[發明專利]語音控制方法及裝置、存儲介質、電子設備

有效

• 申請號: 201810163645.5
• 申請日: 2018-02-27
• 公開（公告）號: CN108538300B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 舒翔
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/26;G10L15/22;G06F3/16;G06K9/32;G06K9/62
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 王立民

1.一種語音控制方法，其特征在于，所述方法包括：

獲取當前頁面的頁面圖像，識別所述頁面圖像中包含的文字；

將連續排列的文字確定為一個文字單元，并確定出所述文字單元所在顯示區域；

獲取所述當前頁面中可操作元素所在顯示區域，與所述文字單元所在顯示區域相匹配，確定出可操作元素對應的文字單元；

將所述可操作元素對應的文字單元上傳至語音服務器保存；

獲取用戶輸入的語音數據，并將所述語音數據轉發至所述語音服務器進行語音識別，所述語音服務器用于根據上傳的所述文字單元，確定出所述語音數據對應的待操作文字單元；

接收所述語音服務器發送的所述待操作文字單元，對所述待操作文字單元對應的可操作元素執行操作。

2.根據權利要求1所述的方法，其特征在于，所述獲取當前頁面的頁面圖像，包括：

從智能設備的硬件顯示緩沖區獲取所述頁面圖像；或者，

接收智能設備的顯示系統發送的所述頁面圖像；或者，

通過截屏方式獲取所述頁面圖像。

3.根據權利要求1所述的方法，其特征在于，所述將連續排列的文字確定為一個文字單元，包括：

判斷相鄰文字單元之間的間距是否超過預設距離；

如果相鄰文字單元之間的間距未超過預設距離，則將所述相鄰文字單元合并為一個文字單元。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述將連續排列的文字確定為一個文字單元之后，所述方法還包括：

對所述文字單元進行預處理，得到處理后的文字單元，所述預處理包括：

基于預設的指定文字，篩除所述文字單元中的提示性文字；和/或，

基于預設的詞性組合，篩除所述文字單元中無意義的文字，所述詞性組合中至少包括名詞；和/或，

基于預設的詞綴，與所述文字單元中的文字進行組合處理。

5.一種語音控制裝置，其特征在于，所述裝置包括：

頁面圖像獲取模塊，用于獲取當前頁面的頁面圖像，識別所述頁面圖像中包含的文字；

文字單元確定模塊，用于將連續排列的文字確定為一個文字單元，并確定出所述文字單元所在顯示區域；

顯示區域匹配模塊，用于獲取所述當前頁面中可操作元素所在顯示區域，與所述文字單元所在顯示區域相匹配，確定出可操作元素對應的文字單元；

文字單元上傳模塊，用于將所述可操作元素對應的文字單元上傳至語音服務器保存；

語音數據轉發模塊，用于獲取用戶輸入的語音數據，并將所述語音數據轉發至所述語音服務器進行語音識別，所述語音服務器用于根據上傳的所述文字單元，確定出所述語音數據對應的待操作文字單元；

文字單元接收模塊，用于接收所述語音服務器發送的所述待操作文字單元，對所述待操作文字單元對應的可操作元素執行操作。

6.根據權利要求5所述的裝置，其特征在于，

所述頁面圖像獲取模塊，用于從智能設備的硬件顯示緩沖區獲取所述頁面圖像；或者，接收智能設備的顯示系統發送的所述頁面圖像；或者，通過截屏方式獲取所述頁面圖像。

7.根據權利要求5所述的裝置，其特征在于，

所述文字單元確定模塊，用于將連續排列的文字確定為一個文字單元；判斷相鄰文字單元之間的間距是否超過預設距離；如果相鄰文字單元之間的間距未超過預設距離，則將所述相鄰文字單元合并為一個文字單元。

8.根據權利要求5至7任一項所述的裝置，其特征在于，所述裝置還包括：

文字單元預處理模塊，用于對所述文字單元確定模塊確定出的文字單元進行預處理，得到處理后的文字單元，所述預處理包括：

基于預設的指定文字，篩除所述文字單元中的提示性文字；和/或，

基于預設的詞性組合，篩除所述文字單元中無意義的文字，所述詞性組合中至少包括名詞；和/或，

基于預設的詞綴，與所述文字單元中的文字進行組合處理。