CN116705018A - 语音控制方法、装置、电子设备与可读存储介质 - Google Patents
语音控制方法、装置、电子设备与可读存储介质 Download PDFInfo
- Publication number
- CN116705018A CN116705018A CN202310558746.3A CN202310558746A CN116705018A CN 116705018 A CN116705018 A CN 116705018A CN 202310558746 A CN202310558746 A CN 202310558746A CN 116705018 A CN116705018 A CN 116705018A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- function
- voice control
- language model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006870 function Effects 0.000 claims abstract description 208
- 238000000605 extraction Methods 0.000 claims abstract description 46
- 239000013598 vector Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013473 artificial intelligence 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
- 230000004044 response Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000003205 fragrance Substances 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 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
- 239000000725 suspension Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G10L15/26—Speech to text systems
-
- 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供一种语音控制方法、装置、电子设备与可读存储介质,涉及深度学习、自然语言处理、自动驾驶等人工智能技术领域。其中,语音控制方法包括:获取语音控制指令,根据所述语音控制指令得到文本信息;将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;根据所述目标执行函数对目标对象进行控制。本公开能够增强语音控制的可扩展性、提升语音控制的响应成功率与准确性。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及深度学习、自然语言处理、自动驾驶等人工智能技术领域。提供了一种语音控制方法、装置、电子设备与可读存储介质。
背景技术
现有技术通常采用自然语言理解(NaturalLanguageUnderstanding,NLU)的方式进行语音控制。该方式需要预先设置不同的语音指令所对应的NLU信息、以及不同的NLU信息所对应的执行函数,若不存在与当前所获取的语音指令的NLU信息对应的执行函数,便无法实现语音控制。
发明内容
根据本公开的第一方面,提供了一种语音控制方法,包括:获取语音控制指令,根据所述语音控制指令得到文本信息;将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;根据所述目标执行函数对目标对象进行控制。
根据本公开的第二方面,提供了一种语音控制装置,包括:获取单元,用于获取语音控制指令,根据所述语音控制指令得到文本信息;处理单元,用于将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;确定单元,用于根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;控制单元,用于根据所述目标执行函数对目标对象进行控制。
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如上所述的方法。
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,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
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,所述计算机程序在被处理器执行时实现如上所述的方法。
由以上技术方案可以看出,本公开对于所输入的语音控制指令的限制较小,从而增强了语音控制的可扩展性、提升了语音控制的响应成功率,并且借助大语言模型的强大理解能力,还能够提升所获取的目标函数描述信息的准确性,进而提升语音控制的准确性。
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是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是用来实现本公开实施例的语音控制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机构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,本实施例的语音控制方法,具体包括如下步骤:
S101、获取语音控制指令,根据所述语音控制指令得到文本信息;
S102、将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;
