CN104681023A - 一种信息处理方法及电子设备 - Google Patents

一种信息处理方法及电子设备 Download PDF

Info

Publication number
CN104681023A
CN104681023A CN201510082818.7A CN201510082818A CN104681023A CN 104681023 A CN104681023 A CN 104681023A CN 201510082818 A CN201510082818 A CN 201510082818A CN 104681023 A CN104681023 A CN 104681023A
Authority
CN
China
Prior art keywords
operating instruction
voice
user
voice messaging
voice operating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510082818.7A
Other languages
English (en)
Inventor
刘名
陈剑峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN201510082818.7A priority Critical patent/CN104681023A/zh
Publication of CN104681023A publication Critical patent/CN104681023A/zh
Priority to US14/752,229 priority patent/US9928834B2/en
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00Speech synthesis; Text to speech systems
    • G10L13/02Methods for producing synthetic speech; Speech synthesisers
    • G10L13/033Voice editing, e.g. manipulating the voice of the synthesiser
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/003Changing voice quality, e.g. pitch or formants
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种信息处理方法及电子设备,所述电子设备具有语音输入输出单元,所述方法包括:检测获得一语言信息;识别所述语音信息,获得所述语音信息中的至少一个语音特征;基于所述语音信息,生成一语音操作指令;基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;根据所述呈现结果呈现所述多媒体数据。

Description

一种信息处理方法及电子设备
技术领域
本发明涉及电子技术领域,特别涉及一种信息处理方法及电子设备。
背景技术
随着科学技术的不断发展,越来越来的电子设备加入了语音功能,例如:某些多媒体互动设备,可以根据的用户的语音信息,回答用户的提出的相关问题;或者可以根据用户的语音指令,打开相应的电影、音乐、或者网页等应用程序。
现有技术中,在电子设备根据用户的语音信息,回答用户提出的相关问题时,回复的语音都是同一个语调,而在使用语音功能打开相应的应用程序时,应用程序的开启可以根据语音信息控制,但是应用程序中所呈现的内容不能根据用户输入的语音信息的不同,而发生改变。
本申请发明人在实现本申请实施例中技术方案的过程中,发现现有技术存在如下技术问题:
由于现有技术中,电子设备与用户通过语音互动时,电子设备的语音回复信息都是同一声调、同一语速,导致部分用户因为年龄、习惯等原因,在与电子设备通过语音互动交流时,效果不佳,例如:听不清电子设备的语音答复,或者电子设备的语音答复并不能满足用户的体验要求,又或者语音答复的声调、语速没有感情色彩令用户厌烦等,进而导致用户体验差,交互效果欠佳,可见,现有技术中存在着电子设备不能根据用户需要的语音特征,输出相应的语音回复信息的技术问题。
由于现有技术中,电子设备通过控制语音信息控制打开应用程序之后,应用程序所呈现的内容都是预定的,例如:如果用户是通过中文的语音信息打开了一个电影,而电影初始时的音轨和字幕都是英文的,那么用户还要自己去重新设置中文音轨和字幕,导致用户的体验欠佳,可见现有技术中存在着电子设备不能根据用户语音特征,自动控制应用程序设置当前呈现结果的技术问题。
发明内容
本申请实施例提供一种信息处理方法及电子设备,用于解决现有技术中不能根据用户需要的语音特征,输出相应的语音回复信息的技术问题,进而实现根据用户的语音的特征生成相应的语音回复的技术效果。
一方面,本申请提供一种信息处理方法,应用于电子设备中,所述电子设备具有语音输入输出单元,所述方法包括:检测获得一语言信息;识别所述语音信息,获得所述语音信息中的至少一个语音特征;基于所述语音信息,生成一语音操作指令;基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;根据所述呈现结果呈现所述多媒体数据。
可选的,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:基于所述语音信息,确定出所述语音信息的第一输入用户。
可选的,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
可选的,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征。
可选的,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
可选的,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
可选的,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征。
