[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

本公開提供一種語音控制方法及裝置、存儲介質、電子設備。該方法包括：獲取當前頁面的頁面圖像，識別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，并確定出文字單元所在顯示區域；獲取當前頁面中可操作元素所在顯示區域，與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，并將語音數據轉發至語音服務器進行語音識別，語音服務器用于根據上傳的文字單元，確定出語音數據對應的待操作文字單元；接收語音服務器發送的待操作文字單元，對待操作文字單元對應的可操作元素執行操作。如此方案，有助于提高語音控制效果。

技術領域

本公開涉及智能控制技術領域，具體地，涉及一種語音控制方法及裝置、存儲介質、電子設備。

背景技術

隨著智能技術的不斷發展，智能設備在日常生活中也越來越普及，尤其是智能家居中各種智能設備的出現，大大的提高了家庭生活的便利性。

在實際應用過程中，用戶可以通過語音遙控器，控制智能設備執行相關操作。對于具有顯示屏幕的智能設備來說，一個重要的功能就是“所見即所說”，也就是說，對于顯示屏幕上展示的文字，用戶可以直接以語音輸入的方式，直接說出屏幕上展示的文字，以此控制智能設備執行相關操作。以智能電視機為例，用戶可以說出屏幕上的文字，觸發電視機播放這個文字對應的節目；以智能空調為例，用戶可以說出屏幕上的文字，觸發空調執行這個文字對應的動作，例如調整室溫等。

通常，在進行語音控制之前，智能設備需要預先將頁面包括的文字上傳給語音服務器，由語音服務器處理并保存，這樣，當用戶喊出對應的文字時，語音服務器可以進行語音識別，將識別出的文字發送給智能設備，由智能設備對文字對應的界面元素執行相關操作。需要說明的是，目前的文字上傳過程，主要是由頁面開發商實現，具體地，智能設備先對接語音服務器提供的統一接口，然后將各頁面包含的文字上傳到語音服務器。

結合實際應用效果來看，目前的語音控制效果不理想，存在語音識別失敗的情況，影響了用戶體驗。

發明內容

本公開的主要目的是提供一種語音控制方法及裝置、存儲介質、電子設備，有助于提高語音控制效果。

為了實現上述目的，本公開提供一種語音控制方法，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。

可選地，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。

可選地，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。