S103、根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;
S104、根据所述目标执行函数对目标对象进行控制。
本实施例的语音控制方法,一方面使用大语言模型从与语音控制指令对应的文本信息中提取目标函数描述信息,另一方面根据由目标函数描述信息确定的目标信息集确定目标执行函数,从而实现通过所确定的目标执行函数控制目标对象的目的,本实施例对于所输入的语音控制指令的限制较小,从而增强了语音控制的可扩展性、提升了语音控制的响应成功率,并且借助大语言模型的强大理解能力,还能够提升所获取的目标函数描述信息的准确性,进而提升语音控制的准确性。
本实施例的语音控制方法,适用于任意的语音控制场景,例如智能家电的语音控制、自动驾驶车辆的语音控制等。
本实施例在执行S101获取语音控制指令之后,可以通过语音识别系统将所获取的语音控制指令转换为文本信息。
本实施例在执行S101得到文本信息之后,执行S102将文本信息与信息提取指令输入大语言模型,获取大语言模型的输出结果作为目标函数描述信息;本实施例中的信息提取指令用于大语言模型从文本信息中提取函数描述信息。
在本实施例中,所使用的大语言模型(LargeLanguageModel,LLM)可以为任意类型的大语言模型。
本实施例执行S102向大语言模型输入的信息提取指令,可以为预先设置的文本信息,其使得大语言模型能够确定本次输出的内容为“文本信息中的函数描述信息”。
本实施例在执行S102将文本信息与信息提取指令输入大语言模型,获取大语言模型的输出结果作为目标函数描述信息时,还可以包含以下内容:获取参数提取指令;将文本信息、信息提取指令与参数提取指令输入大语言模型,获取大语言模型的输出结果作为目标函数描述信息与函数参数;本实施例中的参数提取指令可以为预先设置的文本信息,其使得大语言模型能够确定本次输出的内容为“文本信息中的函数参数”。
也就是说,本实施例还可以同时将信息提取指令与参数提取指令输入大语言模型,使得大语言模型能够从文本信息中提取函数描述信息与函数参数,进而实现根据所提取的函数参数来更加准确地对目标对象进行控制的目的。
举例来说,若本实施例执行S101得到的文本信息为“将车内香氛调节到4档”,若本实施例执行S102将“将车内香氛调节到4档”与信息提取指令(例如,从输入的文字中提取函数描述信息)输入大语言模型,通过大语言模型可以得到的目标函数描述信息为“车内香氛调节”、或者“香氛调节”、或者“调节车内香氛”等;若本实施例在执行S102时,向大语言模型输入了参数提取指令(例如,从输入的文字中提取函数参数),则通过大语言模型还可以得到的函数参数为“4档”。
可以理解的是,本实施例在执行S102使用大语言模型之前,还可以对大语言模型进行训练,使得其具有能够根据所输入的文本信息与指令,来输出函数描述信息与函数参数的能力;其中,本实施例可以使用包含文本信息、提取指令、以及函数描述信息与函数参数的训练数据,对大语言模型进行训练。
现有技术在使用自然语言理解(NaturalLanguageUnderstanding,NLU)的方式实现语音控制时,需要预先设置与每个语音控制指令对应的NLU信息(包含领域信息、意图信息等)、以及与每个NLU信息对应的执行函数,进而在实际应用中,根据与本次输入的语音控制指令对应的NLU信息来确定相应的执行函数。
但是,若本次输入的语音控制指令没有预先设置与其NLU信息对应的执行函数,便无法实现本次语音控制;例如,若仅预先设置了与“暂停音乐”的NLU信息对应的执行函数,则在本次输入为“我想暂停音乐”时,便无法得到相应的执行函数来完成本次语音控制。
本实施例无需预先设置与不同语音控制指令的NLU信息对应的执行函数,通过大语言模型从文本信息中提取函数描述信息的方式,来实现根据函数描述信息确定执行函数的目的,对于所输入的语音控制指令的限制非常小,从而极大地提升了语音控制的可扩展性,使得上述例子中的语音控制指令为“暂停音乐”与“我想暂停音乐”均能够完成语音控制。
本实施例在执行S102获取大语言模型的输出结果作为目标函数描述信息之后,执行S103根据目标函数描述信息确定目标信息集,将与目标信息集对应的执行函数作为目标执行函数。
本实施例会预先设置多个信息集,每个信息集中包含多个函数描述信息,不同的信息集对应于不同的执行函数;可以理解的是,信息集中包含的函数描述信息可以是通过大语言模型所获取的。
例如,信息集1中包含函数描述信息1、函数描述信息2,与信息集1对应的执行函数为执行函数1;信息集2中包含函数描述信息3、函数描述信息4与函数描述信息5,与信息集2对应的执行函数为执行函数3。
本实施例在执行S103根据目标函数描述信息确定目标信息集时,可以采用的可选实现方式为:将目标函数描述信息所在的信息集,作为目标信息集。
也就是说,本实施例通过对各信息集中包含的函数描述信息进行查询,将目标函数描述信息所在的信息集作为目标信息集,能够简化目标信息集的确定步骤。
本实施例在执行S103根据目标函数描述信息确定目标信息集时,还可以采用以下方式:获取目标函数描述信息的目标特征向量;分别计算目标特征向量与多个信息集的集合特征向量之间的相似度,本实施例可以将信息集包含的多个函数描述信息的特征向量的平均值,作为该信息集的集合特征向量;将与相似度计算结果最高的集合特征向量对应的信息集,作为目标信息集。
在实际使用过程中,可能无法在某个信息集中包含全部的函数描述信息,为了能够确保成功地响应语音控制,本实施例通过计算目标函数描述信息与不同信息集之间的相似度的方式,来从多个信息集中选取目标信息集,进而确定与目标信息集对应的执行函数以实现语音控制。
本实施例执行S103确定目标信息集之后,即可根据预先设置的信息集与执行函数之间的对应关系,将与目标信息集对应的执行函数作为目标执行函数;其中,一个信息集对应一个执行函数。
举例来说,与信息集1对应的执行函数为“pause1()”,该“pause1()”函数用于音乐暂停;与信息集2对应的执行函数为“adjust1()”,该“adjust1()”函数用于调节空调;与信息集3对应的执行函数为“adjust2()”,该“adjust2()”函数用于调节香氛。
可以理解的是,本实施例还可以向信息集中添加其他的函数描述信息,以实现信息集的更新;本实施例执行S103之后,可以在确定信息集中不包含当前的目标函数描述信息的情况下,将目标函数描述信息添加到目标信息集中;本实施例也可以根据实际需要向信息集中添加函数描述信息。
