CN117133285A - 车载环境下的人机语音交互方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种车载环境下的人机语音交互方法、装置、设备及存储介质，涉及语音识别、人机语音交互、智能座舱等人工智能技术领域。该方法包括：获取车载麦克风采集到的用户语音；响应于因成功连接拥有语音处理功能的智能移动终端使语音交互服务处于可用状态，将用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在智能移动终端上的语音处理模块；将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给语音处理模块；接收语音处理模块在执行基于时间位置信息确定出的完整语音内容指令后返回的执行结果；通过配置在车载终端上的车载扬声器播放与执行结果对应的回复语音，可确保提取到完整的语音内容指令。

Description

车载环境下的人机语音交互方法、装置、设备及存储介质

技术领域

本公开涉及数据处理技术领域，具体涉及语音识别、人机语音交互、智能座舱等人工智能技术领域，尤其涉及一种车载环境下的人机语音交互方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术

随着车载技术的发展，为了车辆的智能化，可能会有大量的语音交互服务以语音助手的形式植入车机，例如百度语音助手、Carlife(针对苹果的IOS设备提供)、Carplay(针对苹果的IOS设备提供)、华为Hicar、小爱同学、天猫精灵等等，还有类似地图百度地图(小度小度)唤醒、高德地图(你好小德)唤醒都需要用到车载终端上的麦克风。

其中，Carplay需要由采用IOS作为操作系统的智能移动终端与同样采用IOS作为操作系统的车载终端建立数据连接后才能使用，即此时的智能移动终端将作为提供语音内容识别及执行能力的支持设备，而车载终端仅提供用户语音采集、唤醒反馈以及将包含具体语音指令的用户语音转达给智能移动终端，并将智能移动终端返回的执行结果从车载播放器进行播放。

即类似上述情况的车载语音交互方案，因唤醒处理功能和语音内容处理功能分别由车载终端和智能移动终端来执行，也正是因为分离将导致智能移动终端可能无法提取出完整的语音内容指令来准确执行。

发明内容

本公开实施例提出了一种车载环境下的人机语音交互方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

第一方面，本公开实施例提出了一种车载环境下的人机语音交互方法，包括：获取车载麦克风采集到的用户语音；响应于因成功连接拥有语音处理功能的智能移动终端使语音交互服务处于可用状态，将用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在智能移动终端上的语音处理模块；将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给语音处理模块；接收语音处理模块在执行基于时间位置信息确定出的完整语音内容指令后返回的执行结果；通过配置在车载终端上的车载扬声器播放与执行结果对应的回复语音；其中，语音交互服务包括车载唤醒判定模块、语音处理模块和车载扬声器。

第二方面，本公开实施例提出了一种车载环境下的人机语音交互装置，包括：用户语音获取单元，被配置成获取车载麦克风采集到的用户语音；分别发送单元，被配置成响应于因成功连接拥有语音处理功能的智能移动终端使语音交互服务处于可用状态，将用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在智能移动终端上的语音处理模块；时间位置信息发送单元，被配置成将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给语音处理模块；执行结果接收单元，被配置成接收语音处理模块在执行基于时间位置信息确定出的完整语音内容指令后返回的执行结果；回复语音播放单元，被配置成通过配置在车载终端上的车载扬声器播放与执行结果对应的回复语音；其中，语音交互服务包括车载唤醒判定模块、语音处理模块和车载扬声器。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面描述的车载环境下的人机语音交互方法。

第四方面，本公开实施例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，该计算机指令用于使计算机执行时能够实现如第一方面描述的车载环境下的人机语音交互方法。

第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面描述的车载环境下的人机语音交互方法的步骤。

本申请所提供的车载环境下的语音交互方案，通过将车载麦克风采集到的实时用户语音分别发送给车载终端上的车载唤醒判定模块和智能移动终端上的语音处理模块，首先使得语音处理能够接收到包含全部语音内容的用户语言，然后再通过车载唤醒判定模块确定唤醒词或唤醒指令在用户语音中的时间位置信息，并通过将该时间位置信息同步给语音处理模块，使得语音处理模块能够明确具体应该从哪个时间点开始提取除唤醒词或唤醒指令之外的完整的语音内容指令，进而语音处理模块能够基于完整的语音内容指令准确执行相应的操作、得到准确的执行结果，进而最终借助车载扬声器完成与用户的人机语音交互。

