CN117133286A - 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：获取通过车载麦克风采集到的用户语音；将用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为语音交互服务的总数量，N为大于1的正整数；播放目标语音交互服务返回的唤醒响应语音，并在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态，目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入唤醒状态并返回唤醒响应语音。该方法可以保障每个语音交互服务都可以平等的响应用户语音对其传达的调用指令。

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植入车机，通常表现为语音助手的形式为乘车人员提供辅助，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。这些语音助手通常被用户以包含特定唤醒词的语音唤醒，例如百度地图被“”小度小度”唤醒、高德地图被“你好小德”唤醒，这一过程都需要用到车载终端上的麦克风。

但是基于Android(安卓)的原生接口，同一时刻只能有一个应用拿到麦克风采集到的音频，导致在存在多语音交互服务的情况下，不同语音交互服务无法平等的被用户调用。

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：获取通过车载麦克风采集到的用户语音；将用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为语音交互服务的总数量，N为大于1的正整数；播放目标语音交互服务返回的唤醒响应语音，并在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态，目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入唤醒状态并返回唤醒响应语音。

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：用户语音采集单元，被配置成获取通过车载麦克风采集到的用户语音；复制及分别发送单元，被配置成将用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为语音交互服务的总数量，N为大于1的正整数；人机语音交互控制单元，被配置成播放目标语音交互服务返回的唤醒响应语音，并在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态，目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入唤醒状态并返回唤醒响应语音。

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。

本公开所提供的车载环境下的人机语音交互方案，通过将车载麦克风采集到的原先只有一份的用户语音，以拷贝复制的方式生成与存在的语音交互服务总数一致的多份相同的用户语音，并采用向每个语音交互服务均发送一份用户语音的方式，来保障每个语音交互服务都可以平等的响应用户语音对其传达的调用指令，而在目标语音交互服务已被唤醒的状态下，为了防止后续用户语音流向其余语音交互服务而触发错误响应，还在目标语音交互服务保持唤醒状态的过程中控制其余语音交互服务均处于静默状态，从而切实满足用户在车载环境下仅与其想要沟通的语音交互服务进行沟通的意图。

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为本公开实施例提供的一种控制非目标语音交互服务的其它语音交互服务处于静默状态的方法的流程图；

图4为本公开实施例提供的一种更换语音交互服务的方法的流程示意图；

图5为本公开实施例提供的一种发送最后问题给第二语音交互服务的方法的流程示意图；

图6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7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、105、106。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，以及播放语音交互服务的唤醒响应语音和回复用户问题的回复语音的扬声器；车载终端102在功能齐全的情况下可以独立完成与用户之间的人机语音交互，在功能不齐全或者不够齐全的情况下，可以通过与智能移动终端103建立起的数据连接，由智能移动终端103帮助一块完成与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、105、106通常来自不同的应用程序(例如表现为由不同应用程序提供的不同语音助手)、通常拥有互不相同的唤醒词或者唤醒指令，以避免与其它语音交互服务造成唤醒或相应冲突，且用于提供语音交互服务的不同应用程序可以全部或部分的安装在车载终端102或智能移动终端103上。

用户可以通过语音与车载终端102或由智能移动终端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、应用调用类应用等。

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。

独立的车载终端102或者由智能移动终端103提供功能支持的车载终端102通过内置的各种应用可以提供各种服务，以可以提供人机语音交互服务的人机语音交互类应用为例，独立的车载终端102或者由智能移动终端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，获取通过车载麦克风采集到的用户语音；然后，将该用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为语音交互服务的总数量，N为大于1的正整数；接着，播放目标语音交互服务返回的唤醒响应语音，并在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态，该目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入唤醒状态并返回唤醒响应语音。

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：获取通过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所示的独立的车载终端102或者由智能移动终端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：将用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务；