本实施例在执行S103将与目标信息集对应的执行函数作为目标执行函数之后,执行S104根据目标执行函数对目标对象进行控制。
本实施例在执行S104根据目标执行函数对目标对象进行控制时,可以首先根据目标执行函数或者目标函数描述信息确定目标对象(根据预先设置的执行函数或者函数描述信息与对象之间的对应关系进行确定),本实施例中的目标对象可以为硬件对象(例如车窗、空调等),也可以为软件对象(例如音乐播放软件、导航软件等),然后再根据目标执行函数对目标对象进行相应的控制,例如调节、打开或者关闭空调,例如开启或者关闭车窗等。
本实施例在执行S104根据目标执行函数对目标对象进行控制时,还可以包含以下内容:获取函数参数;根据目标执行函数与函数参数,对目标对象进行控制。
也就是说,本实施例还可以结合所获取的函数参数进行目标对象的控制,能够提升在控制目标对象时的准确性。
例如,上述例子中获取的函数参数为“4档”,若所确定的目标执行函数为“adjust2()”,本实施例在执行S104时,可以将“4档”写入“adjust2()”函数中,从而使得车内香氛调节到4档。
图2是根据本公开第二实施例的示意图。如图2所示,本实施例的语音控制装置200,包括:
获取单元201、用于获取语音控制指令,根据所述语音控制指令得到文本信息;
处理单元202、用于将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;
确定单元203、用于根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;
控制单元204、用于根据所述目标执行函数对目标对象进行控制。
获取单元201获取语音控制指令之后,可以通过语音识别系统将所获取的语音控制指令转换为文本信息。
本实施例在由获取单元201得到文本信息之后,由处理单元202将文本信息与信息提取指令输入大语言模型,获取大语言模型的输出结果作为目标函数描述信息;本实施例中的信息提取指令用于大语言模型从文本信息中提取函数描述信息。
在本实施例中,所使用的大语言模型(LargeLanguageModel,LLM)可以为任意类型的大语言模型。
处理单元202向大语言模型输入的信息提取指令,可以为预先设置的文本信息,其使得大语言模型能够确定本次输出的内容为“文本信息中的函数描述信息”。
处理单元202在将文本信息与信息提取指令输入大语言模型,获取大语言模型的输出结果作为目标函数描述信息时,还可以包含以下内容:获取参数提取指令;将文本信息、信息提取指令与参数提取指令输入大语言模型,获取大语言模型的输出结果作为目标函数描述信息与函数参数;本实施例中的参数提取指令可以为预先设置的文本信息,其使得大语言模型能够确定本次输出的内容为“文本信息中的函数参数”。
也就是说,处理单元202还可以同时将信息提取指令与参数提取指令输入大语言模型,使得大语言模型能够从文本信息中提取函数描述信息与函数参数,进而实现根据所提取的函数参数来更加准确地对目标对象进行控制的目的。
可以理解的是,处理单元202在使用大语言模型之前,还可以对大语言模型进行训练,使得其具有能够根据所输入的文本信息与指令,来输出函数描述信息与函数参数的能力;其中,本实施例可以使用包含文本信息、提取指令、以及函数描述信息与函数参数的训练数据,对大语言模型进行训练。
本实施例在由处理单元202获取大语言模型的输出结果作为目标函数描述信息之后,由确定单元203根据目标函数描述信息确定目标信息集,将与目标信息集对应的执行函数作为目标执行函数。
本实施例会预先设置多个信息集,每个信息集中包含多个函数描述信息,不同的信息集对应于不同的执行函数。
确定单元203在根据目标函数描述信息确定目标信息集时,可以采用的可选实现方式为:将目标函数描述信息所在的信息集,作为目标信息集。
也就是说,确定单元203通过对各信息集中包含的函数描述信息进行查询,将目标函数描述信息所在的信息集作为目标信息集,能够简化目标信息集的确定步骤。
确定单元203在根据目标函数描述信息确定目标信息集时,还可以采用以下方式:获取目标函数描述信息的目标特征向量;分别计算目标特征向量与多个信息集的集合特征向量之间的相似度;将与相似度计算结果最高的集合特征向量对应的信息集,作为目标信息集。
在实际使用过程中,可能无法在某个信息集中包含全部的函数描述信息,为了能够确保成功地响应语音控制,确定单元203通过计算目标函数描述信息与不同信息集之间的相似度的方式,来从多个信息集中选取目标信息集,进而确定与目标信息集对应的执行函数以实现语音控制。
确定单元203在确定目标信息集之后,即可根据预先设置的信息集与执行函数之间的对应关系,将与目标信息集对应的执行函数作为目标执行函数;其中,一个信息集对应一个执行函数。
可以理解的是,本实施例还可以向信息集中添加其他的函数描述信息,以实现信息集的更新;确定单元203可以在确定信息集中不包含当前的目标函数描述信息的情况下,将目标函数描述信息添加到目标信息集中;本实施例也可以根据实际需要,通过确定单元203向信息集中添加函数描述信息。
本实施例在由确定单元203将与目标信息集对应的执行函数作为目标执行函数之后,由控制单元204根据目标执行函数对目标对象进行控制。
控制单元204在根据目标执行函数对目标对象进行控制时,可以首先根据目标执行函数或者目标函数描述信息确定目标对象,本实施例中的目标对象可以为硬件对象(例如车窗、空调等),也可以为软件对象(例如音乐播放软件、导航软件等),然后再根据目标执行函数对目标对象进行相应的控制,例如调节、打开或者关闭空调,例如开启或者关闭车窗等。
控制单元204在根据目标执行函数对目标对象进行控制时,还可以包含以下内容:获取函数参数;根据目标执行函数与函数参数,对目标对象进行控制。
也就是说,控制单元204还可以结合所获取的函数参数进行目标对象的控制,能够提升在控制目标对象时的准确性。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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。
