在交互界面上发出提示信息，提醒用户是否需要执行目标控制命令，根据用户反馈信息执行或放弃执行目标控制命令。

实施例二

图3为本发明实施例二提供了一种车载语音的自主学习方法的流程示意图，本实施例可适用于车载语音系统的自主学习的情况，该方法可以由车载语音系统的策略管理后端来执行，该车载语音系统可以采用硬件和/或软件的形式实现，该车载语音系统可配置于车载语音设备中。如图3所示，该方法包括：

S210、获取用户行为画像数据。

其中，用户行为画像数据可以理解为能够反映用户的行为画像的数据，例如可以包括：历史用户输入语音信息、历史用户行为数据、期望行为数据和语音输入场景数据等。

示例性的，获取用户行为画像数据的方式可以为通过车载语音系统的用户交互前端10上的交互界面、声音传感器、图像传感器、温度传感器和定位装置等装置获取用户行为画像数据。

S220、基于用户行为画像数据进行模型训练确定语音控制更新策略。

具体的，基于用户行为画像数据进行模型训练确定语音控制更新策略，实现基于用户行为画像数据语音控制策略对车载语音系统的语音控制策略自主学习。

需要说明的是，本发明实施例对基于用户行为画像数据进行模型训练确定语音控制更新策略的过程中所使用的模型不做限定，例如可以是机器学习模型或深度学习模型等。

S230、基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

具体的，基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，使车载语音系统中内置的语音控制策略跟随用户的历史行为图像数据发生变化，满足不同用户或者不断变化的个性化需求

本发明实施例的技术方案，通过获取用户行为画像数据；基于用户行为画像数据进行模型训练确定语音控制更新策略；基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略，能够解决现有车载语音系统中的语音控制策略在出厂前预置，且无法满足不同用户的个性需求，且无法跟随用户需求的变化自主学习的问题，提供一种基于用户行为画像数据的自主学习的车载语音系统，以满足不同用户或者不断变化的个性化需求。

可选的，基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略包括：

在所述用户行为画像数据满足预设更新条件，将所述语音控制更新策略推送至所述车载语音系统的用户交互前端；通过用户交互前端获取用户针对所述语音控制更新策略输入的更新反馈信息；若所述更新反馈信息为正向反馈信息，则基于所述语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

可选的，在基于语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略之后，还包括：

将所述当前语音控制策略推送至所述用户交互前端，以使所述用户交互前端在所述交互界面上显示所述当前语音控制策略。

实施例三

图4示出了可以用来实施本发明的实施例的车载语音设备30的结构示意图。车载语音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。车载语音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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。

如图4所示，车载语音设备30包括至少一个处理器31，以及与至少一个处理器31通信连接的存储器，如只读存储器(ROM)32、随机访问存储器(RAM)33等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器31可以根据存储在只读存储器(ROM)32中的计算机程序或者从存储单元38加载到随机访问存储器(RAM)33中的计算机程序，来执行各种适当的动作和处理。在RAM 33中，还可存储车载语音设备30操作所需的各种程序和数据。处理器31、ROM 32以及RAM 33通过总线34彼此相连。输入/输出(I/O)接口35也连接至总线34。

车载语音设备30中的多个部件连接至I/O接口35，包括：输入单元36，例如键盘、鼠标等；输出单元37，例如各种类型的显示器、扬声器等；存储单元38，例如磁盘、光盘等；以及通信单元39，例如网卡、调制解调器、无线通信收发机等。通信单元39允许车载语音设备30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。

处理器31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。处理器31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处理器、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。处理器31执行上文所描述的各个方法和处理，例如车载语音的自主学习方法。

在一些实施例中，车载语音的自主学习方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元38。在一些实施例中，计算机程序的部分或者全部可以经由ROM 32和/或通信单元39而被载入和/或安装到车载语音设备30上。当计算机程序加载到RAM 33并由处理器31执行时，可以执行上文描述的车载语音的自主学习方法的一个或多个步骤。备选地，在其他实施例中，处理器31可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车载语音的自主学习方法。

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。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。

在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在车载语音设备上实施此处描述的系统和技术，该车载语音设备具有：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车载语音设备。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)、区块链网络和互联网。

计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

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，本发明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，只要能够实现本发明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，并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种车载语音系统，其特征在于，包括：用户交互前端和策略管理后端，

所述用户交互前端，用于获取用户行为画像数据；将所述用户行为画像数据发送至所述策略管理后端；

所述策略管理后端，用于基于所述用户行为画像数据进行模型训练确定语音控制更新策略，基于所述语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

2.根据权利要求1所述的系统，其特征在于，所述策略管理后端包括：

模型训练模块，用于基于所述用户行为画像数据进行模型训练确定语音控制更新策略；

更新策略推送模块，用于在所述用户行为画像数据满足预设更新条件时，将所述语音控制更新策略推送至所述用户交互前端。

3.根据权利要求2所述的系统，其特征在于，所述用户交互前端包括：

策略显示模块，用于将接收到的所述语音控制更新策略显示在交互界面上；

反馈信息获取模块，用于获取用户针对所述语音控制更新策略输入的更新反馈信息，将所述更新反馈信息发送到所述策略管理后端。

4.根据权利要求3所述的系统，其特征在于，所述策略管理后端包括：

反馈信息接收模块，用于接收所述用户交互前端发送的更新反馈信息；

策略更新模块，用于若所述更新反馈信息为正向反馈信息，则基于所述语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略；

当前策略推送模块，用于将所述当前语音控制策略推送至所述用户交互前端，以使所述用户交互前端在所述交互界面上显示所述当前语音控制策略。

5.根据权利要求2所述的系统，其特征在于，所述用户行为画像数据包括：历史用户输入语音信息和历史用户行为数据，相应的，所述预设更新条件包括：

所述历史用户输入语音信息对应的历史用户行为数据的统计次数达到预设次数阈值。

6.根据权利要求1所述的系统，其特征在于，所述策略管理后端包括：

匹配关系存储模块，用于存储预设匹配关系，所述预设匹配关系包括：用户验证信息和当前语音控制策略列表的匹配关系；

相应的，所述用户交互前端包括：

控制策略匹配模块，用于获取当前用户验证信息，基于预设匹配关系确定所述当前用户验证信息所匹配的当前语音控制策略列表。

7.根据权利要求6所述的系统，其特征在于，所述用户交互前端包括：

语音信息响应模块，用于响应当前用户输入语音信息，查询所述当前语音控制策略列表得到所述当前用户输入语音信息对应的目标语音控制策略；

控制命令确定模块，用于基于目标语音控制策略确定所述当前用户输入语音信息对应的目标控制命令；

车辆状态确认模块，用于获取车辆状态信息，确定所述车辆状态信息与所述目标控制命令是否冲突。

8.一种车载语音的自主学习方法，其特征在于，应用于权利要求1-6任一所述的车载语音系统，所述方法包括：

获取用户行为画像数据；

基于所述用户行为画像数据进行模型训练确定语音控制更新策略；

基于所述语音控制更新策略更新对应的历史语音控制策略得到当前语音控制策略。

9.一种车载语音设备，其特征在于，所述车载语音设备包括：

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计算机程序，所述计算机程序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8所述的方法。

10.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求8中任一项所述的方法。

Images