[發明專利]基于語音識別的3D模型控制方法、裝置、設備和存儲介質

在審

• 申請號: 202211255207.4
• 申請日: 2022-10-13
• 公開（公告）號: CN115565529A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 劉揚安
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G10L15/18
• 分類號: G10L15/18;G10L15/22;G10L15/26
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 韋永吉

本申請提供一種基于語音識別的3D模型控制方法、裝置、計算機設備及存儲介質，該方法通過語音識別模型，將目標音頻文件轉換成至少一個識別文本集，以每一個識別文本集作為一個指令組，從而便于區分用戶的指令和指令操作順序；通過指令關鍵詞組，對每一組的識別文本集進行關鍵詞匹配，從而提取出每一組識別文本集中的所有目標關鍵詞，并生成各組識別文本集對應的指令鏈表；然后即可根據指令鏈表的生成順序，依次執行各指令鏈表所對應的執行操作，從而實現對3D模型的語音操作。本申請涉及人工智能技術領域，可以實現對3D模型的語音操作，避免了復雜的手動操作，使得3D模型操作的交互難度降低，提高了用戶體驗。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種基于語音識別的3D模型控制方法、裝置、設備和存儲介質。

背景技術

現階段人工智能技術發展迅速，其中語音相關的AI能力趨于成熟。通過使用這些語音能力，是可以快速、精準地識別出所說的文字，甚至對于方言、外語的兼容，也做的非常不錯。這使得它可以應用的領域變得愈加寬泛。

其次隨著瀏覽器的發展，它提供到的能力更加強大，其中推出的WebGL(一種3D繪圖協議)，是可以利用GPU資源在瀏覽器中構建3D模型，并且提供了豐富的操作方法。再加上目前3D模型成熟的市場，可以看出未來的瀏覽器中是會大量使用這些3D模型，來豐富網頁，提高用戶交互體驗。不過目前操作3D模型的方式太過單一，只能通過鼠標點擊，來進行互動，其對于3D模型操作的便利性較差，使得用戶體驗感較差。因此，如何提高3D模型的操作便利性成為了目前亟需解決的問題。

發明內容

本申請提供了一種基于語音識別的3D模型控制方法、裝置、計算機設備和存儲介質，旨在提高目前3D模型的操作便利性。

第一方面，本申請提供一種基于語音識別的3D模型控制方法，所述基于語音識別的3D模型控制方法包括以下步驟：

獲取目標音頻文件，基于語音識別模型，對所述目標音頻文件進行識別，生成至少一組識別文本集；

基于指令關鍵詞組，匹配所述識別文本集中的相似關鍵詞，獲得至少一個目標關鍵詞，并基于所述目標關鍵詞的獲得順序，生成指令鏈表；

基于所述目標關鍵詞對應的指令含義和所述獲得順序，確定所述指令鏈表對應的執行指令，并基于所述執行指令，對3D模型執行對應的操作，以實現對所述3D模型的語音控制。

第二方面，本申請還提供一種基于語音識別的3D模型控制裝置，所述基于語音識別的3D模型控制裝置包括：

語音識別模塊，用于獲取目標音頻文件，基于語音識別模型，對所述目標音頻文件進行識別，生成至少一組識別文本集；

關鍵詞匹配模塊，用于基于指令關鍵詞組，匹配所述識別文本集中的相似關鍵詞，獲得至少一個目標關鍵詞，并基于所述目標關鍵詞的獲得順序，生成指令鏈表；

模型操作模塊，用于基于所述目標關鍵詞對應的指令含義和所述獲得順序，確定所述指令鏈表對應的執行指令，并基于所述執行指令，對3D模型執行對應的操作，以實現對所述3D模型的語音控制。

第三方面，本申請還提供一種計算機設備，所述計算機設備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執行的計算機程序，其中所述計算機程序被所述處理器執行時，實現如上述的基于語音識別的3D模型控制方法的步驟。

第四方面，本申請還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其中所述計算機程序被處理器執行時，實現如上述的基于語音識別的3D模型控制方法的步驟。