CN117348835A - 语音输入方法、装置、电子设备及可读介质 - Google Patents

Abstract

本发明实施例提供了语音输入方法、装置、电子设备及可读介质，其应用于显示设备，所述显示设备中显示屏展示有显示界面，所述方法包括：在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；在所述文本框中，确定所述文本框选择指令对应的目标文本框；提示用户针对所述目标文本框输入信息；接收用户采用语音形式发出的文字输入指令；基于所述文字输入指令提取文字信息，填入所述目标文本框中。可以实现仅采用语音指令即可以在显示设备中流畅完成文本框中的文字输入，而无需用手进行操作，有效提高用户的操作效率。

Description

语音输入方法、装置、电子设备及可读介质

技术领域

本发明涉及语音处理技术领域，特别是涉及一种语音输入方法、一种语音输入装置、一种电子设备以及一种计算机可读介质。

背景技术

现有技术中，车辆、智能家具、手机、电脑中通常可以设置有显示设备，显示设备的显示屏中可以显示有提供导航、多媒体、游戏等多种功能的显示界面。在一些情况下，例如驾驶车辆、处理食物等过程中，由于用户的双手可能被当前处理的事务占用，难以通过手动操作的方式控制显示界面。特别是显示界面中的文本框，由于需要输入大量文字，需要花费较多时间，难以在用户双手被占用的情况下对文本框进行操作，导致用户在显示界面的使用过程中存在一定难度。

发明内容

本发明实施例是提供一种语音输入方法、装置、电子设备以及计算机可读存储介质，以解决显示设备使用过程中，显示界面的文本框难以操作的问题。

本发明实施例公开了一种语音输入方法，其应用于显示设备，所述显示设备中显示屏展示有显示界面，所述方法包括：

在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

在所述文本框中，确定所述文本框选择指令对应的目标文本框；

提示用户针对所述目标文本框输入信息；

接收用户采用语音形式发出的文字输入指令；

基于所述文字输入指令提取文字信息，填入所述目标文本框中。

可选地，所述接收用户采用语音形式发出的文本框选择指令的步骤，包括：

接收用户发出的语音；

识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；

若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令。

可选地，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量大于一个的情况下，若所述文本框选择指令包含针对文本框的预设语音文本，或者所述文本框选择指令包含的提示文字与大于一个文本框中的提示文字匹配，在所述显示界面中展示所述文本框各自对应的标识信息；

接收用户采用语音形式发出的针对所述标识信息的标识选择指令；

确定所述标识选择指令对应的目标标识信息；

将所述目标标识信息对应的文本框作为目标文本框。

可选地，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量大于一个，且所述文本框选择指令包含的提示文字与一文本框中的提示文字匹配的情况下，将所述显示界面当前显示的所述文本框中包含所述提示文字的文本框作为目标文本框。

可选地，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量为一个的情况下，将所述文本框作为目标文本框。

可选地，所述方法还包括：

接收用户采用语音形式再次发出的文字输入指令；

基于所述再次发出的文字输入指令提取文字更新信息，将所述目标文本框中的所述文本信息替换为所述文字更新信息。

可选地，所述方法还包括：

接收用户采用语音形式发出的文字更正指令；

基于所述文本更正指令，修改所述目标文本框填入的文字信息中至少一个字符。

本发明实施例还提供一种语音输入装置，其应用于显示设备，所述显示设备中显示屏展示有显示界面，所述装置包括：

文本框选择模块，用于在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

目标文本框确定模块，用于在所述文本框中，确定所述文本框选择指令对应的目标文本框；

提示模块，用于提示用户针对所述目标文本框输入信息；

输入接收模块，用于接收用户采用语音形式发出的文字输入指令；

文字填入模块，用于基于所述文字输入指令提取文字信息，填入所述目标文本框中。

可选地，所述文本框选择模块包括：

语音接收子模块，用于接收用户发出的语音；

语音识别子模块，用于识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；

文本框选择子模块，用于若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令。

可选地，所述目标文本框确定模块包括：

标识展示子模块，用于在所述文本框的数量大于一个的情况下，若所述文本框选择指令包含针对文本框的预设语音文本，或者所述文本框选择指令包含的提示文字与大于一个文本框中的提示文字匹配，在所述显示界面中展示所述文本框各自对应的标识信息；

标识选择子模块，用于接收用户采用语音形式发出的针对所述标识信息的标识选择指令；

目标标识确定子模块，用于确定所述标识选择指令对应的目标标识信息；

第一目标文本框确定子模块，用于将所述目标标识信息对应的文本框作为目标文本框。

可选地，所述目标文本框确定模块包括：

第二目标文本框确定子模块，用于在所述文本框的数量大于一个，且所述文本框选择指令包含的提示文字与一文本框中的提示文字匹配的情况下，将所述显示界面当前显示的所述文本框中包含所述提示文字的文本框作为目标文本框。