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

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开可以应用于其中的示例性系统架构；

图2为本公开实施例提供的一种车载环境下的人机语音交互方法的流程图；

图3为与图2所示方法对应的数据流转示意图；

图4为本公开实施例提供的一种确定目标语音处理模块的方法的流程图；

图5为本公开实施例提供的一种车载唤醒判定模块确定时间位置信息的方法的流程图；

图6为本公开实施例提供的一种语音处理模块获得执行结果的方法的流程图；

图7为本公开实施例提供的一种车载环境下的人机语音交互装置的结构框图；

图8为本公开实施例提供的一种适用于执行车载环境下的人机语音交互方法的电子设备的结构示意图。

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结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

图1示出了可以应用本公开的车载环境下的人机语音交互方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括车内乘客101、车载终端102、智能移动终端103以及语音交互服务104。其中，车载终端102上配置有用于采集车内语音的车载麦克风，以及播放唤醒响应语音和回复语音的车载扬声器，以及配置有车载唤醒判定模块。车载终端102由于缺乏底层的语音处理及执行能力，还需要与匹配的拥有语音处理及执行能力的智能移动终端103建立数据连接，以由智能移动终端103作为底层的语音内容处理及执行设备(主要利用配置在智能移动终端中的语音处理模块)，共同完成与车内用户之间的人机语音交互，且同时可以有多台不同的智能移动终端103共同与车载终端102建立数据连接；语音交互服务104包括车载唤醒判定模块和语音处理模块以及车载扬声器，将在智能移动终端103与车载终端102成功建立数据连接时处于可用状态。

用户可以通过语音与由智能移动终端103提供功能支持的车载终端102进行人机语音交互。车载终端102以及智能移动终端103上可以安装有各种用于实现上述目的应用，例如数据传输类应用、人机语音交互类应用、功能模块调用类应用等。

车载终端102和智能移动终端103通常表现为不同形式的硬件，特殊的，在虚拟化或者仿真场景下也可以是软件或者软件产物。当车载终端102和智能移动终端103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于嵌入式设备、智能手机、平板电脑、膝上型便携计算机等等；当车载终端102和智能移动终端103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。

由智能移动终端103提供功能支持的车载终端102可通过内置的各种应用可以提供各种服务，以共同提供人机语音交互服务的人机语音交互类应用为例，由智能移动终端103提供功能支持的车载终端102在运行该人机语音交互类应用时可实现如下效果：首先，通过配置在车载终端102上的车载麦克风获取其采集到的实时用户语音；然后，在因成功连接拥有语音处理功能的智能移动终端103使语音交互服务104处于可用状态的情况下，将获取到的实时用户语音分别发送给配置在车载终端102上的车载唤醒判定模块和配置在智能移动终端103上的语音处理模块；接着，将该车载唤醒判定模块确定出的唤醒词或唤醒指令出现在该实时用户语音中的时间位置信息，发送给该语音处理模块；下一步，接收该语音处理模块在执行基于该时间位置信息确定出的完整语音内容指令后返回的执行结果；最后，通过配置在车载终端102上的车载扬声器播放与该执行结果对应的回复语音；其中，该语音交互服务104包括该车载唤醒判定模块、该语音处理模块和该车载扬声器。

本公开后续各实施例所提供的车载环境下的人机语音交互方法一般由智能移动终端103提供功能支持的车载终端102来执行，相应地，车载环境下的人机语音交互装置一般也设置于由智能移动终端103提供功能支持的车载终端102中。

应该理解，图1中的车载终端、智能移动终端、语音交互服务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载终端、智能移动终端、语音交互服务。

请参考图2，图2为本公开实施例提供的一种车载环境下的人机语音交互方法的流程图，其中流程200包括以下步骤：

步骤201：获取车载麦克风采集到的用户语音；

本步骤旨在由车载环境下的人机语音交互方法的执行主体(例如图1所示的由智能移动终端103提供功能支持的车载终端102)获取由车载麦克风采集到的车内乘客(例如驾驶员和非驾驶员)发出的实时用户语音。其中，车载麦克风通常在驾驶位附近的车载终端上配置有，除此之外，车载麦克风还可以设置在非驾驶位的相应位置，以用于采集坐在非驾驶位的乘客发出的语音信号。

步骤202：响应于因成功连接拥有语音处理功能的智能移动终端使语音交互服务处于可用状态，将用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在智能移动终端上的语音处理模块；

在步骤201的基础上，本步骤在上述执行主体因成功连接拥有语音处理功能的智能移动终端(例如图1中所示的智能移动终端103)使语音交互服务(例如图1中所示的语音交互服务104)处于可用状态时，上述执行主体将获取到的实时用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在智能移动终端上的语音处理模块，以使用于判定是否存在唤醒词或唤醒指令的车载唤醒判定模块和用于识别语音内容指令并按指令执行相应操作的语音处理模块均可以实时接收到完整的用户语音。

