CN116821383A - 基于车内语音交互模式的多媒体数据推荐方法及装置 - Google Patents

Abstract

本申请提供了一种基于车内语音交互模式的多媒体数据推荐方法及装置，该方法包括：获取车内交互语音模式的至少一个语音信号；根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，推荐模式包括单人推荐模式或多人推荐模式；根据至少一个语音信号，确定各个语音信号所属用户的年龄区间；根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据。本申请的技术方案可以实现针对不同用户提供对应的多媒体数据列表。

Description

基于车内语音交互模式的多媒体数据推荐方法及装置

技术领域

本申请涉及语音信号处理技术领域，尤其涉及一种基于车内语音交互模式的多媒体数据推荐方法及装置。

背景技术

随着汽车智能化程度越来越高，车内影音娱乐方式的丰富，可收听/收看多媒体数据变得越来越多，车内用户需要能提供多媒体数据推荐的服务来减少对多媒体数据的筛选。而传统的多媒体数据推荐基于用户的多媒体账号，将埋点数据绑定在用户ID的多媒体账号上，车机内的应用场景普遍为全车共用一个账号，这样无法针对不同用户提供准确的多媒体数据推荐。

发明内容

有鉴于此，本申请实施例提供了一种基于车内语音交互模式的多媒体数据推荐方法及装置，以解决现有技术中无法针对不同用户提供准确的多媒体数据推荐的技术问题。

本申请实施例的第一方面，提供了一种基于车内语音交互模式的多媒体数据推荐方法，包括：获取车内交互语音模式的至少一个语音信号；根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，推荐模式包括单人推荐模式或多人推荐模式；根据至少一个语音信号，确定各个语音信号所属用户的年龄区间；根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据。

本申请实施例的第二方面，提供了一种基于车内语音交互模式的多媒体数据推荐装置，包括：获取模块，用于获取车内交互语音模式的至少一个语音信号；第一确定模块，用于根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，推荐模式包括单人推荐模式或多人推荐模式；第二确定模块，用于根据至少一个语音信号，确定各个语音信号所属用户的年龄区间；第三确定模块，用于根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据。

本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

本申请实施例的第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述方法的步骤。

本申请实施例与现有技术相比存在的有益效果至少包括：本申请实施例通过获取车内交互语音模式的至少一个语音信号，并根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，该推荐模式包括单人推荐模式或多人推荐模式，然后根据至少一个语音信号，确定各个语音信号所属用户的年龄区间，根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据，以此方式可以实现针对不同用户提供对应的多媒体数据列表，使得提供的多媒体数据与用户年龄匹配，提高用户体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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它的附图。

图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图；

图2是本申请实施例的一种基于车内语音交互模式的多媒体数据推荐方法的流程图；

图3是本申请实施例的不同年龄区间的推荐策略的示意图；

图4是本申请实施例的多人推荐模式的示意图

图5是本申请实施例的一种基于车内语音交互模式的多媒体数据推荐装置的框图；

图6是本申请实施例的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。

如图1所示，系统架构100可以包括第一车辆设备101、第二车辆设备102、第三车辆设备103、网络104和服务器105。网络104用以在第一车辆设备101、第二车辆设备102、第三车辆设备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。

应该理解，图1中的车辆设备、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车辆设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。

用户可以使用第一车辆设备101、第二车辆设备102、第三车辆设备103通过网络104与服务器105进行交互，以接收或发送数据等。第一车辆设备101、第二车辆设备102、第三车辆设备103可以是被安装在各种智能汽车中具有接收或发送数据的各种电子设备。

服务器105可以是提供各种服务的服务器。例如服务器105可以从第一车辆设备101(也可以是第二车辆设备102或第三车辆设备103)获取车内交互语音模式的至少一个语音信号，并根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，该推荐模式包括单人推荐模式或多人推荐模式，然后根据至少一个语音信号，确定各个语音信号所属用户的年龄区间，根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据，以此方式可以实现针对不同用户提供对应的多媒体数据列表，使得提供的多媒体数据与用户年龄匹配，提高用户体验。