可选地，所述目标文本框确定模块包括：

第三目标文本框确定子模块，用于在所述文本框的数量为一个的情况下，将所述文本框作为目标文本框。

可选地，所述装置还包括：

文字再输入模块，用于接收用户采用语音形式再次发出的文字输入指令；

文字更新模块，用于基于所述再次发出的文字输入指令提取文字更新信息，将所述目标文本框中的所述文本信息替换为所述文字更新信息。

可选地，所述装置还包括：

更正指令接收模块，用于接收用户采用语音形式发出的文字更正指令；

文本更正模块，用于基于所述文本更正指令，修改所述目标文本框填入的文字信息中至少一个字符。

本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。

本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。

本发明实施例包括以下优点：

通过本发明实施例提供的语音输入方法，在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；在所述文本框中，确定所述文本框选择指令对应的目标文本框；提示用户针对所述目标文本框输入信息；接收用户采用语音形式发出的文字输入指令；基于所述文字输入指令提取文字信息，填入所述目标文本框中。可以实现仅采用语音指令即可以在显示设备中流畅完成文本框中的文字输入，而无需用手进行操作，有效提高用户的操作效率。

附图说明

图1是本发明实施例中提供的一种语音输入方法的步骤流程图；

图2是本发明实施例中提供的另一种语音输入方法的步骤流程图；

图3是本发明实施例提供的一种语音输入方法的流程示意图；

图4是本发明实施例中提供的一种语音输入装置的结构框图；

图5是本发明实施例中提供的一种电子设备的框图；

图6是本发明实施例中提供的一种计算机可读介质的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例中，显示设备可以设置有显示屏，显示屏中可以展示有显示界面。用户可以通过显示界面对显示设备实现如导航、多媒体播放、游戏等多种功能。显示设备可以提供语音控制功能，以便用户无法使用双手控制显示界面的情况下，还可以通过语音方式实现对显示界面的控制。语音控制通常可以用于替代对显示界面的点击操作，实现对显示界面的控制。但是，显示界面中的文本框元素，无法简单通过点击操作实现控制。

由此，本发明实施例提供了一种语音输入方法，通过先基于语音指令准确识别用户需要操作的文本框，其后继续通过语音指令获取用户需要输入显示界面的文字信息，使得用户可以仅采用语音指令即可以流畅完成文本框中的文字输入，而无需用手进行操作。同时，语音输入完成文本框文字输入的流程整体清晰、流畅，用户输入便捷，不会对用户当前处理的事务带来不良影响。

参照图1，示出了本发明实施例中提供的一种语音输入方法的步骤流程图，其应用于显示设备，所述显示设备中显示屏展示有显示界面，具体可以包括如下步骤：

步骤101，在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

在本发明实施例中，显示界面可以提供用于搜索、网址填写、表格填写等多种类型的界面。由此，显示界面中可以存在至少一个需要用户输入文本信息的文本框。在用户需要对文本框进行操作的情况下，可以发出语音。显示设备可以采用语音识别的方式，将语音转换为文本，并基于文本识别用户时发出的语音是否为文本框选择指令。若确定语音为文本框选择指令，则可以确定显示设备接收到用户采用语音形式发出的文本框选择指令。

步骤102，在所述文本框中，确定所述文本框选择指令对应的目标文本框；

显示界面中可以显示有一个文本框，也可以显示有多个文本框。在只有一个文本框的情况下，可以认为文本框选择指令即为指向该文本框的指令，并将该文本框直接确定为目标文本框。

而在显示界面显示有多个文本框的情况下，此时需要进一步确定文本框选择指令指向的文本框。由此，可以对文本框选择指令中所包含的信息进行分析，确定用户指向的文本框，作为目标文本框。若文本框选择指令中未包含明确指向特定文本框的信息，可以进一步与用户交互，确定用户指向的特定文本框，作为目标文本框。

步骤103，提示用户针对所述目标文本框输入信息；

在确定用户当前需要输入文字的目标文本框之后，可以提示用户可以向文本框中输入文本信息。具体地，可以在目标文本框中展示一闪烁的光标，以提示用户目标文本框目前处于可输入文本的状态；也可以通过播放语音的方式，提示可以在目标文本框中输入文本；也可以通过振动方向盘、座椅等方式，提示用户选取文本框指令已经完成，等待继续执行后续文本输入步骤等，本发明对此不做限制。