步骤203：将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给语音处理模块；

在步骤202的基础上，本步骤旨在由上述执行主体将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给语音处理模块。即车载唤醒判定模块将判断接收到的实时用于语音中是否包含预设的唤醒词或唤醒指令，并在确认其中包含预设的唤醒词或唤醒指令时进一步确认该唤醒词或唤醒指令在用户语音中的时间位置信息，即对应唤醒词或唤醒词的这部分语音数据出现在当前接收到的用户语音中的哪个时间，例如出现在10秒语音条中的前两秒、或者20秒语音条中的第2-5秒。

以唤醒词“小X小X”为例，假定当前接收到的全部用户语音的时长为15秒，其语音内容转换为文本形式后为：“小X小X，帮我查一下之后一星期的天气情况，并告诉我哪几天可能会有雨”，那么车载唤醒判定模块将判定开头部分的“小X小X”为预设的唤醒词，并进一步确认该唤醒词对应的部分语音数据在全部用户语音的时间位置信息，即假定“小X小X”对应的语音数据对应开头的前3秒，那么该时间位置信息至少能够指示唤醒词出现在该时长15秒的语音条中的前3秒。

需要说明的是，由于车载麦克风实时采集用户语音、上述执行主体实时将当前采集的实时用户语音发送给车载唤醒判定模块，那么当唤醒词或唤醒指令出现在开头处时，车载唤醒判定模块将可能在刚完成对前3条语音内容的检测后就能够确定该时间位置信息，假定此时车载唤醒判定模块仍在继续接收传入的实时用户语音，那么在得知唤醒词位于前3秒时，仍能够给出表达“唤醒词位于完整用户语音的前3秒”的时间位置信息。

步骤204：接收语音处理模块在执行基于时间位置信息确定出的完整语音内容指令后返回的执行结果；

在步骤203的基础上，本步骤旨在由上述执行主体接收到语音处理模块在执行基于接收到的时间位置信息所确定出的完整语音内容指令后返回的执行结果。即语音处理模块将根据接收到的时间位置信息确定应当从实时用户语音的那个时间点开始读取非唤醒词部分的语音内容指令，在仍使用上面的例子的情况下，对于语音处理模块接收到的完整用户语音：“小X小X，帮我查一下之后一星期的天气情况，并告诉我哪几天可能会有雨”，在已知唤醒词对应的时间位置信息为“前3秒”的情况下，语音处理模块将从第4秒的用户语音开始提取完成的语音内容指令：“帮我查一下之后一星期的天气情况，并告诉我哪几天可能会有雨”，进一步的，经提炼之后的语音内容指令可以为“查询将来一星期的天气、反馈其中可能有降雨概率的日期”。语音处理模块在提取到完整的语音内容指令后，将调用相应的功能模块来执行相应的操作，并得到执行后的执行结果。对于上例而言，语音处理模块应当调用安装在智能移动终端上的天气类应用来查询未来一星期的天气和降雨概率，并得到天气类应用返回的查询结果。

步骤205：通过配置在车载终端上的车载扬声器播放与执行结果对应的回复语音。

在步骤204的基础上，本步骤旨在由上述执行主体通过配置在车载终端上的车载扬声器播放与执行结果对应的回复语音，即回复语音仍有上述主体上的车载扬声器来播放，以通过基于车内情况设计、配置得到的车载扬声器来得到更好的播放和信息传达效果。

为了更好的理解本实施例所提供方案的数据流转过程，还可以参见图3所示的将各主体设备、功能模块表现为框图以及基于框图示出的数据流程示意图。

本公开实施例提供的车载环境下的人机语音交互方法，通过将车载麦克风采集到的实时用户语音分别发送给车载终端上的车载唤醒判定模块和智能移动终端上的语音处理模块，首先使得语音处理模块能够接收到包含全部语音内容的用户语言，然后再通过车载唤醒判定模块确定唤醒词或唤醒指令在用户语音中的时间位置信息，并通过将该时间位置信息同步给语音处理模块，使得语音处理模块能够明确具体应该从哪个时间点开始提取除唤醒词或唤醒指令之外的完整的语音内容指令，进而语音处理模块能够基于完整的语音内容指令准确执行相应的操作、得到准确的执行结果，进而最终借助车载扬声器完成与用户的人机语音交互。