在一些实施例中，本申请实施例所提供的基于车内语音交互模式的多媒体数据推荐方法一般由服务器105执行，相应地，基于车内语音交互模式的多媒体数据推荐装置一般设置于服务器105中。在另一些实施例中，某些车辆设备可以具有与服务器相似的功能从而执行本方法。因此，本申请实施例所提供的基于车内语音交互模式的多媒体数据推荐方法不限定在服务器端执行。

下面将结合附图详细说明根据本申请实施例的基于车内语音交互模式的多媒体数据推荐方法和装置。

图2是本申请实施例的一种基于车内语音交互模式的多媒体数据推荐方法的流程图，本申请实施例提供的方法可以由任意具备计算机处理能力的电子设备执行，例如图1所示的服务器。

如图2所示，基于车内语音交互模式的多媒体数据推荐方法包括步骤S210至步骤S240。

在步骤S210中，获取车内交互语音模式的至少一个语音信号；

在步骤S220中，根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，推荐模式包括单人推荐模式或多人推荐模式。

在步骤S230中，根据至少一个语音信号，确定各个语音信号所属用户的年龄区间。

在步骤S240中，根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据。

该方法可以获取车内交互语音模式的至少一个语音信号，并根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，该推荐模式包括单人推荐模式或多人推荐模式，然后根据至少一个语音信号，确定各个语音信号所属用户的年龄区间，根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据，以此方式可以精准的向用户提供多媒体数据，实现了针对不同用户提供对应的多媒体数据列表，使得提供的多媒体数据与用户年龄匹配，提高用户体验。

在一些实施例中，上述车内交互语音模式的至少一个语音信号可以是在车辆启动之后，用户准备浏览多媒体数据时的语音会话内容。例如，可以是一分钟内的语音信号。在本实施例中，至少一个语音信号中可以包括车内一个用户或多个用户的语音信号。

目前，由于定位家庭的6座或7座车辆的普及，后排屏成为此类车型的常规配置，另一方面商务车(如MPV)的后排屏也在逐渐增多，以上场景使得车内存在两种主要的语音交互模式：单人模式和多人模式。这两种模式下的多媒体智能推荐方法存在本质的区别，单人模式下强调个性化的内容推荐，多人模式下则强调群体化的内容推荐。

基于前述实施例，当用户通过语音信号开启多媒体应用时，获取通过车端通信系统上传的语音信号，然后通过个性化推荐系统处理该语音信号，打开该多媒体应用，并将对应的多媒体应用界面展示在车端显示器。然后继续获取语音信号，并判断该语音信号是否与前述语音信号为同一个语音信号，如果不同分析不同语音信号，并切换至多人推荐模式，根据不同语音信号所属用户的年龄区间确定向车端推荐的多媒体数据列表。如果相同，切换至单人推荐模式，根据该语音信号所属用户的年龄区间确定向车端推荐的多媒体列表，以此方式可以精准的向用户提供多媒体数据，实现了针对不同用户提供对应的多媒体数据列表，使得提供的多媒体数据与用户年龄匹配，提高用户体验。

在一些实施例中，根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式包括：从各个语音信号中提取对应的声纹特征，确定各个语音信号对应的声纹特征的个数；根据各个语音信号对应的声纹特征的个数，确定向用户推荐多媒体数据的推荐模式为单人推荐模式或多人推荐模式。例如，一个语音会话中包含至少一个语音信号，从各个语音信号中提取对应的声纹特征，判断各个语音信号中提取对应的声纹特征是否相同，如果相同，各个语音信号对应的声纹特征的个数为1，此时推荐多媒体数据的推荐模式为单人推荐模式。如果不同，各个语音信号对应的声纹特征的个数为不同声纹特征的个数，此时推荐多媒体数据的推荐模式为多人推荐模式。以此方式可以准确的判断出该会话语音中用户的数量，以使得根据不同用户数量确定不同的推荐方式。

