[發明專利]用于輸出信息的方法和裝置

在審

• 申請號: 201810587827.5
• 申請日: 2018-06-08
• 公開（公告）號: CN108737872A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 侯在鵬;欒舒涵
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: H04N21/422
• 分類號: H04N21/422;H04N21/439;H04N21/4415;G10L17/02;G10L17/22
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于輸出信息的方法，包括：

響應于接收到用戶輸入的語音，基于所述語音生成聲紋特征向量；

將所述聲紋特征向量輸入聲紋識別模型，得到所述用戶的身份信息；

從預設的多媒體文件集合中選擇預定數目個與所得到的用戶的身份信息匹配的多媒體文件作為目標多媒體文件；

根據所述目標多媒體文件生成預覽信息進行輸出。

2.根據權利要求1所述的方法，其中，所述基于所述語音生成聲紋特征向量，包括：

將所述語音導入預先訓練的全局背景模型中進行映射得到聲紋特征超向量，其中，所述全局背景模型用于表征語音與聲紋特征超向量之間的對應關系；

將所述聲紋特征超向量經過降維處理得到聲紋特征向量。

3.根據權利要求1所述的方法，其中，所述方法還包括：

響應于確定出所述語音包括操作指令，執行所述操作指令，其中，所述操作指令包括以下至少一項：頻道選擇、音量控制、圖像參數調整、多媒體文件檢索、多媒體文件播放。

4.根據權利要求3所述的方法，其中，所述方法還包括：

對于用于多媒體文件檢索的操作指令所涉及的至少一個多媒體文件中的多媒體文件，累加檢索該多媒體文件的次數作為該多媒體文件對應的檢索次數；以及

所述從預設的多媒體文件集合中選擇預定數目個與所得到的用戶的身份信息匹配的多媒體文件作為目標多媒體文件，包括：

按照檢索次數由大到小的順序從預設的多媒體文件集合中選擇預定數目個與所得到的用戶的身份信息匹配的多媒體文件作為目標多媒體文件。

5.根據權利要求3所述的方法，其中，所述方法還包括：

對于用于多媒體文件播放的操作指令所涉及的至少一個多媒體文件中的多媒體文件，累加播放該多媒體文件的次數作為該多媒體文件對應的播放次數；以及

所述從預設的多媒體文件集合中選擇預定數目個與所述用戶的身份信息匹配的多媒體文件作為目標多媒體文件，包括：

按照播放次數由大到小的順序從預設的多媒體文件集合中選擇預定數目個與所述用戶的身份信息匹配的多媒體文件作為目標多媒體文件。

6.根據權利要求1所述的方法，其中，所述用戶的身份信息包括以下至少一項：性別、年齡、家庭成員標識。

7.根據權利要求1-6之一所述的方法，其中，所述方法還包括：

從預設的音色信息集合中選擇與所述用戶的身份信息匹配的音色信息；

使用所選擇的音色信息所指示的音色輸出語音交互信息以與所述用戶進行語音交互。

8.根據權利要求1-6之一所述的方法，其中，所述聲紋識別模型是預先訓練的、用于表征聲紋特征向量和用戶的身份信息之間的對應關系的模型。

9.一種用于輸出信息的裝置，包括：

生成單元，被配置成響應于接收到用戶輸入的語音，基于所述語音生成聲紋特征向量；

識別單元，被配置成將所述聲紋特征向量輸入聲紋識別模型，得到所述用戶的身份信息；

選項單元，被配置成從預設的多媒體文件集合中選擇預定數目個與所得到的用戶的身份信息匹配的多媒體文件作為目標多媒體文件；

輸出單元，被配置成根據所述目標多媒體文件生成預覽信息進行輸出。

10.根據權利要求9所述的裝置，其中，所述生成單元進一步被配置成：

將所述語音導入預先訓練的全局背景模型中進行映射得到聲紋特征超向量，其中，所述全局背景模型用于表征語音與聲紋特征超向量之間的對應關系；

將所述聲紋特征超向量經過降維處理得到聲紋特征向量。

11.根據權利要求9所述的裝置，其中，所述裝置還包括執行單元，被配置成：

響應于確定出所述語音包括操作指令，執行所述操作指令，其中，所述操作指令包括以下至少一項：頻道選擇、音量控制、圖像參數調整、多媒體文件檢索、多媒體文件播放。