在图2所示实施例的基础上，考虑到具体识别出语音内容指令并执行的是配置在智能移动终端中的语音处理模块，而该语音处理模块可能是构成安装在智能移动终端上的某个语音助手的一部分，而为了用户也可以通过匹配该语音助手的唤醒词或唤醒指令通过车载唤醒判定模块的唤醒判定，还可以预先为车载唤醒判定模块维护一个唤醒信息池，所有存放于该唤醒信息池中的唤醒词或唤醒指令均可以通过该车载唤醒判定模块的唤醒判定，那么在此种情况下，只需要将该车载唤醒判定模块默认的第一唤醒词或第一唤醒指令和智能移动终端上的语音助手匹配的(也可以理解为与配置在智能移动终端上的移动唤醒判定模块对应的)第二唤醒词或第二唤醒指令都存放进该唤醒信息池即可。其中，该第一唤醒词或第一唤醒指令是该唤醒信息池中默认存放的唤醒词或唤醒指令。

进一步的，为了避免在智能移动终端未连接上车载终端时被错误的唤醒，还可以控制第二唤醒词或第二唤醒指令在所属的智能移动终端成功建立与车载终端的数据连接时被添加进该唤醒信息池，并在该数据连接断开后从唤醒信息池中清除。

更进一步的，还可以控制配置在智能移动终端上的移动唤醒判定模块在语音交互服务处理处于可用状态时处于屏蔽状态，即处于屏蔽状态下的移动唤醒判定模块将不对传入的用户语音进行唤醒判定处理，以避免造成车载唤醒判定模块和移动唤醒判定模块同时生效。

在上述任意实施例的基础上，考虑到智能移动终端上可能安装有多个不同的语音助手，以及每个语音助手可能拥有各自的语音处理模块用来提取语音内容指令和按指令执行相应的操作，还需要将车载唤醒判定模块确定出的时间位置信息，发送给与包含在用户语音中的唤醒词或唤醒指令匹配的语音助手对应的语音处理模块。

为实现这一目的，本实施例还结合图4提供了一种确定目标语音处理模块的实现方案，其流程400包括如下步骤：

步骤401：接收车载唤醒判定模块随时间位置信息一并返回的唤醒词或唤醒指令对应的目标归属信息；

本步骤旨在由上述执行主体接收车载唤醒判定模块随时间位置信息一并返回的唤醒词或唤醒指令对应的目标归属信息。即在本实施例中，上述主体将还额外要求车载唤醒判定模块要确定检测出的唤醒词或唤醒指令的目标归属信息，该目标归属信息用于指示检测出的唤醒词或唤醒指令所匹配的语音助手以及该语音助手对应的目标语音处理模块。

假定当前智能移动终端上安装有包括“Siri”在内的三个语音助手，分别使用编号X1、X2和X3指代，其分别对应的唤醒词为：“hi，X1”、“Hey，X2”以及“你好，X3”，那么就可以根据唤醒词与语音助手之间的匹配关系确定出检测出的唤醒或唤醒指令所匹配的应具体是哪个语音助手。

步骤402：根据目标归属信息在多个不同的语音处理模块中确定目标语音处理模块；

在步骤401的基础上，本步骤旨在由上述执行主体根据目标归属信息在多个不同的语音处理模块中确定目标语音处理模块，将将对应目标语音助手的语音处理模块确定为目标语音处理模块。

步骤403：将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给目标语音处理模块。

在步骤402的基础上，本步骤旨在由上述执行主体将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给目标语音处理模块。

进一步的，由于确定了目标语音处理模块，那么就无需继续将获取到的实时语音数据再继续发送给其它的语音处理模块了，因此此时还可以采用以下几种方式：1)不再继续将获取到的实时语音数据发送给其它的语音处理模块，并通知这些语音处理模块对先前接收到的部分用户语音进行废弃处理；2)仍继续向其它的语音处理模块发送数据，但将发送的数据替换为不包含任何实际内容的白噪声。

上述两种方式各有优点，方式1的优点为：由于其它语音处理模块完全不会接收到后续的用户语音，将能够更加稳定的确保其处于静默状态；方式2的优点为：无需更改向每个语音处理模块发送音频数据的原有机制。至于选用哪种方式，可根据实际应用场景下的实际需求灵活选择，此处不做具体限定。

在上述实施例的基础上，为了加深对车载唤醒判定模块具体是如何确定出时间位置信息部分的理解，本实施例还通过图5提供了一种车载唤醒判定模块确定时间位置信息的具体实现方案，其流程500包括如下步骤：