在步骤201的基础上，本步骤旨在由上述执行主体将原先仅有一份的用户语音以镜像、拷贝的方式复制为N(N为安装在上述执行主体中的所有语音交互服务的总数量，N为大于1的正整数)份，并将复制出的每份用户语音分别发送给不同的语音交互服务(例如可具体表现不同的语音助手)，以使每个语音交互服务均能够接收到同样的用户语音。其中，在上述执行主体具体为独立存在的车载终端时，所有能够提供语音交互服务的应用程序应均安装在车载终端的操作系统下，以便于被车载终端的控制器或控制模块调用或访问；在上述执行主体具体为由智能移动终端103提供功能支持的车载终端102时，所有能够提供语音交互服务的应用程序可以分散安装在车载终端和智能移动终端中，也可以仅在车载终端中安装有仅负责提供对话能力、不具有语音内容识别和执行能力的唤醒判定模块和语音合成模块、而由智能移动终端上安装的语音处理模块来进行语音内容识别和执行，并将识别和执行结果传达给车载终端的语音合成模块将其转换为语音信号与用户进行交互。

进一步的，考虑到不同语音交互服务可能采用不同的运行方式，使得将相同的用户语音完整发送至不同语音交互服务的耗时可能不同，为使不同语音交互服务可以尽可能的在同一时间开始对接收到的用户语音进行语音内容识别，还可以分别确定向每个语音交互服务发送用户语音的发送时间点。

同时，在对原始的一份用户语音进行镜像、拷贝操作之前，还可以为原始的用户语音进行去噪、清晰化人声、弱化背景音乐、缩短前后有效语音内容之间的空白间隔等预处理操作，以尽可能的提升后续各语音交互服务对接收到的用户语音中所包含实际内容的识别准确率和识别效率。

步骤203：播放目标语音交互服务返回的唤醒响应语音，并在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态。

在步骤202的基础上，本步骤旨在由上述执行主体播放目标语音交互服务返回的唤醒响应语音，并在该目标语音交互服务保持唤醒状态的过程维持用户与该目标语音交互服务之间进行语音交互，同时控制非目标语音交互服务的其它语音交互服务处于不进入唤醒、不对后续用户语音进行响应的静默状态，以使同一时刻仅有一个语音交互服务与用户进行语音交互。

其中，该目标语音交互服务是指识别到传入的用户语音中包含与自身对应的唤醒指令(可以表现为常见的唤醒词形式，以语音助手—小度为例，该唤醒指令可以为“小度小度”的唤醒词)的语音交互服务，并在识别到该唤醒指令时进入唤醒状态并向上述执行主体返回用于表征当前语音交互服务确实被唤醒指令唤醒的唤醒响应语音(以语音助手—小度为例，其唤醒响应语音可以为：主人，小度在呢)。

需要说明的是，除非特殊情况，用户在同一时刻仅需要与一个语音交互服务进行语音交互，而不会同时与多个语音交互服务进行语音交互(因为可能会导致其中一个语音交互服务发出的回复语音被另一个语音交互服务识别为用户语音，且同时发出的不同回复语音也会互相干扰)。

以及，诸如表现为语音助手或其它形式的语音交互服务，除向用户提供的能够隔空唤醒语音交互服务的发出包含特定唤醒词的语音唤醒方式外，此类语音交互服务当然也可以直接通过由上述执行主体或构成上述执行主体的某个控制模块以直接向语音交互服务下发或传达唤醒控制指令的代码来直接唤醒响应的语音交互服务，通常在此种情况下被唤醒的语音交互服务就无需返回唤醒响应音频，即语音交互服务直接进入了识别用户传入的语音指令的状态，因为无论是点击用于下发该唤醒指令的按键还是触摸相应的虚拟按钮，相比尝试性质的发出包含唤醒词的语音的方式，都能够更切实的保障语音交互服务被成功唤醒。

