[發(fā)明專(zhuān)利]語(yǔ)音識(shí)別控制方法、裝置、電子設(shè)備和可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910933124.8
• 申請(qǐng)日: 2019-09-29
• 公開(kāi)（公告）號(hào): CN112669831B
• 公開(kāi)（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 羅詠曦;王莎莎
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線(xiàn)網(wǎng)絡(luò)技術(shù)（北京）有限公司;上海小度技術(shù)有限公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L15/28
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 王艷斌

1.一種語(yǔ)音識(shí)別控制方法，其特征在于，包括：

探測(cè)到調(diào)用目標(biāo)場(chǎng)景相關(guān)的應(yīng)用程序接口，則查詢(xún)第一工作狀態(tài)的配置信息，以確定所述目標(biāo)場(chǎng)景是否適用第一工作狀態(tài)；所述配置信息中包括適用所述第一工作狀態(tài)的場(chǎng)景列表，所述場(chǎng)景列表是響應(yīng)于用戶(hù)的選擇操作生成的；

若所述目標(biāo)場(chǎng)景適用所述第一工作狀態(tài)，將執(zhí)行的第二工作狀態(tài)切換為所述第一工作狀態(tài)；

其中，在所述第二工作狀態(tài)下，根據(jù)喚醒詞采集音頻片段，對(duì)所述音頻片段語(yǔ)音識(shí)別；

在所述第一工作狀態(tài)下，連續(xù)采集音頻得到音頻流，以對(duì)所述音頻流語(yǔ)音識(shí)別；

所述將執(zhí)行的第二工作狀態(tài)切換為所述第一工作狀態(tài)之前，還包括：

在所述第二工作狀態(tài)下，獲取到對(duì)所述音頻片段語(yǔ)音識(shí)別得到的第一控制意圖；

確定所述第一控制意圖與所述目標(biāo)場(chǎng)景匹配。

2.根據(jù)權(quán)利要求1所述的語(yǔ)音識(shí)別控制方法，其特征在于，所述連續(xù)采集音頻得到音頻流，以對(duì)所述音頻流語(yǔ)音識(shí)別之后，還包括：

獲取信息流；其中，所述信息流，是對(duì)所述音頻流進(jìn)行語(yǔ)音識(shí)別得到的；

從所述信息流中獲取各候選意圖；

從各候選意圖中，篩選與所述目標(biāo)場(chǎng)景的控制意圖匹配的第二控制意圖；

若篩選得到所述第二控制意圖，執(zhí)行與所述第二控制意圖對(duì)應(yīng)的控制指令。

3.根據(jù)權(quán)利要求2所述的語(yǔ)音識(shí)別控制方法，其特征在于，所述從各候選意圖中，篩選與所述目標(biāo)場(chǎng)景的控制意圖匹配的第二控制意圖之后，還包括：

若在設(shè)定時(shí)長(zhǎng)內(nèi)，未得到所述第二控制意圖，退出所述第一工作狀態(tài)；

其中，所述設(shè)定時(shí)長(zhǎng)的取值范圍為20秒至40秒。

4.根據(jù)權(quán)利要求2所述的語(yǔ)音識(shí)別控制方法，其特征在于，所述從所述信息流中獲取各候選意圖之后，還包括：

拒絕響應(yīng)與所述目標(biāo)場(chǎng)景的控制意圖不匹配的候選意圖。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的語(yǔ)音識(shí)別控制方法，其特征在于，所述場(chǎng)景列表是響應(yīng)于用戶(hù)選擇操作，從音樂(lè)場(chǎng)景、有聲讀物場(chǎng)景和視頻場(chǎng)景中選擇生成的。

6.一種語(yǔ)音識(shí)別控制 裝置，其特征在于，所述裝置包括：

查詢(xún)模塊，用于探測(cè)到調(diào)用目標(biāo)場(chǎng)景相關(guān)的應(yīng)用程序接口，則查詢(xún)第一工作狀態(tài)的配置信息，以確定所述目標(biāo)場(chǎng)景是否適用第一工作狀態(tài)；所述配置信息中包括適用所述第一工作狀態(tài)的場(chǎng)景列表，所述場(chǎng)景列表是響應(yīng)于用戶(hù)的選擇操作生成的；

切換模塊，用于若所述目標(biāo)場(chǎng)景適用所述第一工作狀態(tài)，將執(zhí)行的第二工作狀態(tài)切換為所述第一工作狀態(tài)；其中，在所述第二工作狀態(tài)下，根據(jù)喚醒詞采集音頻片段，對(duì)所述音頻片段語(yǔ)音識(shí)別；

識(shí)別模塊，用于在所述第一工作狀態(tài)下，連續(xù)采集音頻得到音頻流，以對(duì)所述音頻流語(yǔ)音識(shí)別；

第一獲取模塊，用于在所述將執(zhí)行的第二工作狀態(tài)切換為所述第一工作狀態(tài)之前，在所述第二工作狀態(tài)下，獲取到對(duì)所述音頻片段語(yǔ)音識(shí)別得到的第一控制意圖；

確定模塊，用于確定所述第一獲取模塊獲取的所述第一控制意圖與所述目標(biāo)場(chǎng)景匹配。

7.根據(jù)權(quán)利要求6所述的語(yǔ)音識(shí)別控制裝置，其特征在于，所述裝置還包括：

第二獲取模塊，用于獲取信息流；其中，所述信息流，是對(duì)所述音頻流進(jìn)行語(yǔ)音識(shí)別得到的；并從所述信息流中獲取各候選意圖；

篩選模塊，用于從各候選意圖中，篩選與所述目標(biāo)場(chǎng)景的控制意圖匹配的第二控制意圖；

執(zhí)行模塊，用于若篩選得到所述第二控制意圖，執(zhí)行與所述第二控制意圖對(duì)應(yīng)的控制指令。

8.根據(jù)權(quán)利要求7所述的語(yǔ)音識(shí)別控制裝置，其特征在于，所述裝置還包括：

退出模塊，用于若在設(shè)定時(shí)長(zhǎng)內(nèi)，未得到所述第二控制意圖，退出所述第一工作狀態(tài)；

其中，所述設(shè)定時(shí)長(zhǎng)的取值范圍為20秒至40秒。

9.根據(jù)權(quán)利要求7所述的語(yǔ)音識(shí)別控制裝置，其特征在于，所述裝置還包括：

拒絕模塊，用于拒絕響應(yīng)與所述目標(biāo)場(chǎng)景的控制意圖不匹配的候選意圖。