步骤501：车载唤醒判定模块将检测出包含唤醒词或唤醒指令的用户语音确定为待响应用户语音；

步骤502：车载唤醒判定模块确定与唤醒词或唤醒指令对应的语音数据在待响应用户语音中的时间分布范围；

步骤503：车载唤醒判定模块将时间分布范围中的末尾时间点确定为时间位置信息。

即本实施例的执行主体为车载唤醒判定模块，执行主体首先确定哪些用户语音中包含有唤醒词或唤醒指令，然后再确定这些唤醒词或唤醒指令对应的语音数据在所在的用户语音中的时间分布范围，例如前例中的“前3秒”、第“2-5秒”等，最后再将时间分布范围中的末尾时间点确定为时间位置信息，以使得语音处理模块在得知该末尾时间点之后，就可以直接从位于该末尾时间点后的用户语音中提取语音内容指令，进而保证能够提取到完整的语音内容指令。

进一步的。车载唤醒判定模块在确定待响应语音时，还可以同时向车载终端返回唤醒响应语音(例如：“在！”、“我在，主人”等)来告知用户确实响应了唤醒指令，进而使得接收到该唤醒响应语音的上述执行主体通过车载扬声器播放唤醒响应语音给用户。

在上述实施例的基础上，为了加深对语音处理模块具体是如何确定出根据接收到的时间位置信息得到最终的执行结果的部分方案的理解，本实施例还通过图6提供了一种语音处理模块获得执行结果的具体实现方案，其流程600包括如下步骤：

步骤601：语音处理模块接收时间位置信息；

步骤602：语音处理模块从用户语音中除时间位置信息所指示的部分语音数据之外的剩余用户语音中识别出语音内容指令；

步骤603：语音处理模块按语音内容指令调用智能移动终端中的相应功能模块执行相应的操作，得到执行结果。

即本实施例的执行主体为语音处理模块，执行主体首先接收到车载终端传入的车载唤醒判定模块确定出的时间位置信息，然后再从用户语音中除时间位置信息所指示的部分语音数据之外的剩余用户语音中识别出语音内容指令，例如在时间位置信息具体为“前3秒”时，语音处理模块可从时长为15秒的用户语音数据的第4-15秒中提取语音内容指令，最后根据提取出的语音内容指令的具体需求指令调用智能移动终端中的相应功能模块执行相应的操作，得到执行结果。

为加深理解，本公开还结合一个具体应用场景，给出了一种具体的实现方案：

假定在当前车载环境下，车内仅有驾驶员M，其智能手机N与车载终端E建立有数据连接，其车载终端E上仅配置有IOS操作系统的车载唤醒判定模块，同样采用IOS操作系统的智能手机N上安装有包括Siri在内的三个语音助手，即对应三个不同的语音处理模块Q1、Q2、Q3。

1)车载终端通过车载麦克风陆续接收到驾驶员M传入的用户语音：“小X小X，帮我查一下之后一星期的天气情况，并告诉我哪几天可能会有雨”；

2)车载终端将实时用户语音持续发送给车载唤醒判定模块和三个语音处理模块Q1、Q2和Q3；

3)车载唤醒判定模块检测到包含预存在唤醒信息池中的唤醒词：“小X小X”，并根据预先记录的唤醒词与语音助手之间的对应关系，确定驾驶员M想要唤醒的语音助手为Q3，并同时确认唤醒词出现的末尾时间点为2秒54；

4)车载唤醒判定模块将具体为“2秒54”的末尾时间点和语音处理模块Q3一并发送给车载终端；

5)车载终端将车载麦克风后续接收到的实时用户语音传入语音处理模块Q3，并同时告知其唤醒词出现的末尾时间点为：“2秒54”，以及同时将发送给语音处理模块Q1和Q2的后续音频数据替换为预设白噪声；

6)语音处理模块Q3从2秒55开始提取语音内容指令，得到“帮我查一下之后一星期的天气情况，并告诉我哪几天可能会有雨”，并将其进一步提炼为：“查询将来一星期的天气、反馈其中可能有降雨概率的日期”，然后调用智能手机N中安装的天气应用进行查询，并得到天气应用返回的查询结果：“将来一星期的天气总体保持为晴天，仅有下周三有局部雷阵雨”；