特殊的，如果上述执行主体在完成所有份用户语音的发送后的预设时间内接收到多个语音交互服务陆续返回的不同唤醒响应语音，还可以将最早返回唤醒响应语音的语音交互服务确定为目标语音交互服务，因为通常能够最早返回唤醒响应语音的语音交互服务更大概率是最匹配用户唤醒指令的语音交互服务。例如当用户语音为：“小A小A，不知道你对同行小B同学怎么看？”时，其中的“小A小A”和“小B同学”分别为两个语音交互服务的预设唤醒词，通过理解语义可知，用户实际上想通过唤醒小A并向其咨询其对小B同学的看法，且由于“小A小A”在完整语音的开头部分、“小B同学”则在完整语音的靠后部分，因此虽然会依次收到小A和小B两个语音交互服务分别返回的唤醒响应语音，但通过将最先返回唤醒响应语音的小A确定为目标语音交互服务将能够确定出正确的目标语音交互服务。

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原先只有一份的用户语音，以拷贝复制的方式生成与存在的语音交互服务总数一致的多份相同的用户语音，并采用向每个语音交互服务均发送一份用户语音的方式，来保障每个语音交互服务都可以平等的响应用户语音对其传达的调用指令，而在目标语音交互服务已被唤醒的状态下，为了防止后续用户语音流向其余语音交互服务而触发错误响应，还在目标语音交互服务保持唤醒状态的过程中控制其余语音交互服务处于静默状态，从而切实满足用户在车载环境下仅与其想要沟通的语音交互服务进行沟通的意图。

在上述实施例的基础上，为在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态，可以采用多种可行的实现方式，此处将结合图3所示的分支示意图提供两种不同的实现方式：

方式一：在目标语音交互服务保持唤醒状态的过程中，仅将获取到的后续用户语音发送给目标语音交互服务。即在目标语音交互服务已经明确被唤醒且保持在唤醒状态下时，仅将从车载麦克风处获取到的后续用户语音发送给目标语音交互服务，而不再将后续用户语音仍发送给每个语音交互服务，使得其余语音交互服务在未接收到后续用户语音的情况下，自然就稳定的处于静默状态。

方式二：在目标语音交互服务保持唤醒状态的过程中，将不包含任何语音内容的预设白噪声发送给非目标语音交互服务的其它语音交互服务。即在目标语音交互服务已经明确被唤醒且保持在唤醒状态下时，仍然保持向每个语音交互服务发送音频的原有机制，但将本应该发送给其它语音交互服务的后续用户语音替换为不包含任何语音内容的预设白噪声，使得各其它语音交互服务虽然能够仍接收到音频数据，但无法从中识别出有效的内容，自然也就稳定的处于静默状态。

上述两种方式各有优点，方式一的优点为：由于其它语音交互服务完全不会接收到语音信号，将能够更加稳定的确保处于静默状态；方式二的优点为：无需更改向每个语音交互服务发送音频的原有机制。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，考虑到用户可能会因为各种情况主动表达更换沟通对象的语音交互服务的意愿，为实现这一目的，本实施例还结合图4所提供的分支示意图分别就直接更换和同问题更换沟通对象这两种理由给出了不同的具体实现方案：

在上述执行主体确定当前用户语音中包含有语音交互服务更换指令时，可根据该语音交互服务更换指令中包含的具体指令内容确定当前处于唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务，以及可进一步尝试从该语音交互服务更换指令中识别出可能包含的更换原因。