如图3所示,是根据本公开实施例的语音控制方法的电子设备的框图。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3所示,设备300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的展示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300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301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301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301执行上文所描述的各个方法和处理,例如语音控制方法。例如,在一些实施例中,语音控制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308。
在一些实施例中,计算机程序的部分或者全部可以经由ROM302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM303并由计算单元301执行时,可以执行上文描述的语音控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元301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控制方法。
此处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)、复杂可编程逻辑设备(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语音控制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:用于向用户展示信息的展示装置(例如,CRT(阴极射线管)或者LCD(液晶展示器)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,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(“VirtualPrivate Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。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 (15)
1.一种语音控制方法,包括:
获取语音控制指令,根据所述语音控制指令得到文本信息;
将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;
根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;
根据所述目标执行函数对目标对象进行控制。
2.根据权利要求1所述的方法,其中,所述将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息包括:
获取参数提取指令;
将所述文本信息、所述信息提取指令与所述参数提取指令输入所述大语言模型,获取所述大语言模型的输出结果作为所述目标函数描述信息与函数参数。
3.根据权利要求1所述的方法,其中,所述根据所述目标函数描述信息确定目标信息集包括:
将所述目标函数描述信息所在的信息集,作为所述目标信息集。
4.根据权利要求1所述的方法,其中,所述根据所述目标函数描述信息确定目标信息集包括:
获取所述目标函数描述信息的目标特征向量;
分别计算所述目标特征向量与多个信息集的集合特征向量之间的相似度;
将与相似度计算结果最高的集合特征向量对应的信息集,作为所述目标信息集。
5.根据权利要求2所述的方法,其中,所述根据所述目标执行函数对目标对象进行控制包括:
获取所述函数参数;
根据所述目标执行函数与所述函数参数,对所述目标对象进行控制。
6.根据权利要求4所述的方法,还包括,
在确定所述多个信息集中不包含所述目标函数描述信息的情况下,将所述目标函数描述信息添加到所述目标信息集中。
7.一种语音控制装置,包括:
获取单元,用于获取语音控制指令,根据所述语音控制指令得到文本信息;
处理单元,用于将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息,所述信息提取指令用于所述大语言模型从输入的文本信息中提取函数描述信息;
确定单元,用于根据所述目标函数描述信息确定目标信息集,将与所述目标信息集对应的执行函数作为目标执行函数;
控制单元,用于根据所述目标执行函数对目标对象进行控制。
8.根据权利要求7所述的装置,其中,所述处理单元在将所述文本信息与信息提取指令输入大语言模型,获取所述大语言模型的输出结果作为目标函数描述信息时,具体执行:
获取参数提取指令;
将所述文本信息、所述信息提取指令与所述参数提取指令输入所述大语言模型,获取所述大语言模型的输出结果作为所述目标函数描述信息与函数参数。
9.根据权利要求7所述的装置,其中,所述确定单元在根据所述目标函数描述信息确定目标信息集时,具体执行:
将所述目标函数描述信息所在的信息集,作为所述目标信息集。
10.根据权利要求7所述的装置,其中,所述确定单元在根据所述目标函数描述信息确定目标信息集时,具体执行:
获取所述目标函数描述信息的目标特征向量;
分别计算所述目标特征向量与多个信息集的集合特征向量之间的相似度;
将与相似度计算结果最高的集合特征向量对应的信息集,作为所述目标信息集。
11.根据权利要求8所述的装置,其中,所述控制单元在根据所述目标执行函数对目标对象进行控制时,具体执行:
获取所述函数参数;
根据所述目标执行函数与所述函数参数,对所述目标对象进行控制。
12.根据权利要求10所述的装置,所述确定单元还用于执行:
在确定所述多个信息集中不包含所述目标函数描述信息的情况下,将所述目标函数描述信息添加到所述目标信息集中。