6)语音处理模块将得到的文本形式的查询结果返回给车载终端，车载终端将其转换为语音形式后通过车载扬声器进行播放。

进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种车载环境下的人机语音交互装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的车载环境下的人机语音交互装置700可以包括：用户语音获取单元701、分别发送单元702、时间位置信息发送单元703、执行结果接收单元704、回复语音播放单元705。其中，用户语音获取单元701，被配置成获取车载麦克风采集到的用户语音；分别发送单元702，被配置成响应于因成功连接拥有语音处理功能的智能移动终端使语音交互服务处于可用状态，将用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在智能移动终端上的语音处理模块；时间位置信息发送单元703，被配置成将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给语音处理模块；执行结果接收单元704，被配置成接收语音处理模块在执行基于时间位置信息确定出的完整语音内容指令后返回的执行结果；回复语音播放单元705，被配置成通过配置在车载终端上的车载扬声器播放与执行结果对应的回复语音；其中，语音交互服务包括车载唤醒判定模块、语音处理模块和车载扬声器。

在本实施例中，车载环境下的人机语音交互装置700中：用户语音获取单元701、分别发送单元702、时间位置信息发送单元703、执行结果接收单元704、回复语音播放单元705的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，唤醒词或唤醒指令为位于预设的唤醒信息池中的任意唤醒词或任意唤醒指令，唤醒信息池中的唤醒词或唤醒指令包括车载唤醒判定模块默认的第一唤醒词或第一唤醒指令和配置在智能移动终端上的移动唤醒判定模块对应的第二唤醒词或第二唤醒指令。

在本实施例的一些可选的实现方式中，第二唤醒词或第二唤醒指令在所属的智能移动终端成功建立与车载终端的数据连接时被添加进唤醒信息池，并在数据连接断开后从唤醒信息池中清除。

在本实施例的一些可选的实现方式中，车载环境下的人机语音交互装置700中还可以包括：

目标归属信息接收单元，被配置成响应于智能移动终端中配置有多个不同的语音处理模块，接收车载唤醒判定模块随时间位置信息一并返回的唤醒词或唤醒指令对应的目标归属信息；

目标语音处理模块确定单元，被配置成根据目标归属信息在多个不同的语音处理模块中确定目标语音处理模块；

对应的，时间位置信息发送单元703可以被进一步配置成；

将车载唤醒判定模块确定出的唤醒词或唤醒指令出现在用户语音中的时间位置信息，发送给目标语音处理模块。

在本实施例的一些可选的实现方式中，车载环境下的人机语音交互装置700中还可以包括：

屏蔽状态控制单元，被配置成控制移动唤醒判定模块在语音交互服务处理处于可用状态时处于屏蔽状态；其中，处于屏蔽状态下的移动唤醒判定模块将不对传入的用户语音进行唤醒判定处理。

在本实施例的一些可选的实现方式中，车载环境下的人机语音交互装置700中还可以包括：

待响应用户语音确定单元，被配置成车载唤醒判定模块将检测出包含唤醒词或唤醒指令的用户语音确定为待响应用户语音；

时间分布范围确定单元，被配置成车载唤醒判定模块确定与唤醒词或唤醒指令对应的语音数据在待响应用户语音中的时间分布范围；

时间位置信息确定单元，被配置成车载唤醒判定模块将时间分布范围中的末尾时间点确定为时间位置信息。

在本实施例的一些可选的实现方式中，车载环境下的人机语音交互装置700中还可以包括：

唤醒响应语音接收单元，被配置成接收车载唤醒判定模块针对待响应用户语音返回的唤醒响应语音；

唤醒响应语音播放单元，被配置成通过车载扬声器播放唤醒响应语音。

在本实施例的一些可选的实现方式中，车载环境下的人机语音交互装置700中还可以包括：

时间位置信息接收单元，被配置成语音处理模块接收时间位置信息；

语音内容指令识别单元，被配置成语音处理模块从用户语音中除时间位置信息所指示的部分语音数据之外的剩余用户语音中识别出语音内容指令；

执行结果获取单元，被配置成语音处理模块按语音内容指令调用智能移动终端中的相应功能模块执行相应的操作，得到执行结果。

本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的车载环境下的人机语音交互装置，通过将车载麦克风采集到的实时用户语音分别发送给车载终端上的车载唤醒判定模块和智能移动终端上的语音处理模块，首先使得语音处理能够接收到包含全部语音内容的用户语言，然后再通过车载唤醒判定模块确定唤醒词或唤醒指令在用户语音中的时间位置信息，并通过将该时间位置信息同步给语音处理模块，使得语音处理模块能够明确具体应该从哪个时间点开始提取除唤醒词或唤醒指令之外的完整的语音内容指令，进而语音处理模块能够基于完整的语音内容指令准确执行相应的操作、得到准确的执行结果，进而最终借助车载扬声器完成与用户的人机语音交互。