可选的,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
可选的,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
可选的,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:基于所述语音信息,确定出所述语音信息的语言种类。
可选的,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体为:基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件。
可选的,所述基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件,具体为:基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
可选的,所述基于所述语音操作指令,获得一语音文件和/或字幕文件,具体包括:在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
另一方面,本申请提供一种电子设备,所述电子设备具有语音输入输出单元,所述电子设备具体包括:语音信息检测单元,用于检测获得一语言信息;处理单元,用于识别所述语音信息,获得所述语音信息中的至少一个语音特征;基于所述语音信息,生成一语音操作指令;基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;多媒体数据输出单元,用于根据所述呈现结果呈现所述多媒体数据。
可选的,所述处理单元,具体用于基于所述语音信息,确定出所述语音信息的第一输入用户。
可选的,所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
可选的,所述处理单元,具体用于基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征。
可选的,所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
可选的,所述处理单元,具体用于基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
可选的,所述处理单元,具体用于基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征。
可选的,所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
可选的,所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
可选的,所述处理单元,具体用于基于所述语音信息,确定出所述语音信息的语言种类。
可选的,所述处理单元,具体用于基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件。
可选的,所述处理单元,具体用于基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
可选的,所述处理单元,具体用于在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果和优点:
由于本申请实施例中的技术方案,可以识别出用户的语音特征,并且根据识别出的语音特征,为用户生成个性化的呈现效果,相较于现有技术中,电子设备只能生成一种较为固定的呈现效果,导致用户在使用电子设备时,体验感很差,交互效果欠佳的技术方案,能够有效解决现有技术中存在着不能根据用户需要的语音特征,输出相应的语音回复信息的技术问题,进而实现根据用户的语音的特征生成相应的语音回复的技术效果。
由于本申请实施例中的技术方案,可以识别出用户的语音特征,并且根据识别出的语音特征,生成相应的内容,相较于现有技术中,电子设备只能基于语音指令生成特定的内容的技术方案,能够有效解决现有技术中存在着电子设备不能根据用户语音特征,自动控制应用程序设置当前呈现结果的技术问题,进而实现根据识别出的语音特征,自动控制电子设备设置当前呈现结果的技术效果。
附图说明
图1为本申请实施例中一种信息处理方法的流程图;
图2为本申请实施例一种信息处理方法中步骤104的第一种具体实现流程图;
图3为本申请实施例一种信息处理方法中步骤104的第二种具体实现中的第一种情况的流程图;
图4为本申请实施例一种信息处理方法中步骤104的第二种具体实现中的第二种情况的流程图;
图5为本申请实施例一种信息处理方法中步骤104的第三种具体实现中的第一种情况的流程图;
图6为本申请实施例一种信息处理方法中步骤104的第三种具体实现中的第二种情况的流程图;
图7为本申请实施例一种信息处理方法中步骤102的具体实现方式;
图8为本申请实施例一种信息处理方法中步骤104的第四种具体实现流程图;
图9为本申请实施例中一种电子设备的结构图。
具体实施方式
本申请实施例提供一种信息处理方法及电子设备,用于解决现有技术中不能根据用户需要的语音特征,输出相应的语音回复信息的技术问题,进而实现根据用户的语音的特征生成相应的语音回复的技术效果。
本申请实施例中的技术方案为解决上述的技术问题,总体思路如下:一种信息处理方法,应用于电子设备中,所述电子设备具有语音输入输出单元,所述方法包括:检测获得一语言信息;识别所述语音信息,获得所述语音信息中的至少一个语音特征;基于所述语音信息,生成一语音操作指令;基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;根据所述呈现结果呈现所述多媒体数据。
在上述的技术方案中,由于本申请实施例中的技术方案,可以识别出用户的语音特征,并且根据识别出的语音特征,为用户生成个性化的呈现效果,相较于现有技术中,电子设备只能生成一种较为固定的呈现效果,导致用户在使用电子设备时,体验感很差,交互效果欠佳的技术方案,能够有效解决现有技术中存在着不能根据用户需要的语音特征,输出相应的语音回复信息的技术问题,进而实现根据用户的语音的特征生成相应的语音回复的技术效果。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
实施例一