在一些实施例中，根据至少一个语音信号，确定各个语音信号所属用户的年龄区间包括：将至少一个语音信号输入到卷积神经网络，并通过卷积神经网络对各个语音信号进行处理，得到各个语音信号所属用户的年龄区间的概率；根据各个语音信号所属用户的年龄区间的概率，确定各个语音信号所属用户的年龄区间。以此方式可以快速准确的确定出各个语音信号所属用户的年龄区间。

基于前述实施例，收集和构建从3-80岁的声音样本数据库，基于卷积神经网络算法进行深度学习识别声纹出年龄区间和性别。将样本划分为3-12，13-18，19-60，61-80四个年龄区间，具体如图3所示。将用户声音识别在年龄区间而不是具体年龄可以增加识别准确率，同时后续的多媒体推荐模式也将针对该四个年龄区间展开。参考图3所示，不同年龄区间的用户对应的单人推荐模式为儿童模式、青少年模式、成本人模式、老年人模式。

在一些实施例中，为避免数据集中的样本分布不均衡，导致模型对某些年龄区间的预测效果不佳，影响整个模型的准确度。可以对样本数据集进行加权处理，使得每个类别的样本数量差不多，从而使得数据集具有均衡性。通过将数据均值归零并将方差缩放为1，可以使得数据中的每个特征在相同的尺度范围内运行，从而避免了网络训练时不同特征尺度不一致带来的影响，完成对数据的标准化处理。卷积神经网络的架构包含卷积层、池化层和全连接层。通过卷积层提取声音数据的特征，通过池化层缩小特征图尺寸，通过全连接层将最终的特征向量映射到年龄区间。使用处理后的数据集作为模型的训练集，设置适当的损失函数，使用反向传播算法来训练模型，使用交叉验证等技术优化模型。在训练过程中，对模型进行调优，通过增加网络深度、缩小卷积核的大小等，以提高模型的泛化能力。以此方式训练可以获取到上述卷积神经网络。

在一些实施例中，方法还包括：通过卷积神经网络处理各个语音信号，得到各个语音信号所属用户的性别标识；根据各个语音信号所属用户的性别标识，过滤多媒体数据列表中与性别标识不相关的多媒体数据。例如，当根据各个语音信号所属用户的年龄区间获取到对应的多媒体列表后，可以根据用户的性别从该多媒体列表中删除与该性别不相符的多媒体数据。

在一些实施例中，方法还包括：基于各个语音信号对应的声纹特征，从声纹数据库中确定各个声纹特征对应的声纹标识，并基于各个声纹特征对应的声纹标识获取各个声纹标识对应的历史多媒体数据；基于各个声纹标识对应的历史多媒体数据，更新多媒体数据列表。例如，当根据各个语音信号所属用户的年龄区间获取到对应的多媒体列表后，可以根据基于各个声纹特征对应的声纹标识获取各个声纹标识对应的历史多媒体数据，并将历史多媒体数据的历史进度更新至多媒体列表中的多媒体数据，如果多媒体数据列表中不包含历史多媒体数据，可以将该历史多媒体数据和播放进度加入到该多媒体列表中。

基于前述实施例，基于各个声纹标识对应的历史多媒体数据，更新通过性别标识过滤后的多媒体数据列表，以此方式可以进一步得到与用户偏好更为接近的多媒体数据。

在一些实施例中，方法还包括：根据各个语音信号，确定各个语音信号对应的声纹标识和各个语音信号所属用户的性别标识；基于各个语音信号对应的声纹标识、各个语音信号所属用户的性别标识、以及各个语音信号所属用户的年龄区间，生成各个语音信号所属用户的声纹标识、性别标识和年龄区间之间的映射关系。例如，当用户通过语音发出指令时，基于声纹数据库和卷积神经网络算法判断用户所在年龄区间和性别，并将用户年龄区间和性别数据绑定在用户的声纹ID(即声纹标识)上。在建立完映射关系后，当再次向该用户推荐多媒体数据时，无需通过上述卷积神经网络处理该用户的语音信号，基于该用户的声纹特征从声纹数据库中获取该声纹特征对应的声纹ID，然后根据声纹ID可以快速准确的获取到该用户的年龄区间和性别标识，提升推荐多媒体数据的效率。

