[發(fā)明專利]語音交互方法、裝置、計(jì)算機(jī)可讀存儲介質(zhì)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202011215655.2
• 申請日: 2020-11-04
• 公開（公告）號: CN112397065A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計(jì)）人: 朱長寶
• 申請（專利權(quán)）人: 深圳地平線機(jī)器人科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L15/25;G10L15/06;G06N20/00
• 代理公司: 北京思源智匯知識產(chǎn)權(quán)代理有限公司 11657
• 代理人: 毛麗琴

本公開實(shí)施例公開了一種語音交互方法和裝置，其中，該方法包括：獲取目標(biāo)空間內(nèi)的攝像設(shè)備拍攝的視頻和至少一個音頻采集設(shè)備采集的至少一路音頻；基于至少一路音頻，確定目標(biāo)空間內(nèi)的每個音區(qū)分別對應(yīng)的待識別音頻；基于視頻和至少一路待識別音頻，從目標(biāo)空間確定目標(biāo)音區(qū)；對得到的至少一路待識別音頻進(jìn)行語音識別，得到識別結(jié)果；控制目標(biāo)音區(qū)的語音交互設(shè)備基于識別結(jié)果在預(yù)設(shè)模式下進(jìn)行語音交互。本公開實(shí)施例可以實(shí)現(xiàn)通過圖像和語音融合的方法進(jìn)行目標(biāo)對象檢測，根據(jù)檢測結(jié)果自動進(jìn)入目標(biāo)對象對應(yīng)的語音控制模式，提高對各類對象進(jìn)行語音識別及相應(yīng)的語音控制的針對性，有助于防止在語音控制時，因識別到目標(biāo)對象的聲音而造成的誤操作。

技術(shù)領(lǐng)域

本公開涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其是一種語音交互方法、裝置、計(jì)算機(jī)可讀存儲介質(zhì)及電子設(shè)備。

背景技術(shù)

近年來，隨著語音產(chǎn)品的不斷推廣，語音輸入作為一種重要的人機(jī)交互手段，被越來越多的人們所接受。例如在智能汽車領(lǐng)域，語音控制作為汽車智能化的表現(xiàn)之一，得到了極大的重視。通過語音控制功能，用戶可免去手動操作，而僅僅利用語音就能夠控制車機(jī)執(zhí)行特定操作，如打開或關(guān)閉空調(diào)，設(shè)置導(dǎo)航，修改導(dǎo)航，開啟音樂播放等，極大地提升了用戶的使用體驗(yàn)。

發(fā)明內(nèi)容

本公開的實(shí)施例提供了一種語音交互方法、裝置、計(jì)算機(jī)可讀存儲介質(zhì)及電子設(shè)備。

本公開的實(shí)施例提供了一種語音交互方法，該方法包括：獲取目標(biāo)空間內(nèi)的攝像設(shè)備拍攝的視頻和至少一個音頻采集設(shè)備采集的至少一路音頻；基于至少一路音頻，確定目標(biāo)空間內(nèi)的每個音區(qū)分別對應(yīng)的待識別音頻；基于視頻和至少一路待識別音頻，從目標(biāo)空間確定目標(biāo)音區(qū)；對得到的至少一路待識別音頻進(jìn)行語音識別，得到識別結(jié)果；控制目標(biāo)音區(qū)的語音交互設(shè)備基于識別結(jié)果在預(yù)設(shè)模式下進(jìn)行語音交互。

根據(jù)本公開實(shí)施例的另一個方面，提供了一種語音交互裝置，該裝置包括：獲取模塊，用于獲取目標(biāo)空間內(nèi)的攝像設(shè)備拍攝的視頻和至少一個音頻采集設(shè)備采集的至少一路音頻；第一確定模塊，用于基于至少一路音頻，確定目標(biāo)空間內(nèi)的每個音區(qū)分別對應(yīng)的待識別音頻；第二確定模塊，用于基于視頻和至少一路待識別音頻，從目標(biāo)空間確定目標(biāo)音區(qū)；識別模塊，用于對得到的至少一路待識別音頻進(jìn)行語音識別，得到識別結(jié)果；控制模塊，用于控制目標(biāo)音區(qū)的語音交互設(shè)備基于識別結(jié)果在預(yù)設(shè)模式下進(jìn)行語音交互。

根據(jù)本公開實(shí)施例的另一個方面，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，計(jì)算機(jī)程序用于執(zhí)行上述語音交互方法。

根據(jù)本公開實(shí)施例的另一個方面，提供了一種電子設(shè)備，電子設(shè)備包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；處理器，用于從存儲器中讀取可執(zhí)行指令，并執(zhí)行指令以實(shí)現(xiàn)上述語音交互方法。

基于本公開上述實(shí)施例提供的語音交互方法、裝置、計(jì)算機(jī)可讀存儲介質(zhì)及電子設(shè)備，通過獲取對目標(biāo)空間拍攝的視頻和采集的至少一路音頻，對視頻和音頻進(jìn)行聯(lián)合識別，從目標(biāo)空間確定目標(biāo)音區(qū)，以及對音頻進(jìn)行語音識別，得到識別結(jié)果，最后控制目標(biāo)音區(qū)的語音交互設(shè)備基于識別結(jié)果在預(yù)設(shè)模式下進(jìn)行語音交互，從而實(shí)現(xiàn)了通過圖像和語音融合的方法進(jìn)行目標(biāo)對象檢測，根據(jù)檢測結(jié)果自動進(jìn)入目標(biāo)對象對應(yīng)的語音控制模式，提高了對各類對象進(jìn)行語音識別及相應(yīng)的語音控制的針對性，有助于防止在語音控制時，因識別到目標(biāo)對象的聲音而造成的誤操作。

下面通過附圖和實(shí)施例，對本公開的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

附圖說明

通過結(jié)合附圖對本公開實(shí)施例進(jìn)行更詳細(xì)的描述，本公開的上述以及其他目的、特征和優(yōu)勢將變得更加明顯。附圖用來提供對本公開實(shí)施例的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本公開實(shí)施例一起用于解釋本公開，并不構(gòu)成對本公開的限制。在附圖中，相同的參考標(biāo)號通常代表相同部件或步驟。

圖1是本公開所適用的系統(tǒng)圖。

圖2是本公開一示例性實(shí)施例提供的語音交互方法的流程示意圖。