[發(fā)明專利]一種機(jī)器人及其語音識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710208533.2
• 申請(qǐng)日: 2017-03-31
• 公開（公告）號(hào): CN106847285B
• 公開（公告）日: 2020-05-05
• 發(fā)明（設(shè)計(jì)）人: 黃俊;劉英杰
• 申請(qǐng)（專利權(quán)）人: 上海思依暄機(jī)器人科技股份有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/26;G10L15/18
• 代理公司: 北京信遠(yuǎn)達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11304
• 代理人: 魏曉波

本發(fā)明提供一種機(jī)器人及其語音識(shí)別方法，在執(zhí)行語音識(shí)別或者語言合成的語音處理操作的同時(shí)，實(shí)時(shí)監(jiān)測(cè)外界信息，以確定外界信息中是否存在喚醒信息；并在外界信息中存在喚醒信息的情況下，根據(jù)喚醒信息與控制指令之間的預(yù)設(shè)對(duì)應(yīng)關(guān)系，查找到與喚醒信息相對(duì)應(yīng)的控制指令；然后響應(yīng)控制指令，對(duì)用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別；也即，當(dāng)機(jī)器人正在進(jìn)行語音識(shí)別或者語言合成時(shí)，一旦監(jiān)測(cè)到外界信息中存在喚醒信息，即對(duì)用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別，進(jìn)而對(duì)于用戶輸入的語音實(shí)現(xiàn)連續(xù)識(shí)別，確保能夠接收到用戶最新發(fā)出的語音命令或者語音詢問。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器人技術(shù)領(lǐng)域，尤其涉及一種機(jī)器人及其語音識(shí)別方法。

背景技術(shù)

語音識(shí)別技術(shù)是先將一段錄音轉(zhuǎn)換為文字，再對(duì)轉(zhuǎn)換成的文字進(jìn)行語義分析，通過語義分析生成語義答案，進(jìn)而實(shí)現(xiàn)對(duì)于語音的識(shí)別。

隨著科學(xué)技術(shù)的發(fā)展，人們的生活越來越智能化，機(jī)器人技術(shù)的應(yīng)用也越來越廣泛。當(dāng)前的機(jī)器人普遍應(yīng)用語音識(shí)別技術(shù)對(duì)接收的語音信息進(jìn)行轉(zhuǎn)換、分析，在得到語義答案后，即可執(zhí)行相應(yīng)的任務(wù)或者通過語言合成進(jìn)行語言答復(fù)。

但是當(dāng)前的機(jī)器人，在進(jìn)行語音識(shí)別或者語言合成的期間，若用戶再發(fā)出語音命令或者語音詢問，機(jī)器人將會(huì)保持當(dāng)前操作，而無法進(jìn)行連續(xù)語音識(shí)別，進(jìn)而錯(cuò)過用戶當(dāng)前的語音命令或者語音詢問。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種機(jī)器人及其語音識(shí)別方法，以解決現(xiàn)有技術(shù)中的機(jī)器人無法進(jìn)行連續(xù)語音識(shí)別的問題。

為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┑募夹g(shù)方案如下：

一種機(jī)器人的語音識(shí)別方法，所述方法包括：

在執(zhí)行語音處理操作的同時(shí)，實(shí)時(shí)監(jiān)測(cè)外界信息；所述語音處理操作為：語音識(shí)別或者語言合成；

在所述外界信息中存在喚醒信息的情況下，根據(jù)所述喚醒信息與控制指令之間的預(yù)設(shè)對(duì)應(yīng)關(guān)系，查找到與所述喚醒信息相對(duì)應(yīng)的控制指令；所述控制指令至少包括對(duì)用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別；

響應(yīng)所述控制指令。

優(yōu)選的，所述實(shí)時(shí)監(jiān)測(cè)外界信息包括：實(shí)時(shí)監(jiān)聽外界環(huán)境中的語音信息；所述喚醒信息為：喚醒詞；

或者，所述實(shí)時(shí)監(jiān)測(cè)外界信息包括：實(shí)時(shí)采集外界環(huán)境中的圖像信息；所述喚醒信息為：喚醒手勢(shì)。

優(yōu)選的，所述控制指令，包括：

中斷所述語音處理操作，對(duì)所述用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別；

或者，維持所述語音處理操作，同時(shí)對(duì)所述用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別。

優(yōu)選的，所述對(duì)所述用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別，包括：

采集用戶當(dāng)前輸入的語音并生成錄音；

將所述錄音轉(zhuǎn)換為文字；

對(duì)所述文字進(jìn)行語義分析，得到語義答案。

優(yōu)選的，所述采集用戶當(dāng)前輸入的語音并生成錄音，包括：

采集用戶當(dāng)前輸入的語音并進(jìn)行錄制；

在采集完上一段語音之后的預(yù)設(shè)靜音段時(shí)長內(nèi)，若未再采集到語音，則完成錄制，生成所述錄音。

一種機(jī)器人，包括處理器，所述處理器包括：

監(jiān)測(cè)模塊，用于在執(zhí)行語音處理操作的同時(shí)，實(shí)時(shí)監(jiān)測(cè)外界信息；所述語音處理操作為：語音識(shí)別或者語言合成；

查找模塊，用于在所述外界信息中存在喚醒信息的情況下，根據(jù)所述喚醒信息與控制指令之間的預(yù)設(shè)對(duì)應(yīng)關(guān)系，查找到與所述喚醒信息相對(duì)應(yīng)的控制指令；所述控制指令至少包括對(duì)用戶當(dāng)前輸入的語音進(jìn)行語音識(shí)別；