[發(fā)明專利]一種語(yǔ)音點(diǎn)讀方法、裝置、設(shè)備和可讀介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910054309.1
• 申請(qǐng)日: 2019-01-21
• 公開(kāi)（公告）號(hào): CN111461095A
• 公開(kāi)（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 北京字節(jié)跳動(dòng)網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/34;G10L15/22;G10L15/26
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本公開(kāi)實(shí)施例公開(kāi)了一種語(yǔ)音點(diǎn)讀方法、裝置、設(shè)備和可讀介質(zhì)。其中，該方法包括：如果檢測(cè)到用戶指向當(dāng)前待點(diǎn)讀資料的操作，且，獲取到用戶的點(diǎn)讀語(yǔ)音指令，則獲取當(dāng)前待點(diǎn)讀資料的圖像；根據(jù)所述操作和所述點(diǎn)讀語(yǔ)音指令，識(shí)別當(dāng)前待點(diǎn)讀資料的圖像中被指向區(qū)域的內(nèi)容；根據(jù)所述點(diǎn)讀語(yǔ)音指令，語(yǔ)音播報(bào)識(shí)別內(nèi)容的點(diǎn)讀結(jié)果。本公開(kāi)實(shí)施例提供的技術(shù)方案，提高了點(diǎn)讀的便利性和實(shí)時(shí)性，通過(guò)用戶手指的直接操作實(shí)現(xiàn)點(diǎn)讀，而無(wú)需通過(guò)專門配置的點(diǎn)讀筆輔助實(shí)現(xiàn)對(duì)應(yīng)的點(diǎn)讀功能，提高了點(diǎn)讀內(nèi)容識(shí)別的準(zhǔn)確性，增強(qiáng)了用戶的使用體驗(yàn)。

技術(shù)領(lǐng)域

本公開(kāi)實(shí)施例涉及計(jì)算機(jī)處理技術(shù)，尤其涉及一種語(yǔ)音點(diǎn)讀方法、裝置、設(shè)備和可讀介質(zhì)。

背景技術(shù)

在現(xiàn)有的點(diǎn)讀設(shè)備中，為了滿足點(diǎn)讀的多樣化需求，一般會(huì)為點(diǎn)讀設(shè)備配置一個(gè)專用的點(diǎn)讀筆，通過(guò)該點(diǎn)讀筆點(diǎn)擊書(shū)本上的相應(yīng)位置，從而獲取該位置的文字信息進(jìn)行識(shí)別，如將點(diǎn)讀筆按壓于書(shū)本中的某一位置，根據(jù)該按壓操作獲取該位置點(diǎn)的坐標(biāo)，從而將該位置點(diǎn)上的文字信息進(jìn)行輸出。

此時(shí)要求用戶隨身攜帶配置的點(diǎn)讀筆，才能實(shí)現(xiàn)書(shū)本上的文字信息交互，在點(diǎn)讀筆丟失時(shí)，無(wú)法使用該點(diǎn)讀設(shè)備來(lái)識(shí)別書(shū)本中的資料信息，存在一定的點(diǎn)讀局限性。

發(fā)明內(nèi)容

有鑒于此，本公開(kāi)實(shí)施例提供了一種語(yǔ)音點(diǎn)讀方法、裝置、設(shè)備和可讀介質(zhì)，解決了現(xiàn)有技術(shù)中必須通過(guò)點(diǎn)讀筆點(diǎn)讀資料的問(wèn)題，降低了信息點(diǎn)讀的局限性，提高了點(diǎn)讀的便利性。

第一方面，本公開(kāi)實(shí)施例提供了一種語(yǔ)音點(diǎn)讀方法，該方法包括：

如果檢測(cè)到用戶指向當(dāng)前待點(diǎn)讀資料的操作，且，獲取到用戶的點(diǎn)讀語(yǔ)音指令，則獲取當(dāng)前待點(diǎn)讀資料的圖像；

根據(jù)所述操作和所述點(diǎn)讀語(yǔ)音指令，識(shí)別當(dāng)前待點(diǎn)讀資料的圖像中被指向區(qū)域的內(nèi)容；

根據(jù)所述點(diǎn)讀語(yǔ)音指令，語(yǔ)音播報(bào)識(shí)別內(nèi)容的點(diǎn)讀結(jié)果。

進(jìn)一步的，根據(jù)所述操作和所述點(diǎn)讀語(yǔ)音指令，識(shí)別當(dāng)前待點(diǎn)讀資料的圖像中被指向區(qū)域的內(nèi)容，包括：

根據(jù)所述操作獲取當(dāng)前待點(diǎn)讀資料的圖像中用戶手指的關(guān)鍵特征點(diǎn)；

根據(jù)所述點(diǎn)讀語(yǔ)音指令和所述關(guān)鍵特征點(diǎn)確定對(duì)應(yīng)的被指向區(qū)域；

識(shí)別所述被指向區(qū)域的內(nèi)容。

進(jìn)一步的，所述識(shí)別所述被指向區(qū)域的內(nèi)容，包括：

采用光學(xué)字符識(shí)別算法識(shí)別所述被指向區(qū)域的文字信息。

進(jìn)一步的，根據(jù)所述點(diǎn)讀語(yǔ)音指令，語(yǔ)音播報(bào)識(shí)別內(nèi)容的點(diǎn)讀結(jié)果，包括：

采用自然語(yǔ)言處理算法識(shí)別所述點(diǎn)讀語(yǔ)音指令，得到指令關(guān)鍵詞；

根據(jù)所述指令關(guān)鍵詞確定識(shí)別的被指向區(qū)域內(nèi)容的點(diǎn)讀結(jié)果；

語(yǔ)音播報(bào)所述點(diǎn)讀結(jié)果。

進(jìn)一步的，所述語(yǔ)音播報(bào)所述點(diǎn)讀結(jié)果，包括：

將所述點(diǎn)讀結(jié)果轉(zhuǎn)換為語(yǔ)音信號(hào)，通過(guò)屏幕上的3D人偶進(jìn)行語(yǔ)音播報(bào)。

進(jìn)一步的，所述語(yǔ)音點(diǎn)讀方法，該包括：

如果獲取到用戶的語(yǔ)音交互請(qǐng)求，則根據(jù)所述語(yǔ)音交互請(qǐng)求確定對(duì)應(yīng)的交互信息；

通過(guò)所述3D人偶語(yǔ)音播報(bào)所述交互信息。

第二方面，本公開(kāi)實(shí)施例提供了一種語(yǔ)音點(diǎn)讀裝置，該裝置包括：

圖像獲取模塊，用于如果檢測(cè)到用戶指向當(dāng)前待點(diǎn)讀資料的操作，且，獲取到用戶的點(diǎn)讀語(yǔ)音指令，則獲取當(dāng)前待點(diǎn)讀資料的圖像；

內(nèi)容識(shí)別模塊，用于根據(jù)所述操作和所述點(diǎn)讀語(yǔ)音指令，識(shí)別當(dāng)前待點(diǎn)讀資料的圖像中被指向區(qū)域的內(nèi)容；