为了让本领域技术人员能够清楚完整地了解本申请实施例中的技术方案,在下面的具体描述中,将以电子设备为多媒体互动设备为例进行说明,下面结合例子,介绍本申请实施例中方法的具体实现过程:
请参考图1,本申请的实施例一提供一种信息处理方法的具体实现过程进行描述。该方法包括如下步骤:
S101:检测获得一语言信息;
S102:识别所述语音信息,获得所述语音信息中的至少一个语音特征;
S103:基于所述语音信息,生成一语音操作指令;
S104:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;
S105:根据所述呈现结果呈现所述多媒体数据。
进一步的,请参考图2,在所述至少一个语音特征具体为所述语音信息的第一输入用户时,在步骤S104具体实现的过程中,具体包括:
S301:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
S302:将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
进一步的,请参考图3,在所述至少一个语音特征具体为输入所述语音信息的第一用户的年龄特征时,在步骤S104具体实现的过程中,具体包括:
S501:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
S502:将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
进一步的,请参考图4,在所述至少一个语音特征具体为输入所述语音信息的第一用户的年龄特征时,在步骤S104具体实现的过程中,具体包括:
S601:基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;
S602:将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
进一步的,请参考图5,在所述至少一个语音特征具体为输入所述语音信息的第一用户的性别特征时,在步骤S104具体实现的过程中,具体包括:
S801:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
S802:将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
进一步的,请参考图6,在所述至少一个语音特征具体为输入所述语音信息的第一用户的性别特征时,在步骤S104具体实现的过程中,具体包括:
S901:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
S902:将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
进一步的,请参考图7,在所述至少一个语音特征具体为所述语音信息的语言种类时,在步骤S104具体实现的过程中,具体执行步骤S1201:基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
进一步的,请参考图8,在步骤S1201具体执行的过程中,具体包括:
S1301:在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或
S1302:在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或
S1303:在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
下面通过具体的例子,描述本申请实施例中信息处理方法的具体实现过程:
在用户A的家庭中有一种多媒体交互式的电子设备,该电子设备类似于互动平板电视,可以根据用户A以及其他人进行语音指令,与其进行互动,由于此时的情况有很多种,下面将详细描述:
第一种实现方式,具体当用户A发出一个语音指令之后,例如:用户A是这个家庭中的男主人,他向电子设备问了一句话:“今天的天气怎么样?”电子设备将执行步骤S101:检测获得一语言信息,继续上面的例子具体来说,电子设备通过设置在内部的音频采集器采集到上述的语音信息。在步骤S101完成之后,执行步骤S102:识别所述语音信息,获得所述语音信息中的至少一个语音特征;具体的,电子设备将执行步骤:基于所述语音信息,确定出所述语音信息的第一输入用户,继续上面的例子具体来说,此时电子设备会识别出这个语音信息的发出人是来自于这个家庭中的男主人用户A,具体的识别方式可以为首先将家庭中的各个用户声音录入到服务器中,并且分析出每个家庭用户的声音的音频,声波特点的信息,并且根据这些特征识别出发出语音信息的人是来自这个家庭中的男主人,当然更为具体的分析过程并不限定,本领域人员可以根据实际的情况进行实行不同的方法。
在步骤S102完成之后,执行步骤S103:基于所述语音信息,生成一语音操作指令;继续上面的例子具体来说,电子设备中的处理单元根据用户A输出的语音生成了一个从网络上查询并且下载天气信息的指令。
在步骤S103完成之后,执行步骤S104:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,此时电子设备首先执行步骤S301:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;继续上面的例子具体来说,此时,电子设备根据之前获得的天气信息,生成了一天语音回复,例如:“北京今天0到13摄氏度,北风4到5级”。
在步骤S301完成之后,执行步骤S302:将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。继续上面的例子具体来说,由于电子设备识别出是由这个家庭中的男主人用户A提出的问题,就将这个语音回复信息的语音通过模仿这个家庭中的女主人用户B来输出,当然,如果识别出提问的是一个陌生的来客的声音,可以统一设置为用户A的声音或者其他的声音,在这里不作具体的限定;此外,除了生成一个语音回复信息,电子设备还会根据识别出的用户为此用户特别推荐一些信息,例如:用户A在此之前收看了一些足球的比赛,那么电子设备还会为用户推荐一些有关于足球的新闻。