其中，语音交互服务更换指令用于表达将当前语音交互服务更换为另一个语音交互服务的意愿，为实现该意愿可以采用多种不同的表述，例如“帮我换一个语音交互服务吧”、“换XX(语音交互服务的常用称呼)试试”、“这个问题我想知道小B(语义交互服务的常用称呼)怎么回答”等，而第一语音交互服务可以根据在接收到包含有语音交互服务更换指令的当前用户语音时处于唤醒状态的语音交互服务得以确定，而第二语音交互服务则需要更多的根据语音交互服务更换指令来进行确定，通常可以分为两种情况，一种是明确指示更换为哪个语音交互服务，此时直接将明确指示的语音交互服务确定为第二语音交互服务即可，另一种则是未明确指示更换为哪个语音交互服务，这个时候则可以由上述执行主体采用进一步询问用户想要在更换为备选的多个语音交互服务中的哪个的二次问询方式确定第二语音交互服务，也可以基于历史使用偏好将用户常用的语音交互服务确定为第二语音交互服务，还可以在备选的多个语音交互服务随机挑选一个作为第二语音交互服务，随机挑选的方式可以采用多种随机算法，此处不做具体限定。

在尝试从语音交互服务更换指令中提取更换理由时，一种情况是因用户没有告知更换理由、可能就是单纯的想要更换另一个语音交互对象，那么此时将识别不到具体的更换理由，那么上述执行主体可以直接以向第一语音交互服务发送指示退出唤醒状态的第一控制代码、向第二语音交互服务发送指示进入唤醒状态的第二控制代码的方式，直接使第一语音交互服务以无需返回结束语的方式退出唤醒状态、使第二语音交互服务以无需返回唤醒响应语音的方式直接进入唤醒状态，使得第二语音交互服务快速进入可与用户进行语音交互的状态，从而更好的满足用户更换语音交互服务的需求。

另一种情况则是用户告知了明确的更换理由，例如当前沟通的第一语音交互服务无法解决自己接下来提出的需求、或者不满意当前沟通的第一语音交互对先前提出问题给出的回复等，那么此时就可以从语音交互服务更换指令中提取出具体的更换理由，以“不满意当前沟通的第一语音交互对先前提出问题给出的回复”这种情况(用户语音可具体表现为：“这个问题我想知道小B(语义交互服务的常用称呼)怎么回答”)，可以由上述执行主体将该更换原因确定为用户想要就同一问题更换沟通对象，则可以由上述执行主体直接以向第一语音交互服务发送指示退出唤醒状态的第一控制代码的方式使其快速退出唤醒状态、直接以向第二语音交互服务发送指示进入唤醒状态的第二控制代码的方式使其快速进入唤醒状态，并根据沟通内容记录将询问第一语音交互服务的最后问题发送给第二语音交互服务，使第二语音交互服务在得知需要自己回答的问题之后快速生成相应的回复内容，并由上述执行主体播放对该最后问题返回的回复语音给用户。

需要说明的是，该沟通内容记录可以是上述执行主体预先生成的，预先生成方式可以为：上述执行主体根据获取到的用户语音记录用户与各语音交互服务的沟通内容，并将沟通内容整理为以文本形式、按时序排列的沟通内容记录。因此，在根据更换原因确定为用户想要就同一问题更换沟通对象时，就可以根据该沟通内容记录快速查询得到询问第一语音交互服务的最后问题。以及在将最后问题发送给第二语音交互服务时，考虑到可能需要结合前文一块理解该最后问题或共同形成该最后问题，还需要通过沟通内容记录将该最后问题以能够完整表述问题内容的方式发送给第二语音交互服务，以确保第二语音交互服务正确理解。

进一步的，就具体如何将询问第一语音交互服务的最后问题发送给第二语音交互服务，本公开还通过图5所示的分支示意图提供了两种不同的具体实现方式：

方式一：根据沟通内容记录确定询问第一语音交互服务的最后问题，然后将最后问题对应的全部原始用户语音(例如还包含分散在前文中的帮助理解该最后问题的前置内容的部分原始用户语音)发送给第二语音交互服务。即找到对应该最后问题的全部原始用户语音，再将其原封不动的发送给第二语音交互服务，采用此种方式的好处为：可以更明显的看出第二语音交互服务和第一语音交互服务对相同用户语音给出回复之间的差别。