13.一种电子设备,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1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310558746.3A CN116705018A (zh) | 2023-05-17 | 2023-05-17 | 语音控制方法、装置、电子设备与可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310558746.3A CN116705018A (zh) | 2023-05-17 | 2023-05-17 | 语音控制方法、装置、电子设备与可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116705018A true CN116705018A (zh) | 2023-09-05 |
Family
ID=87823000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310558746.3A Pending CN116705018A (zh) | 2023-05-17 | 2023-05-17 | 语音控制方法、装置、电子设备与可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116705018A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272425A (zh) * | 2023-11-22 | 2023-12-22 | 卡奥斯工业智能研究院(青岛)有限公司 | 一种装配方法、装置、电子设备及存储介质 |
CN118038870A (zh) * | 2024-04-12 | 2024-05-14 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种针对大语音模型的指令感知训练方法及装置 |
-
2023
- 2023-05-17 CN CN202310558746.3A patent/CN116705018A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272425A (zh) * | 2023-11-22 | 2023-12-22 | 卡奥斯工业智能研究院(青岛)有限公司 | 一种装配方法、装置、电子设备及存储介质 |
CN117272425B (zh) * | 2023-11-22 | 2024-04-09 | 卡奥斯工业智能研究院(青岛)有限公司 | 一种装配方法、装置、电子设备及存储介质 |
CN118038870A (zh) * | 2024-04-12 | 2024-05-14 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种针对大语音模型的指令感知训练方法及装置 |
CN118038870B (zh) * | 2024-04-12 | 2024-06-11 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种针对大语音模型的指令感知训练方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106328148B (zh) | 基于本地和云端混合识别的自然语音识别方法、装置和系统 | |
CN116705018A (zh) | 语音控制方法、装置、电子设备与可读存储介质 | |
JP6229046B2 (ja) | 地方なまりを区別する音声データ認識方法、装置及びサーバ | |
CN113239157B (zh) | 对话模型的训练方法、装置、设备和存储介质 | |
CN110570855A (zh) | 通过对话机制控制智能家居设备的系统、方法及装置 | |
CN112506359B (zh) | 输入法中候选长句的提供方法、装置及电子设备 | |
CN112466289A (zh) | 语音指令的识别方法、装置、语音设备和存储介质 | |
JP2022088585A (ja) | 音声ブロードキャスト方法、音声ブロードキャスト装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN114490985A (zh) | 对话生成方法、装置、电子设备和存储介质 | |
CN114186681A (zh) | 用于生成模型簇的方法、装置及计算机程序产品 | |
CN113641829A (zh) | 图神经网络的训练与知识图谱的补全方法、装置 | |
CN113593555A (zh) | 通过语音方式控制程序的方法、设备及程序产品 | |
CN117492743A (zh) | 基于大语言模型的目标应用生成方法、装置及存储介质 | |
CN115497458B (zh) | 智能语音助手的持续学习方法、装置、电子设备及介质 | |
CN114841341B (zh) | 图像处理模型训练及图像处理方法、装置、设备和介质 | |
CN113408641B (zh) | 资源生成模型的训练与服务资源的生成方法、装置 | |
CN113112311B (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN114549695A (zh) | 图像生成方法、装置、电子设备及可读存储介质 | |
CN113361575A (zh) | 模型训练方法、装置和电子设备 | |
CN112817463A (zh) | 输入法获取音频数据的方法、设备和存储介质 | |
CN114398130B (zh) | 页面展示方法、装置、设备和存储介质 | |
CN113963433B (zh) | 运动搜索方法、装置、电子设备及存储介质 | |
CN115410048B (zh) | 图像分类模型的训练及图像分类方法、装置、设备及介质 | |
CN117877470A (zh) | 语音关联方法、装置、设备及存储介质 | |
CN111414760A (zh) | 自然语言处理方法及相关设备、系统和存储装置 |
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 |