步骤104，接收用户采用语音形式发出的文字输入指令；

用户可以采用语音形式说明其需要填入目标文本框中的文字。显示设备在接收到用户发出的语音之后，可以通过语音识别将语音转换为文本，并基于文本识别当前用户发出的语音是否为文字输入指令。若确定语音为文字输入指令，则此时显示设备接收到用户发出的文字输入指令。

文字输入指令可以包括用户需要填入目标文本框中的文字信息。例如，用户可以需要在导航应用的搜索框内输入目的地信息“花园广场”，其文字输入指令可以包含文字信息“花园广场”。文字输入指令也可以包括与需要填入目标文本框中的文字信息存在关联的其他信息。例如，用户可以需要在通话应用中输入电话号码，则文字输入指令可以包括电话号码对应的联系人信息。

文字输入指令还可以包括与输入文本操作关联的信息，例如，文字输入指令可以包含“输入”、“填写”、“录入”、“写入”等与输入文本操作关联的词语，可以将与输入文本操作关联词语作为预设的指令短语，在识别到语音中包含与输入文本操作关联的指令短语的情况下，即可以将该语音作为文字输入指令，从而可以确定接收到用户采用语音形式发出的文字输入指令。

步骤105，基于所述文字输入指令提取文字信息，填入所述目标文本框中。

显示设备在获取得到文字输入指令之后，可以进一步从文字输入指令中提取文字信息。具体而言，文字输入指令可以直接包含用户需要填入目标文本框的文字信息，可以包含与用户需要填入目标文本框的文字信息存在关联的其他信息。可以根据目标文本框的功能以及文字输入指令中所记载的信息，确定需要填写的文字信息，并填入目标文本框中。

具体而言，可以采用语音识别的方式，将用户发出文字输入指令转换为文本，并基于文本对文本输入指令进行分析。若文字输入指令中直接包含有用户需要填入目标文本框中的文字信息，则可以直接将文字输入指令中除指令短语之外的内容作为需要填入目标文本框中的信息。例如，若文字输入指令的内容为“输入花园广场”，则可以将指令短语“输入”之外的内容作为需要填入目标文本框中的内容。

此外，由于文本框可以具有不同的功能，例如，文本框可以专用于填写网址，也可以专用于填写电话号码，也可以专用于填写地址信息。在文字输入指令不满足目标文本框填写内容对应的特定格式的情况下，文字输入指令中包含的内容可能是与需要填入目标文本框中的文字信息存在关联的其他信息。例如，在文本框专用于填写网址的情况下，若文字输入指令中除指令短语包含的信息为“亿咖通”，由于其不符合网址的格式要求，可以认为其是与需要填入目标文本框中的文字信息存在关联的其他信息，可以分析与该信息关联的网址信息，并确定其需要输入的文字信息可以是亿咖通的网址“https://www.ecarxgroup.com/”。又例如，在文本框专用于填写电话号码的情况下，若文字输入指令中除文字输入指令中除指令短语包含的信息为张三，由于其不符合电话号码的格式要求，可以认为其是与需要填入目标文本框中的文字信息存在关联的其他信息，可以分析与该信息关联的电话号码信息，并确定需要输入的文字信息是张三的电话号码。

通过本发明实施例提供的语音输入方法，在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；在所述文本框中，确定所述文本框选择指令对应的目标文本框；提示用户针对所述目标文本框输入信息；接收用户采用语音形式发出的文字输入指令；基于所述文字输入指令提取文字信息，填入所述目标文本框中。可以实现仅采用语音指令即可以在显示设备中流畅完成文本框中的文字输入，而无需用手进行操作，有效提高用户的操作效率。

参照图2，示出了本发明实施例中提供的一种语音输入方法的步骤流程图，其应用于显示设备，所述显示设备中显示屏展示有显示界面，具体可以包括如下步骤：

步骤201，在所述显示界面展示有至少一个文本框的情况下，接收用户发出的语音；

在本发明实施例中，显示界面可以提供用于搜索、网址填写、表格填写等多种类型的界面。由此，显示界面中可以存在至少一个需要用户输入文本信息的文本框。在用户需要对文本框进行操作的情况下，可以发出语音，从而显示设备可以接收到用户发出的语音。

步骤202，识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；

显示设备可以采用语音识别的方式，将语音转换为文本，并基于文本识别用户时发出的语音是否为文本框选择指令。

具体地，文本框选择指令中可以包含指向显示界面中文本框的信息。例如，文本框选择指令中可以包含如“文本框”、“输入框”、“输入文字”等与文本框存在强关联的信息，在用户发出的语音包含与文本框存在强关联的信息的情况下，可以认为用户当前的意图即为对文本框进行操作。