方式二：根据沟通内容记录确定询问第一语音交互服务的最后问题，将最后问题对应的全部问题文本(例如还包含分散在前面沟通过程中的帮助理解该最后问题的前置内容)作为语音内容识别模块的结果发送给识别结果执行模块。即由于沟通内容记录是将用户原问询最后问题的语音内容经识别后以文本形式记录下来，因此可以直接将该问题文本将其作为语音内容识别模块的结果发送给识别结果执行模块，从而无需第二语音交互服务的语音内容识别模块再次对用户语音进行内容识别，即采用此种方式的优点为：省去了第二语音交互服务对包含最后问题的用户语音的识别过程，缩短了第二语音交互服务给出回复的耗时。

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。

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A，其智能手机X与车载终端Y建立有数据连接，其中车载终端的操作系统中仅安装有默认的语音交互应用，其对应语音助手M1，而智能手机X中则安装有多款均提供语音助手服务的应用，分别提供语音助手M2、M3和M4。

1)驾驶员A首先朝车载终端的车载麦克风说出：“小度小度，帮我规划一条从人民公园的路线”；

2)车载终端中的音频控制模块将“小度小度，帮我规划一条从人民公园的路线”这条音频复制为4份，并分别发送给语音助手M1、M2、M3和M4各自对应的应用程序；

3)语音助手M2在对接收到的音频进行识别时，发现“小度小度”是与自身匹配的预设唤醒词后，向音频控制模块返回“主人，小度在呢”的机器响应语音，同时将自身状态调整为唤醒状态；

4)音频控制模块通过车载终端对应的扬声器播放该机器响应语音，实现驾驶员A与语音助手M2之间的人机语音交互，并在语音助手M2保持唤醒状态过程中，持续向语音助手M1、M3和M4发送预设白噪声；

5)驾驶员A朝车载终端的车载麦克风说出：“我想知道M3怎么规划路线”；

6)音频控制模块通过在沟通内容记录查询出驾驶员A与语音助手M2最后沟通的问题为：“规划去动物园的路线”，将控制语音助手M2退出唤醒状态，并将“规划去动物园的路线”的文本直接作为语音助手M3中语音内容识别模块的输出、语音识别结果模块的输入，得以直接接收到语音助手M3返回的去往动物园的路线信息。

进一步参考图6，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6所示，本实施例的车载环境下的人机语音交互装置600可以包括：用户语音采集单元601、复制及分别发送单元602、人机语音交互控制单元603。其中，用户语音采集单元601，被配置成获取通过车载麦克风采集到的用户语音；复制及分别发送单元602，被配置成将用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为语音交互服务的总数量，N为大于1的正整数；人机语音交互控制单元603，被配置成播放目标语音交互服务返回的唤醒响应语音，并在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态，目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入唤醒状态并返回唤醒响应语音。

在本实施例中，车载环境下的人机语音交互装置600中：用户语音采集单元601、复制及分别发送单元602、人机语音交互控制单元603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201-203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，人机语音交互控制单元603可以包括被配置成在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态的静默状态控制子单元，静默状态控制子单元可以被进一步配置成：

在目标语音交互服务保持唤醒状态的过程中，仅将获取到的后续用户语音发送给目标语音交互服务。

在本实施例的一些可选的实现方式中，人机语音交互控制单元603可以包括被配置成在目标语音交互服务保持唤醒状态的过程中控制非目标语音交互服务的其它语音交互服务处于静默状态的静默状态控制子单元，静默状态控制子单元可以被进一步配置成：

在目标语音交互服务保持唤醒状态的过程中，将不包含任何语音内容的预设白噪声发送给非目标语音交互服务的其它语音交互服务。

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600中还可以包括：

第一更换参数确定单元，被配置成响应于确定用户语音中包含语音交互服务更换指令，根据语音交互服务更换指令确定当前处于唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务；

直接更换处理单元，被配置成响应于未能根据语音交互服务更换指令识别出更换原因，向第一语音交互服务发送指示退出唤醒状态的第一控制代码、向第二语音交互服务发送指示进入唤醒状态的第二控制代码。