根据本公开的实施例，本公开还提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现上述任意实施例所描述的车载环境下的人机语音交互方法。

根据本公开的实施例，本公开还提供了一种可读存储介质，该可读存储介质存储有计算机指令，该计算机指令用于使计算机执行时能够实现上述任意实施例所描述的车载环境下的人机语音交互方法。

根据本公开的实施例，本公开还提供了一种计算机程序产品，该计算机程序在被处理器执行时能够实现上述任意实施例所描述的车载环境下的人机语音交互方法的步骤。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如车载环境下的人机语音交互方法。例如，在一些实施例中，车载环境下的人机语音交互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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的车载环境下的人机语音交互方法的一个或多个步骤。备选地，在其他实施例中，计算单元801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环境下的人机语音交互方法。

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数据处理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，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。

根据本公开实施例的技术方案，通过将车载麦克风采集到的实时用户语音分别发送给车载终端上的车载唤醒判定模块和智能移动终端上的语音处理模块，首先使得语音处理能够接收到包含全部语音内容的用户语言，然后再通过车载唤醒判定模块确定唤醒词或唤醒指令在用户语音中的时间位置信息，并通过将该时间位置信息同步给语音处理模块，使得语音处理模块能够明确具体应该从哪个时间点开始提取除唤醒词或唤醒指令之外的完整的语音内容指令，进而语音处理模块能够基于完整的语音内容指令准确执行相应的操作、得到准确的执行结果，进而最终借助车载扬声器完成与用户的人机语音交互。

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 (19)

1.一种车载环境下的人机语音交互方法，包括：

获取车载麦克风采集到的用户语音；

响应于因成功连接拥有语音处理功能的智能移动终端使人机语音交互服务处于可用状态，将所述用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在所述智能移动终端上的语音处理模块；

将所述车载唤醒判定模块确定出的唤醒词或唤醒指令出现在所述用户语音中的时间位置信息，发送给所述语音处理模块；

接收所述语音处理模块在执行基于所述时间位置信息确定出的完整语音内容指令后返回的执行结果；

通过配置在车载终端上的车载扬声器播放与所述执行结果对应的回复语音；其中，所述人机语音交互服务包括所述车载唤醒判定模块、所述语音处理模块和所述车载扬声器。

2.根据权利要求1所述的方法，其中，所述唤醒词或所述唤醒指令为位于预设的唤醒信息池中的任意唤醒词或任意唤醒指令，所述唤醒信息池中的唤醒词或唤醒指令包括所述车载唤醒判定模块默认的第一唤醒词或第一唤醒指令和配置在所述智能移动终端上的移动唤醒判定模块对应的第二唤醒词或第二唤醒指令。

3.根据权利要求2所述的方法，其中，所述第二唤醒词或所述第二唤醒指令在所属的智能移动终端成功建立与所述车载终端的数据连接时被添加进所述唤醒信息池，并在所述数据连接断开后从所述唤醒信息池中清除。