一般来说，文本框中通常可以显示有提示用户文本输入方式的提示文字。例如，若文本框用于填写网址，文本框在未输入文字的情况下，文本框中可以显示有提示文字“输入网址”、“输入web网址”等。在用户发出的语音指令包含与文本框中提示文字存在关联的信息的情况下，也可以认为用户当前的意图即为对文本框进行操作。

步骤203，若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令。

若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，则此时可以认为用户当前意图为对文本框进行操作，并确定用户当前发出的指令为文本框选择指令。由此，可以通过识别用户语音内容的方式，高效地确定用户的意图，以便后续对用户的指令进行相应的处理。

步骤204，在所述文本框中，确定所述文本框选择指令对应的目标文本框；

显示界面中可以显示有一个文本框，也可以显示有多个文本框。可以对文本框选择指令中所包含的信息进行分析，确定用户指向的文本框。

在本发明的一种实施例中，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

子步骤11，在所述文本框的数量大于一个的情况下，若所述文本框选择指令包含针对文本框的预设语音文本，或者所述文本框选择指令包含的提示文字与大于一个文本框中的提示文字匹配，在所述显示界面中展示所述文本框各自对应的标识信息；

在显示界面当前显示的文本框的数量大于一个的情况下，此时文本框选择指令可能无法准确地的指定显示界面中一特定的文本框。特别是文本框选择指令包含针对文本框的预设语音文本时，由于预设语音文本针对显示界面中任一文本框而并非特定文本框设置，此时虽然可以得知用户需要针对文本框进行操作，但仍无法确定用户需要操作显示界面中哪一文本框。此时需要进一步与用户进行交互，以准确确定用户需要输入文本的文本框。

同时，在显示设备界面展示的文本框中，可能存在至少两个文本框提示文字相同或者相似的情况。例如，显示界面可以同时展示有用于网络搜索的文本框以及用于应用程序搜索的文本框，其提示文字可能皆为“输入搜索内容”。在此情况下，即使文本框选择指令包含文本框当前展示的提示文字，但是其可以与大于一个文本框匹配，仍无法确定用户需要操作的文本框。此时同样需要进一步与用户进行交互，以准确确定用户需要输入文本的文本框。

由此，可以为显示界面当前显示的文本框分别配置不同的标识信息，并在显示界面中展示所述文本框各自对应的标识信息，以便用户可以基于标识信息区别显示界面中文本框。

在具体实现中，标识信息可以是文字，如甲、乙、丙、丁等；也可以是数字，如1、2、3、4等；也可以是图案，如爱心、方形、菱形、圆形等，本发明对此不做限制。标识信息可以展示在与其所对应的文本框距离较近的位置，如其所对应的文本框中，其所对应的文本框旁等，以便用户可以快速确定文本框与标识信息之间对应关系。

可选地，文本框选择指令包含的提示文字与大于一个文本框匹配时，可以在显示界面展示文本框中，查找文本框中提示文字与文本框选择指令中提示文字匹配的候选文本框，并针对候选文本框展示标识信息，接收用户采用语音形式发出的针对所述标识信息的标识选择指令，根据标识选择指令包含的标识信息确定目标文本框。

子步骤12，接收用户采用语音形式发出的针对所述标识信息的标识选择指令；

显示设备可以采用语音提示，或在显示界面展示文字提示的方式，主动提醒用户进一步选择标识信息。显示设备也可以仅展示标识信息，等待用户查看标识信息并对标识信息进行选择。用户在确定其所要操作的文本框所对应的标识信息之后，可以发出语音，显示设备可以通过语音识别将语音转换为文本，在文本与标识信息关联的情况下，可以确定接收到用户发出针对标识信息的标识选择指令。

子步骤13，确定所述标识选择指令对应的目标标识信息；

用户发出的标识选择指令中可以包含对于标识信息的描述，从而显示设备可以得知用户对标识信息的选择，确定标识选择指令对应的目标标识信息。

子步骤14，将所述目标标识信息对应的文本框作为目标文本框。

在确定目标标识信息之后，可以基于文本框与标识信息之间的对应关系，将目标标识信息对应的文本框作为目标文本框。从而在显示界面显示有多个文本框的情况下，通过展示标识信息的方式，可以准确地识别用户意图，确定用户需要操作的文本框。

所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

子步骤21，在所述文本框的数量大于一个，且所述文本框选择指令包含的提示文字与一文本框中的提示文字匹配的情况下，将所述显示界面当前显示的所述文本框中包含所述提示文字的文本框作为目标文本框。