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600中还可以包括：

沟通内容记录单元，被配置成根据获取到的用户语音记录用户与各语音交互服务的沟通内容，并将沟通内容整理为以文本形式、按时序排列的沟通内容记录。

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600中还可以包括：

第二更换参数确定单元，被配置成响应于确定用户语音中包含语音交互服务更换指令，根据语音交互服务更换指令确定当前处于唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务；

更换沟通对象处理单元，被配置成响应于根据语音交互服务更换指令识别出更换原因为同问题更换沟通对象，向第一语音交互服务发送指示退出唤醒状态的第一控制代码、向第二语音交互服务发送指示进入唤醒状态的第二控制代码，以及根据沟通内容记录将询问第一语音交互服务的最后问题发送给第二语音交互服务，且播放第二语音交互服务对最后问题返回的回复语音。

在本实施例的一些可选的实现方式中，更换沟通对象处理单元可以包括被配置成根据沟通内容记录将询问第一语音交互服务的最后问题发送给第二语音交互服务的最后问题发送子单元，最后问题发送子单元可以被进一步配置成：

根据沟通内容记录确定询问第一语音交互服务的最后问题；

将最后问题对应的全部原始用户语音发送给第二语音交互服务。

在本实施例的一些可选的实现方式中，更换沟通对象处理单元可以包括被配置成根据沟通内容记录将询问第一语音交互服务的最后问题发送给第二语音交互服务的最后问题发送子单元，最后问题发送子单元可以被进一步配置成：

根据沟通内容记录确定询问第一语音交互服务的最后问题；

将最后问题对应的完整问题文本作为语音内容识别模块的结果发送给识别结果执行模块；其中，第二语音交互服务包括语音内容识别模块和识别结果执行模块。

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600中还可以包括：

目标语音交互服务确定单元，被配置成响应于在完成所有份用户语音的发送后的预设时间内接收到多个语音交互服务返回的不同唤醒响应语音，将最早返回唤醒响应语音的语音交互服务确定为目标语音交互服务。

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原先只有一份的用户语音，以拷贝复制的方式生成与存在的语音交互服务总数一致的多份相同的用户语音，并采用向每个语音交互服务均发送一份用户语音的方式，来保障每个语音交互服务都可以平等的响应用户语音对其传达的调用指令，而在目标语音交互服务已被唤醒的状态下，为了防止后续用户语音流向其余语音交互服务而触发错误响应，还在目标语音交互服务保持唤醒状态的过程中控制其余语音交互服务处于静默状态，从而切实满足用户在车载环境下仅与其想要沟通的语音交互服务进行沟通的意图。

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7示出了可以用来实施本公开的实施例的示例电子设备700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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701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701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原先只有一份的用户语音，以拷贝复制的方式生成与存在的语音交互服务总数一致的多份相同的用户语音，并采用向每个语音交互服务均发送一份用户语音的方式，来保障每个语音交互服务都可以平等的响应用户语音对其传达的调用指令，而在目标语音交互服务已被唤醒的状态下，为了防止后续用户语音流向其余语音交互服务而触发错误响应，还在目标语音交互服务保持唤醒状态的过程中控制其余语音交互服务处于静默状态，从而切实满足用户在车载环境下仅与其想要沟通的语音交互服务进行沟通的意图。

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 (21)

1.一种车载环境下的人机语音交互方法，包括：

获取通过车载麦克风采集到的用户语音；

将所述用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为所述语音交互服务的总数量，N为大于1的正整数；

播放目标语音交互服务返回的唤醒响应语音，并在所述目标语音交互服务保持唤醒状态的过程中控制非所述目标语音交互服务的其它语音交互服务处于静默状态，所述目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入所述唤醒状态并返回所述唤醒响应语音。