4.根据权利要求2所述的方法，还包括：

响应于所述智能移动终端中配置有多个不同的语音处理模块，接收所述车载唤醒判定模块随所述时间位置信息一并返回的唤醒词或唤醒指令对应的目标归属信息；

根据所述目标归属信息在多个不同的语音处理模块中确定目标语音处理模块；

对应的，所述将所述车载唤醒判定模块确定出的唤醒词或唤醒指令出现在所述用户语音中的时间位置信息，发送给所述语音处理模块；

将所述车载唤醒判定模块确定出的唤醒词或唤醒指令出现在所述用户语音中的时间位置信息，发送给所述目标语音处理模块。

5.根据权利要求2所述的方法，还包括：

控制所述移动唤醒判定模块在所述人机语音交互服务处理处于可用状态时处于屏蔽状态；其中，处于所述屏蔽状态下的移动唤醒判定模块将不对传入的用户语音进行唤醒判定处理。

6.根据权利要求1-5任一项所述的方法，还包括：

所述车载唤醒判定模块将检测出包含所述唤醒词或所述唤醒指令的用户语音确定为待响应用户语音；

所述车载唤醒判定模块确定与所述唤醒词或所述唤醒指令对应的语音数据在所述待响应用户语音中的时间分布范围；

所述车载唤醒判定模块将所述时间分布范围中的末尾时间点确定为所述时间位置信息。

7.根据权利要求6所述的方法，还包括：

接收所述车载唤醒判定模块针对所述待响应用户语音返回的唤醒响应语音；

通过所述车载扬声器播放所述唤醒响应语音。

8.根据权利要求1-5任一项所述的方法，还包括：

所述语音处理模块接收所述时间位置信息；

所述语音处理模块从所述用户语音中除所述时间位置信息所指示的部分语音数据之外的剩余用户语音中识别出语音内容指令；

所述语音处理模块按所述语音内容指令调用所述智能移动终端中的相应功能模块执行相应的操作，得到所述执行结果。

9.一种车载环境下的人机语音交互装置，包括：

用户语音获取单元，被配置成获取车载麦克风采集到的用户语音；

分别发送单元，被配置成响应于因成功连接拥有语音处理功能的智能移动终端使人机语音交互服务处于可用状态，将所述用户语音分别发送给配置在车载终端上的车载唤醒判定模块和配置在所述智能移动终端上的语音处理模块；

时间位置信息发送单元，被配置成将所述车载唤醒判定模块确定出的唤醒词或唤醒指令出现在所述用户语音中的时间位置信息，发送给所述语音处理模块；

执行结果接收单元，被配置成接收所述语音处理模块在执行基于所述时间位置信息确定出的完整语音内容指令后返回的执行结果；

回复语音播放单元，被配置成通过配置在车载终端上的车载扬声器播放与所述执行结果对应的回复语音；其中，所述人机语音交互服务包括所述车载唤醒判定模块、所述语音处理模块和所述车载扬声器。

10.根据权利要求9所述的装置，其中，所述唤醒词或所述唤醒指令为位于预设的唤醒信息池中的任意唤醒词或任意唤醒指令，所述唤醒信息池中的唤醒词或唤醒指令包括所述车载唤醒判定模块默认的第一唤醒词或第一唤醒指令和配置在所述智能移动终端上的移动唤醒判定模块对应的第二唤醒词或第二唤醒指令。

11.根据权利要求10所述的装置，其中，所述第二唤醒词或所述第二唤醒指令在所属的智能移动终端成功建立与所述车载终端的数据连接时被添加进所述唤醒信息池，并在所述数据连接断开后从所述唤醒信息池中清除。

12.根据权利要求10所述的装置，还包括：

目标归属信息接收单元，被配置成响应于所述智能移动终端中配置有多个不同的语音处理模块，接收所述车载唤醒判定模块随所述时间位置信息一并返回的唤醒词或唤醒指令对应的目标归属信息；

目标语音处理模块确定单元，被配置成根据所述目标归属信息在多个不同的语音处理模块中确定目标语音处理模块；

对应的，所述时间位置信息发送单元被进一步配置成；

将所述车载唤醒判定模块确定出的唤醒词或唤醒指令出现在所述用户语音中的时间位置信息，发送给所述目标语音处理模块。

13.根据权利要求10所述的装置，还包括：

屏蔽状态控制单元，被配置成控制所述移动唤醒判定模块在所述人机语音交互服务处理处于可用状态时处于屏蔽状态；其中，处于所述屏蔽状态下的移动唤醒判定模块将不对传入的用户语音进行唤醒判定处理。

14.根据权利要求9-13任一项所述的装置，还包括：

待响应用户语音确定单元，被配置成所述车载唤醒判定模块将检测出包含所述唤醒词或所述唤醒指令的用户语音确定为待响应用户语音；

时间分布范围确定单元，被配置成所述车载唤醒判定模块确定与所述唤醒词或所述唤醒指令对应的语音数据在所述待响应用户语音中的时间分布范围；

时间位置信息确定单元，被配置成所述车载唤醒判定模块将所述时间分布范围中的末尾时间点确定为所述时间位置信息。

15.根据权利要求14所述的装置，还包括：

唤醒响应语音接收单元，被配置成接收所述车载唤醒判定模块针对所述待响应用户语音返回的唤醒响应语音；

唤醒响应语音播放单元，被配置成通过所述车载扬声器播放所述唤醒响应语音。

16.根据权利要求9-13任一项所述的装置，还包括：

时间位置信息接收单元，被配置成所述语音处理模块接收所述时间位置信息；

语音内容指令识别单元，被配置成所述语音处理模块从所述用户语音中除所述时间位置信息所指示的部分语音数据之外的剩余用户语音中识别出语音内容指令；

执行结果获取单元，被配置成所述语音处理模块按所述语音内容指令调用所述智能移动终端中的相应功能模块执行相应的操作，得到所述执行结果。

17.一种电子设备，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1-8中任一项所述的车载环境下的人机语音交互方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的车载环境下的人机语音交互方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1-8中任一项所述车载环境下的人机语音交互方法的步骤。