在一些实施例中，根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表包括：当推荐模式为单人推荐模式时，根据该语音信号所属用户的年龄区间获取该年龄区间对应的推荐策略，并根据该推荐策略确定向用户推荐的多媒体数据列表，单人推荐模式包括以下任意一项：儿童模式、青少年模式、成年人模式、老人模式；或者当推荐模式为多人推荐模式时，根据多个语音信号所属用户的年龄区间获取各个年龄区间对应的推荐策略，并根据各个年龄区间对应的推荐策略确定向用户推荐的多媒体数据列表，多人推荐模式为儿童模式、青少年模式、成年人模式、老人模式任意至少两项的组合。

参考图3，针对不同年龄区间的用户设置不同的单人推荐模式，例如儿童模式、青少年模式、成年人模式、老人模式。针对不同的单人推荐模式或不同年龄区间设置不同的推荐策略。该推荐策略可以多媒体数据进行限制或者优化。例如，可以限制儿童或青少年观看与其年龄不相符的多媒体数据，还可以针对老人放大多媒体数据中的字体。还可以基于历史多媒体数据中未播完的内容进行判断和续播。具体地，可以针对不同单人推荐模式设置定时任务和限制策略等等，如下：

儿童模式：

1.设置定时任务，限制儿童收看时长为1小时，时长到了通过车端提醒。儿童模式收看时长，也可以由车主进行单独配置。

2.该模式下限制仅可收看儿童内容，如12岁下动画片，避免在无家长陪同下，儿童观看暴力等不和谐内容。

3.未完播主播发起续播请求，基于埋点检测该声纹观看的最后一个视频，若内容观看进度<80％发起续播请求，可以通过语音建议用户继续播放该内容。

青少年模式：

1.设置定时任务，限制青少年收看为2小时，时长到了通过车端提醒。青少年收看时长，也可以由车主进行单独配置；

2.该模式下过滤暴力等不和谐内容，并根据年龄区间推荐个性化内容；

3.未完播主播发起续播请求，基于埋点检测该声纹观看的最后一个视频，若内容观看进度<80％发起续播请求，可以通过语音建议用户继续播放该内容。

成年人模式：

1.不限制观看内容和观看时长；

2.根据年龄区间推荐个性化内容；

3.未完播主播发起续播请求，基于埋点检测该声纹观看的最后一个视频，若内容观看进度<80％发起续播请求，可以通过语音建议用户继续播放该内容。

老人模式：

1.不限制观看内容和观看时长，将画面调整为老年模式，放大界面字体和字幕字体

2.根据年龄区间推荐个性化内容；

3.未完播主播发起续播请求，基于埋点检测该声纹观看的最后一个视频，若内容观看进度<80％发起续播请求，可以通过语音建议用户继续播放该内容。

参考图4，当不同声纹特征的个数大于等于2时，确定推荐模式为多人推荐模式，例如，组合1可以是两个相同年龄区间用户的组合，比如同龄人组合。组合2和组合3可以是两个不同年龄区间用户的组合，比如父子组合或爷孙组合等等。组合3可以是三个不同年龄区间用户的组合，例如爷父孙组合等等。在本实施例中，针对不同的组合可以设置不同的推荐策略。例如，针对相同年龄区间的用户可以基于该年龄区间有针对性的设置推荐策略。针对不同年龄区间的用户可以分别基于不同年龄区间有针对性的设置推荐策略。