一般来说，显示界面在展示有大于一个文本框的情况下，不同文本框的功能可以不同。例如，显示界面中可以同时展示有用于输入导航地址的文本框以及用于输入网址的文本框。此时，若文本框中展示有提示文字，不同功能的文本框中展示的提示文字可以不同。例如，用于输入导航地址的文本框的提示文字可以是“输入目的地”，用于输入网址的文本框的提示文字可以是“输入网址”。此时，若文本框选择指令包含文本框当前展示的提示文字，且提示文字只与一文本框中的提示文字匹配，则可以通过将显示界面当前显示的文本框中包含提示文字的文本框直接作为目标文本框，以快速确定用户需要操作的文本框。此时用户仅需要发出一次语音指令，即可以快速定位到用户需要操作的文本框，可以有效提高用户的操作效率。

在本发明的一种实施例中，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

子步骤31，在所述文本框的数量为一个的情况下，将所述文本框作为目标文本框。

在文本框的数量为一个的情况下，无论文本框选择指令包含的是针对文本框的预设语音文本，还是文本框当前展示的提示文字，都可以直接确定用户需要对显示界面当前唯一展示的文本框进行操作。此时可以无需进一步与用户确定其需要操作的文本框，而可以直接将显示界面当前展示的文本框作为目标文本框。

步骤205，提示用户针对所述目标文本框输入信息；

在确定用户当前需要输入文字的目标文本框之后，可以提示用户可以向文本框中输入文本信息。具体地，可以在目标文本框中展示一闪烁的光标，以提示用户目标文本框目前处于可输入文本的状态；也可以通过播放语音的方式，提示可以在目标文本框中输入文本；也可以通过振动方向盘、座椅等方式，提示用户选取文本框指令已经完成，等待继续执行后续文本输入步骤等，本发明对此不做限制。

步骤206，接收用户采用语音形式发出的文字输入指令；

用户可以采用语音形式说明其需要填入目标文本框中的文字。显示设备在接收到用户发出的语音之后，可以通过语音识别将语音转换为文本，并基于文本识别当前用户发出的语音是否为文字输入指令。若确定语音为文字输入指令，则此时显示设备接收到用户发出的文字输入指令。

文字输入指令可以包括用户需要填入目标文本框中的文字信息。例如，用户可以需要在导航应用的搜索框内输入目的地信息“花园广场”，其文字输入指令可以包含文字信息“花园广场”。文字输入指令也可以包括与需要填入目标文本框中的文字信息存在关联的其他信息。例如，用户可以需要在通话应用中输入电话号码，则文字输入指令可以包括电话号码对应的联系人信息。

文字输入指令还可以包括与输入文本操作关联的信息，例如，文字输入指令可以包含“输入”、“填写”、“录入”、“写入”等与输入文本操作关联的词语，可以将与输入文本操作关联词语作为预设的指令短语，在识别到语音中包含与输入文本操作关联的指令短语的情况下，即可以将该语音作为文字输入指令，从而可以确定接收到用户采用语音形式发出的文字输入指令。

步骤207，基于所述文字输入指令提取文字信息，填入所述目标文本框中。

显示设备在获取得到文字输入指令之后，可以进一步从文字输入指令中提取文字信息。具体而言，文字输入指令可以直接包含用户需要填入目标文本框的文字信息，可以包含与用户需要填入目标文本框的文字信息存在关联的其他信息。可以根据目标文本框的功能以及文字输入指令中所记载的信息，确定需要填写的文字信息，并填入目标文本框中。

具体而言，可以采用语音识别的方式，将用户发出文字输入指令转换为文本，并基于文本对文本输入指令进行分析。若文字输入指令中直接包含有用户需要填入目标文本框中的文字信息，则可以直接将文字输入指令中除指令短语之外的内容作为需要填入目标文本框中的信息。例如，若文字输入指令的内容为“输入花园广场”，则可以将指令短语“输入”之外的内容作为需要填入目标文本框中的内容。

此外，由于文本框可以具有不同的功能，例如，文本框可以专用于填写网址，也可以专用于填写电话号码，也可以专用于填写地址信息。在文字输入指令不满足目标文本框填写内容对应的特定格式的情况下，文字输入指令中包含的内容可能是与需要填入目标文本框中的文字信息存在关联的其他信息。例如，在文本框专用于填写网址的情况下，若文字输入指令中除指令短语包含的信息为“亿咖通”，由于其不符合网址的格式要求，可以认为其是与需要填入目标文本框中的文字信息存在关联的其他信息，可以分析与该信息关联的网址信息，并确定其需要输入的文字信息可以是亿咖通的网址“https://www.ecarxgroup.com/”。又例如，在文本框专用于填写电话号码的情况下，若文字输入指令中除文字输入指令中除指令短语包含的信息为张三，由于其不符合电话号码的格式要求，可以认为其其是与需要填入目标文本框中的文字信息存在关联的其他信息，可以分析与该信息关联的电话号码信息，并确定需要输入的文字信息是张三的电话号码。