2.根据权利要求1所述的方法，其中，所述在所述目标语音交互服务保持唤醒状态的过程中控制非所述目标语音交互服务的其它语音交互服务处于静默状态，包括：

在所述目标语音交互服务保持唤醒状态的过程中，仅将获取到的后续用户语音发送给所述目标语音交互服务。

3.根据权利要求1所述的方法，其中，所述在所述目标语音交互服务保持唤醒状态的过程中控制非所述目标语音交互服务的其它语音交互服务处于静默状态，包括：

在所述目标语音交互服务保持唤醒状态的过程中，将不包含任何语音内容的预设白噪声发送给非所述目标语音交互服务的其它语音交互服务。

4.根据权利要求1所述的方法，还包括：

响应于确定所述用户语音中包含语音交互服务更换指令，根据所述语音交互服务更换指令确定当前处于所述唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务；

响应于未能根据所述语音交互服务更换指令识别出更换原因，向所述第一语音交互服务发送指示退出唤醒状态的第一控制代码、向所述第二语音交互服务发送指示进入唤醒状态的第二控制代码。

5.根据权利要求1所述的方法，还包括：

根据获取到的用户语音记录用户与各所述语音交互服务的沟通内容，并将所述沟通内容整理为以文本形式、按时序排列的沟通内容记录。

6.根据权利要求5所述的方法，还包括：

响应于确定所述用户语音中包含语音交互服务更换指令，根据所述语音交互服务更换指令确定当前处于所述唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务；

响应于根据所述语音交互服务更换指令识别出更换原因为同问题更换沟通对象，向所述第一语音交互服务发送指示退出唤醒状态的第一控制代码、向所述第二语音交互服务发送指示进入唤醒状态的第二控制代码，以及根据所述沟通内容记录将询问所述第一语音交互服务的最后问题发送给所述第二语音交互服务，且播放所述第二语音交互服务对所述最后问题返回的回复语音。

7.根据权利要求6所述的方法，其中，所述根据所述沟通内容记录将询问所述第一语音交互服务的最后问题发送给所述第二语音交互服务，包括：

根据所述沟通内容记录确定询问所述第一语音交互服务的最后问题；

将与所述最后问题对应的全部原始用户语音发送给所述第二语音交互服务。

8.根据权利要求6所述的方法，其中，所述根据所述沟通内容记录将询问所述第一语音交互服务的最后问题发送给所述第二语音交互服务，包括：

根据所述沟通内容记录确定询问所述第一语音交互服务的最后问题；

将与所述最后问题对应的完整问题文本作为语音内容识别模块的结果发送给识别结果执行模块，以使所述识别结果执行模块执行与所述问题文本对应的操作；其中，所述第二语音交互服务包括所述语音内容识别模块和所述识别结果执行模块。

9.根据权利要求1-8任一项所述的方法，还包括：

响应于在完成所有份所述用户语音的发送后的预设时间内接收到多个语音交互服务返回的不同唤醒响应语音，将最早返回所述唤醒响应语音的语音交互服务确定为所述目标语音交互服务。

10.一种车载环境下的人机语音交互装置，包括：

用户语音采集单元，被配置成获取通过车载麦克风采集到的用户语音；

复制及分别发送单元，被配置成将所述用户语音复制为N份，并将复制出的每份用户语音分别发送给不同的语音交互服务，N为所述语音交互服务的总数量，N为大于1的正整数；

人机语音交互控制单元，被配置成播放目标语音交互服务返回的唤醒响应语音，并在所述目标语音交互服务保持唤醒状态的过程中控制非所述目标语音交互服务的其它语音交互服务处于静默状态，所述目标语音交互服务在识别到传入的用户语音中包含与自身对应的唤醒指令时进入所述唤醒状态并返回所述唤醒响应语音。

11.根据权利要求10所述的装置，其中，所述人机语音交互控制单元包括被配置成在所述目标语音交互服务保持唤醒状态的过程中控制非所述目标语音交互服务的其它语音交互服务处于静默状态的静默状态控制子单元，所述静默状态控制子单元被进一步配置成：