图5是本申请实施例的一种基于行程路径的导航装置的框图。

如图5所示，基于行程路径的导航装置500包括获取模块510、第一确定模块520、第二确定模块530和第三确定模块540。

具体地，获取模块510，用于获取车内交互语音模式的至少一个语音信号。

第一确定模块520，用于根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，推荐模式包括单人推荐模式或多人推荐模式。

第二确定模块530，用于根据至少一个语音信号，确定各个语音信号所属用户的年龄区间。

第三确定模块540，用于根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据。

该基于行程路径的导航装置500可以获取车内交互语音模式的至少一个语音信号，并根据至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，该推荐模式包括单人推荐模式或多人推荐模式，然后根据至少一个语音信号，确定各个语音信号所属用户的年龄区间，根据单人推荐模式或多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向用户推荐的多媒体数据列表，多媒体数据列表中包含与各个年龄区间对应的多媒体数据，以此方式可以精准的向用户提供多媒体数据，实现了针对不同用户提供对应的多媒体数据列表，使得提供的多媒体数据与用户年龄匹配，提高用户体验。

在一些实施例中，上述第一确定模块520被配置为：从各个语音信号中提取对应的声纹特征，确定各个语音信号对应的声纹特征的个数；根据各个语音信号对应的声纹特征的个数，确定向用户推荐多媒体数据的推荐模式为单人推荐模式或多人推荐模式。

在一些实施例中，上述第二确定模块530被配置为：将至少一个语音信号输入到卷积神经网络，并通过卷积神经网络对各个语音信号进行处理，得到各个语音信号所属用户的年龄区间的概率；根据各个语音信号所属用户的年龄区间的概率，确定各个语音信号所属用户的年龄区间。

在一些实施例中，上述基于行程路径的导航装置500还用于：通过卷积神经网络处理各个语音信号，得到各个语音信号所属用户的性别标识；根据各个语音信号所属用户的性别标识，过滤多媒体数据列表中与性别标识不相关的多媒体数据。

在一些实施例中，上述基于行程路径的导航装置500还用于：基于各个语音信号对应的声纹特征，从声纹数据库中确定各个声纹特征对应的声纹标识，并基于各个声纹特征对应的声纹标识获取各个声纹标识对应的历史多媒体数据；基于各个声纹标识对应的历史多媒体数据，更新多媒体数据列表。

在一些实施例中，上述基于行程路径的导航装置500还用于：根据各个语音信号，确定各个语音信号对应的声纹标识和各个语音信号所属用户的性别标识；基于各个语音信号对应的声纹标识、各个语音信号所属用户的性别标识、以及各个语音信号所属用户的年龄区间，生成各个语音信号所属用户的声纹标识、性别标识和年龄区间之间的映射关系。

在一些实施例中，上述第三确定模块540被配置为：当推荐模式为单人推荐模式时，根据该语音信号所属用户的年龄区间获取该年龄区间对应的推荐策略，并根据该推荐策略确定向用户推荐的多媒体数据列表，单人推荐模式包括以下任意一项：儿童模式、青少年模式、成年人模式、老人模式；或者当推荐模式为多人推荐模式时，根据多个语音信号所属用户的年龄区间获取各个年龄区间对应的推荐策略，并根据各个年龄区间对应的推荐策略确定向用户推荐的多媒体数据列表，多人推荐模式为儿童模式、青少年模式、成年人模式、老人模式任意至少两项的组合。

图6是本申请实施例的一种电子设备的结构示意图。

如图6所示，该实施例的电子设备600包括：处理器610、存储器620以及存储在该存储器620中并且可在处理器610上运行的计算机程序630。处理器610执行计算机程序630时实现上述各个方法实施例中的步骤。或者，处理器610执行计算机程序630时实现上述各装置实施例中各模块的功能。

电子设备600可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备600可以包括但不仅限于处理器610和存储器620。本领域技术人员可以理解，图6仅仅是电子设备600的示例，并不构成对电子设备600的限定，可以包括比图示更多或更少的部件，或者不同的部件。