在本发明的一种实施例中，所述方法还包括：

子步骤41，接收用户采用语音形式再次发出的文字输入指令；

具体而言，在用户认为其输入的文字存在错误，或者其需要更换输入的文字的情况下，可以希望重新向目标文本框输入文字信息。在此情况下，用户可以采用语音形式再次发出文字输入指令，从而显示设备可以接收到文字算数指令。

子步骤42，基于所述再次发出的文字输入指令提取文字更新信息，将所述目标文本框中的所述文本信息替换为所述文字更新信息。

在接收到再次发出的文字输入指令的情况下，可以认为用户需要在目标文本框中重新输入文字更新信息，在此情况下，可以从再次发出的文字输入指令中重新提取信息，并将提取得到的信息作为文字更新信息，将目标文本框中的文字信息替换为文字更新信息。由此，用户在输入错误或者需要更换输入文字的情况下，无需重新执行确定目标文本框的过程，而可以直接更换目标文本框中的内容，进一步提高了用户输入的效率。

在具体实现中，可以预设一时长，若用户在预设时长内再次发出的文字输入指令，则可以认为此时用户需要针对当前目标文本框重新输入文字。在用户上一次发出的指令为文字输入指令的情况下，若用户本次发出的指令还是文字输入指令，也可以将该文字输入指令作为用户针对当前目标输入框再次发出的文字输入指令。

在本发明的一种实施例中，所述方法还包括：

子步骤51，接收用户采用语音形式发出的文字更正指令；

语音识别可能存在一定的错误识别率导致输入目标文本框中的文字存在错误。用户也可能由于自身原因如发音不清楚，描述错误等原因，导致输入目标文本框中的文字存在错误。用户可以采用语音形式发出文字更正指令，从而显示设备可以接收到文字更正指令。

在具体实现中，可以预先设置文字更正指令的表达格式。例如，可以将文字更新指令的表达格式设置为“将A改为B”、“删除A，在B后插入C”等。在显示设备获取到用户发出的语音后，可以将用户发出的语音通过语音识别转换为文本，并识别文本是否可以与文字更新指令预先设置的表达格式匹配，若与文字更新指令预先设置的表达格式匹配，则可以认为用户发出的语音为文字更新指令。

子步骤52，基于所述文本更正指令，修改所述目标文本框填入的文字信息中至少一个字符。

在确定用户发出了文本更正指令之后，即可以从文本更正指令中提取需要被替换或者被删除的旧字符，并提取需要更新或者插入到目标文本框中的新字符。具体地，可以预先标记文字更新指令的表达格式中一特定位置的内容为需要被替换或者被删除的内容，以及标记另一特定位置的内容为需要更新或者插入到目标文本框中的内容。由此，可以基于预设的表达格式，从文本更正指令中的特定位置提取要被替换或者被删除的旧字符以及需要更新或者插入到目标文本框中的新字符。

其后，可以从目标文本框中将被替换或者被删除的旧字符删除，并将新字符添加到目标文本框中用户指定的位置，从而完成对文本的更正。由此，用户在更正文字的情况下，也无需重新执行确定目标文本框的过程，而可以直接更正目标文本框中的内容，进一步提高了用户输入的效率。

通过本发明实施例提供的语音输入方法，在所述显示界面展示有至少一个文本框的情况下，接收用户发出的语音；识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令；在所述文本框中，确定所述文本框选择指令对应的目标文本框；提示用户针对所述目标文本框输入信息；接收用户采用语音形式发出的文字输入指令；基于所述文字输入指令提取文字信息，填入所述目标文本框中。可以实现仅采用语音指令即可以在显示设备中流畅完成文本框中的文字输入，而无需用手进行操作，有效提高用户的操作效率。

作为本发明的一种具体示例，图3是本发明实施例中提供的一种语音输入方法的流程示意图，具体包括如下步骤：

S1、进入语音可见即可说流程，此时用户发出的语音可以用于对显示界面当前展示的内容进行操作；

S2、如当前显示界面包含文本框，判断文本框的数量是否为大于一个；若是，执行S6-S10，若否，执行S3-S5；

S3、判断文本框的内是否有提示文字，例如“搜索”、“输入网址”等。

S4、如果文本框内有提示文字如“搜索”、“输入网址”，且用户发出的语音包含该提示文字，则可以直接确定用户针对该文本框进行操作，并将该文本框确定为目标文本框，并执行步骤S11；