在所述目标语音交互服务保持唤醒状态的过程中，仅将获取到的后续用户语音发送给所述目标语音交互服务。

12.根据权利要求10所述的装置，其中，所述人机语音交互控制单元包括被配置成在所述目标语音交互服务保持唤醒状态的过程中控制非所述目标语音交互服务的其它语音交互服务处于静默状态的静默状态控制子单元，所述静默状态控制子单元被进一步配置成：

在所述目标语音交互服务保持唤醒状态的过程中，将不包含任何语音内容的预设白噪声发送给非所述目标语音交互服务的其它语音交互服务。

13.根据权利要求10所述的装置，还包括：

第一更换参数确定单元，被配置成响应于确定所述用户语音中包含语音交互服务更换指令，根据所述语音交互服务更换指令确定当前处于所述唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务以及更换原因；

直接更换处理单元，被配置成响应于未能根据所述语音交互服务更换指令识别出更换原因，向所述第一语音交互服务发送指示退出唤醒状态的第一控制代码、向所述第二语音交互服务发送指示进入唤醒状态的第二控制代码。

14.根据权利要求10所述的装置，还包括：

沟通内容记录单元，被配置成根据获取到的用户语音记录用户与各所述语音交互服务的沟通内容，并将所述沟通内容整理为以文本形式、按时序排列的沟通内容记录。

15.根据权利要求14所述的装置，还包括：

第二更换参数确定单元，被配置成响应于确定所述用户语音中包含语音交互服务更换指令，根据所述语音交互服务更换指令确定当前处于所述唤醒状态的第一语音交互服务、作为新唤醒目标的第二语音交互服务以及更换原因；

更换沟通对象处理单元，被配置成响应于根据所述语音交互服务更换指令识别出更换原因为同问题更换沟通对象，向所述第一语音交互服务发送指示退出唤醒状态的第一控制代码、向所述第二语音交互服务发送指示进入唤醒状态的第二控制代码，以及根据所述沟通内容记录将询问所述第一语音交互服务的最后问题发送给所述第二语音交互服务，且播放所述第二语音交互服务对所述最后问题返回的回复语音。

16.根据权利要求15所述的装置，其中，所述更换沟通对象处理单元包括被配置成根据所述沟通内容记录将询问所述第一语音交互服务的最后问题发送给所述第二语音交互服务的最后问题发送子单元，所述最后问题发送子单元被进一步配置成：

根据所述沟通内容记录确定询问所述第一语音交互服务的最后问题；

将与所述最后问题对应的全部原始用户语音发送给所述第二语音交互服务。

17.根据权利要求15所述的装置，其中，所述更换沟通对象处理单元包括被配置成根据所述沟通内容记录将询问所述第一语音交互服务的最后问题发送给所述第二语音交互服务的最后问题发送子单元，所述最后问题发送子单元被进一步配置成：

根据所述沟通内容记录确定询问所述第一语音交互服务的最后问题；

将所述最后问题对应的完整问题文本作为语音内容识别模块的结果发送给识别结果执行模块，以使所述识别结果执行模块执行与所述问题文本对应的操作；其中，所述第二语音交互服务包括所述语音内容识别模块和所述识别结果执行模块。

18.根据权利要求10-17任一项所述的装置，还包括：

目标语音交互服务确定单元，被配置成响应于在完成所有份所述用户语音的发送后的预设时间内接收到多个语音交互服务返回的不同唤醒响应语音，将最早返回所述唤醒响应语音的语音交互服务确定为所述目标语音交互服务。

19.一种电子设备，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1-9中任一项所述的车载环境下的人机语音交互方法。

20.一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1-9中任一项所述的车载环境下的人机语音交互方法。

21.一种计算机程序产品，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1-9中任一项所述的车载环境下的人机语音交互方法的步骤。