处理器610可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

存储器620可以是电子设备600的内部存储单元，例如，电子设备600的硬盘或内存。存储器620也可以是电子设备600的外部存储设备，例如，电子设备600上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。存储器620还可以既包括电子设备600的内部存储单元也包括外部存储设备。存储器620用于存储计算机程序以及电子设备所需的其它程序和数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于车内语音交互模式的多媒体数据推荐方法，其特征在于，包括：

获取车内交互语音模式的至少一个语音信号；

根据所述至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，所述推荐模式包括单人推荐模式或多人推荐模式；

根据所述至少一个语音信号，确定各个语音信号所属用户的年龄区间；

根据所述单人推荐模式或所述多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向所述用户推荐的多媒体数据列表，所述多媒体数据列表中包含与各个年龄区间对应的多媒体数据。

2.根据权利要求1所述的方法，其特征在于，根据所述至少一个语音信号，确定向所述用户推荐多媒体数据的推荐模式包括：

从各个语音信号中提取对应的声纹特征，确定各个语音信号对应的声纹特征的个数；

根据各个语音信号对应的声纹特征的个数，确定向所述用户推荐多媒体数据的推荐模式为单人推荐模式或多人推荐模式。

3.根据权利要求1所述的方法，其特征在于，根据所述至少一个语音信号，确定各个语音信号所属用户的年龄区间包括：

将所述至少一个语音信号输入到卷积神经网络，并通过所述卷积神经网络对各个语音信号进行处理，得到各个语音信号所属用户的年龄区间的概率；

根据各个语音信号所属用户的年龄区间的概率，确定各个语音信号所属用户的年龄区间。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

通过所述卷积神经网络处理各个语音信号，得到各个语音信号所属用户的性别标识；

根据各个语音信号所属用户的性别标识，过滤所述多媒体数据列表中与所述性别标识不相关的多媒体数据。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于各个语音信号对应的声纹特征，从声纹数据库中确定各个声纹特征对应的声纹标识，并基于各个声纹特征对应的声纹标识获取各个声纹标识对应的历史多媒体数据；

基于所述各个声纹标识对应的历史多媒体数据，更新所述多媒体数据列表。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据各个语音信号，确定各个语音信号对应的声纹标识和各个语音信号所属用户的性别标识；

基于各个语音信号对应的声纹标识、各个语音信号所属用户的性别标识、以及各个语音信号所属用户的年龄区间，生成各个语音信号所属用户的声纹标识、性别标识和年龄区间之间的映射关系。

7.根据权利要求1所述的方法，其特征在于，根据所述单人推荐模式或所述多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向所述用户推荐的多媒体数据列表包括：

当所述推荐模式为所述单人推荐模式时，根据该语音信号所属用户的年龄区间获取该年龄区间对应的推荐策略，并根据该推荐策略确定向所述用户推荐的多媒体数据列表，所述单人推荐模式包括以下任意一项：儿童模式、青少年模式、成年人模式、老人模式；或者

当所述推荐模式为所述多人推荐模式时，根据多个语音信号所属用户的年龄区间获取各个年龄区间对应的推荐策略，并根据各个年龄区间对应的推荐策略确定向所述用户推荐的多媒体数据列表，所述多人推荐模式为儿童模式、青少年模式、成年人模式、老人模式任意至少两项的组合。

8.一种基于车内语音交互模式的多媒体数据推荐装置，其特征在于，包括：

获取模块，用于获取车内交互语音模式的至少一个语音信号；

第一确定模块，用于根据所述至少一个语音信号，确定向用户推荐多媒体数据的推荐模式，所述推荐模式包括单人推荐模式或多人推荐模式；

第二确定模块，用于根据所述至少一个语音信号，确定各个语音信号所属用户的年龄区间；

第三确定模块，用于根据所述单人推荐模式或所述多人推荐模式，以及各个语音信号所属用户的年龄区间，确定向所述用户推荐的多媒体数据列表，所述多媒体数据列表中包含与各个年龄区间对应的多媒体数据。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。