S5、如果文本框内没有提示文字，用户发出的语音包含文本框的默认名称如“文本框”、“输入框”等，则可以直接确定用户针对该文本框进行操作，并将该文本框确定为目标文本框，并执行步骤S11；

S6、判断文本框的内是否有提示文字，例如“搜索”、“输入网址”等。如果有提示文字，再判断各个文本框内的提示文字是否相同。

S7、如果文本框内有提示文字且各个文本框内的提示文字不相同，且用户发出的语音包含其中某一提示文字，则可以将该提示文字对应的文本框作为目标文本框，并执行步骤S11；

S8、如果文本框内没有提示文字，且用户发出的语音包含文本框的默认名称如“文本框”、“输入框”等。或者如果文本框内有提示文字且存在部分文本框的提示文字相同，用户发出的语音包含该存在相同的提示文字，执行步骤S9，

S9、如果文本框内没有提示文字，将所有文本框作为候选文本框；如果文本框内有提示文字且存在部分文本框的提示文字相同，将提示文字相同的文本框作为候选文本框，在候选文本框的边上弹出个小的数字标号1,2,3,4…,作为区分。

S10、语音发出标识选择指令：“第1个”或者“第X个”，将选中的标识对应的文本框作为目标文本框，执行步骤S11。

S11、在S4、S5、S7、S10步骤后，目标文本框内展示输入光标闪烁效果，以与手动点击文本框的效果保持一致。

S12、当目标文本框出现输入光标闪烁后，语音发出文字输入指令，其中，文字输入指令包括指令短语，例如“输入”，再加上文字内容，文字输入指令整体格式为“输入XXX”。

S13、文本框内自动写入文字“XXX”。

S14、文字写入后，如果不需要修改，则执行S17。如果需要修改，执行S15或者S16。

S15、如果想重新写入新的内容，接收用户重新发出的文字输入指令“输入YYY”，将文本框写入内容更改为“YYY”，然后执行S17。

S16、如果只想换掉原内容的个别字符，接收用户发出的文字更正指令：“X字改成Y字”，然后执行S17；其中，如果有相同字符时，可说“第N个X字改成Y字”，N为数字。

S17、整个文本框语音输入的流程结束，回到语音可见即可说的正常流程继续执行，即根据用户发出的语音，对显示界面中相应的元素执行点击操作。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图4，示出了本发明实施例中提供的一种语音输入装置的结构框图，其应用于显示设备，所述显示设备中显示屏展示有显示界面，具体可以包括如下模块：

文本框选择模块401，用于在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

目标文本框确定模块402，用于在所述文本框中，确定所述文本框选择指令对应的目标文本框；

提示模块403，用于提示用户针对所述目标文本框输入信息；

输入接收模块404，用于接收用户采用语音形式发出的文字输入指令；

文字填入模块405，用于基于所述文字输入指令提取文字信息，填入所述目标文本框中。

可选地，所述文本框选择模块包括：

语音接收子模块，用于接收用户发出的语音；

语音识别子模块，用于识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；

文本框选择子模块，用于若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令。

可选地，所述目标文本框确定模块包括：

标识展示子模块，用于在所述文本框的数量大于一个的情况下，若所述文本框选择指令包含针对文本框的预设语音文本，或者所述文本框选择指令包含的提示文字与大于一个文本框中的提示文字匹配，在所述显示界面中展示所述文本框各自对应的标识信息；

标识选择子模块，用于接收用户采用语音形式发出的针对所述标识信息的标识选择指令；

目标标识确定子模块，用于确定所述标识选择指令对应的目标标识信息；

第一目标文本框确定子模块，用于将所述目标标识信息对应的文本框作为目标文本框。

可选地，所述目标文本框确定模块包括：

第二目标文本框确定子模块，用于在所述文本框的数量大于一个，且所述文本框选择指令包含的提示文字与一文本框中的提示文字匹配的情况下，将所述显示界面当前显示的所述文本框中包含所述提示文字的文本框作为目标文本框。

可选地，所述目标文本框确定模块包括：

第三目标文本框确定子模块，用于在所述文本框的数量为一个的情况下，将所述文本框作为目标文本框。

可选地，所述装置还包括：

文字再输入模块，用于接收用户采用语音形式再次发出的文字输入指令；

文字更新模块，用于基于所述再次发出的文字输入指令提取文字更新信息，将所述目标文本框中的所述文本信息替换为所述文字更新信息。

可选地，所述装置还包括：

更正指令接收模块，用于接收用户采用语音形式发出的文字更正指令；

文本更正模块，用于基于所述文本更正指令，修改所述目标文本框填入的文字信息中至少一个字符。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

另外，本发明实施例还提供一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：

在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

在所述文本框中，确定所述文本框选择指令对应的目标文本框；

提示用户针对所述目标文本框输入信息；

接收用户采用语音形式发出的文字输入指令；

基于所述文字输入指令提取文字信息，填入所述目标文本框中。

可选地，所述接收用户采用语音形式发出的文本框选择指令的步骤，包括：

接收用户发出的语音；

识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；

若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令。

可选地，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量大于一个的情况下，若所述文本框选择指令包含针对文本框的预设语音文本，或者所述文本框选择指令包含的提示文字与大于一个文本框中的提示文字匹配，在所述显示界面中展示所述文本框各自对应的标识信息；

接收用户采用语音形式发出的针对所述标识信息的标识选择指令；

确定所述标识选择指令对应的目标标识信息；

将所述目标标识信息对应的文本框作为目标文本框。

可选地，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量大于一个，且所述文本框选择指令包含的提示文字与一文本框中的提示文字匹配的情况下，将所述显示界面当前显示的所述文本框中包含所述提示文字的文本框作为目标文本框。

可选地，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量为一个的情况下，将所述文本框作为目标文本框。

可选地，所述方法还包括：

接收用户采用语音形式再次发出的文字输入指令；

基于所述再次发出的文字输入指令提取文字更新信息，将所述目标文本框中的所述文本信息替换为所述文字更新信息。

可选地，所述方法还包括：

接收用户采用语音形式发出的文字更正指令；

基于所述文本更正指令，修改所述目标文本框填入的文字信息中至少一个字符。

上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述终端与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

如图6所示，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质601，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中所述的语音输入方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的语音输入方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种语音输入方法，其特征在于，其应用于显示设备，所述显示设备的显示屏展示有显示界面，所述方法包括：

在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

在所述文本框中，确定所述文本框选择指令对应的目标文本框；

提示用户针对所述目标文本框输入信息；

接收用户采用语音形式发出的文字输入指令；

基于所述文字输入指令提取文字信息，填入所述目标文本框中。

2.根据权利要求1所述的方法，其特征在于，所述接收用户采用语音形式发出的文本框选择指令的步骤，包括：

接收用户发出的语音；

识别所述语音是否包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字；

若所述语音包含针对文本框的预设语音文本，或者包含所述文本框当前展示的提示文字，确定接收到用户发出的文本框选择指令。

3.根据权利要求2所述的方法，其特征在于，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量大于一个的情况下，若所述文本框选择指令包含针对文本框的预设语音文本，或者所述文本框选择指令包含的提示文字与大于一个文本框中的提示文字匹配，在所述显示界面中展示所述文本框各自对应的标识信息；

接收用户采用语音形式发出的针对所述标识信息的标识选择指令；

确定所述标识选择指令对应的目标标识信息；

将所述目标标识信息对应的文本框作为目标文本框。

4.根据权利要求2所述的方法，其特征在于，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量大于一个，且所述文本框选择指令包含的提示文字与一文本框中的提示文字匹配的情况下，将所述显示界面当前显示的所述文本框中包含所述提示文字的文本框作为目标文本框。

5.根据权利要求1所述的方法，其特征在于，所述在所述文本框中，确定所述文本框选择指令对应的目标文本框的步骤，包括：

在所述文本框的数量为一个的情况下，将所述文本框作为目标文本框。

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：

接收用户采用语音形式再次发出的文字输入指令；

基于所述再次发出的文字输入指令提取文字更新信息，将所述目标文本框中的所述文本信息替换为所述文字更新信息。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收用户采用语音形式发出的文字更正指令；

基于所述文本更正指令，修改所述目标文本框填入的文字信息中至少一个字符。

8.一种语音输入装置，其特征在于，其应用于显示设备，所述显示设备中显示屏展示有显示界面，所述装置包括：

文本框选择模块，用于在所述显示界面展示有至少一个文本框的情况下，接收用户采用语音形式发出的文本框选择指令；

目标文本框确定模块，用于在所述文本框中，确定所述文本框选择指令对应的目标文本框；

提示模块，用于提示用户针对所述目标文本框输入信息；

输入接收模块，用于接收用户采用语音形式发出的文字输入指令；

文字填入模块，用于基于所述文字输入指令提取文字信息，填入所述目标文本框中。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行存储器上所存放的程序时，实现如权利要求1-7任一项所述的方法。

10.一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的方法。