在步骤S104完成之后,执行步骤S105:根据所述呈现结果呈现所述多媒体数据。继续上面的例子具体来说,电子设备中将这个语音回复信息输出来,这样男主人用户A问一个问题,电子设备就模拟女主人用户B来回答,极大的提高了交互的体验效果。
第二种实现方式,除了可以识别用户是否属于这个家庭的用户的方式,电子设备还可以通过识别用户的语音中的年龄特征来生成回复信息。具体为:如果此时用户A是30岁,用户B是6岁,用户C是55岁,假设,用户B向电子设备说:“电影院怎么走?”电子设备首先执行步骤S101:检测获得一语言信息;即,电子设备通过语音采集单元采集到上述语音信息。
在步骤S101完成之后,执行步骤S102:识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体的,电子设备将执行步骤:基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征,继续上面的例子具体来说,电子设备识别出发出这个语音信息的用户是一个6岁小孩,具体的识别方法可以通过提取语音中的音调、音频等信息,利用语音处理的相关技术识别出来,当然也可以通过采集多个年龄层的用户,通过自学习的方式识别出发出语音信号的用户是哪个年龄的,具体的识别方式在这里并不作限定。
在步骤S102完成之后,执行步骤S103:基于所述语音信息,生成一语音操作指令,继续上面的例子具体来说,通过语音识别,可以获得上述语音信息具体是用户询问电影院路线的信息,电子设备就生成一个查询电影院路线的操作指令。
在步骤S103完成之后,执行步骤S104,即首先执行步骤S501:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容,继续上面的例子,具体来说,由于上面的语音信息是询问电影院路线,那么电子设备就会生成一个回答上述语音的语音回复信息。
在步骤S501完成之后,执行步骤S502:将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式,继续上面的例子具体来说,由于识别出的发出语音的信息的用户的年龄是6岁的小孩,那么在电子设备做出回答的时候,就会将语音回复信息语速设置为慢速,以便使小孩子可以完完整整的听清楚;当然,如果判断出发出语音信息的是类似于用户C的老人,那么电子设备在回复语音信息时,就会适当的调整语音回复信息的音量,以便老年用户的可以较为清楚的听到语音回复信息;此外,除了生成相应的语音回复信息,电子设备还可以通过其他形式来回答用户的提问,例如在识别出询问问题的用户是一个6岁的小孩子,电子设备可以将语音回复信息通过一段动画的方式展示出来,这样用户可以很深刻的了解到这个语音回复信息中的内容,同时这样的交互方式也更为有趣。
当然,为了更好的提升用户的使用体验,还可以在执行完步骤S103之后,执行步骤S601:基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容,继续上面的例子具体来说,根据上述的关于电影院路线的问题,电子设备生成一条具体行走路线的提示信息,比如:“首先,在第一个路口左转,然后,在第二个路口向右走100米”。
在步骤S601完成之后,执行步骤S602:将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式,继续上面的例子具体来说,由于识别出的发出上述语音信息的用户的年龄是一个6岁的小孩,那么这时可以将字幕的字体变大一点,同时还可以将这个字幕变成彩色的,以便吸引用户B的注意;当然如果识别出的发出上述语音信息的用户的年龄是类似于用户C的老年人,那么可以将字幕适当的调节成大的粗体字,以便老人们可以看清,具体的方式在这里不作限定;此外,除了生成上述的字幕提示信息,还可以生成一些带有标记性的建筑,例如:如果识别出的用户是小孩子,可以在生成路线信息的同时,提示用户在终点的附件还有哪些甜品店,如果识别出的用户是老人,可以在生成路线的同时,提示用户在终点附近有哪些老建筑等。
无论在步骤S502还是在步骤S602完成之后,执行步骤S105:根据所述呈现结果呈现所述多媒体数据,继续上面的例子具体来说,通过上述的多媒体互动的电子设备将上述的效果呈现出来。
第三种实现方式,除了可以通过识别用户的语音中的年龄特征来生成回复信息的方式,电子设备还可以通过识别用户的语音中的性别特征来生成回复信息。具体为:假设用户A是男性,而用户B是女性。此时,用户向电子设备说:“今晚的电视节目有什么?”此时,电子设备将执行步骤S101:检测获得一语言信息,继续上面的例子具体来说,电子设备通过语音采集单元获得上述的语音信息。
在步骤S101完成之后,执行步骤S102:识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体的,电子设备将执行步骤:基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征,继续上面的例子具体来说,电子设备可以通过语音识别的相关技术识别出上述的语言信息是由一位男性用户发出的,具体的识别方式可以是通过提取语音信息中的一些特征,例如:音高、音频等特征,检测出输入上述语音信息的用户是男性还是女性,当然,更为具体的实现方式在本申请中并不限定。
在步骤S102完成之后,执行步骤S103:基于所述语音信息,生成一语音操作指令;由于上述的语音问题是关于询问当天的电视节目的,那么生成一个查询电视节目的指令。
在步骤S103完成之后,执行步骤S104,即首先执行步骤S801:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容,继续上面的例子具体来说,此时,根据上述指令,电子设备将生成一个语音指令,例如:“19:00新闻联播;19:00天下足球”。
在步骤S801完成之后,执行步骤S802:将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式,继续上面的例子具体来说,在上述的步骤中判断出了输入的语音信息的用户是男性,那么,电子设备可以将语音回复信息设置为一个男性用户喜欢的音色,例如类似于女生,或者也可以设置为类似的男生的声音。
当然,当电子设备检测出语音信息的是男生之后,也可以执行步骤S901:基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容,继续上面的例子具体来说,基于上述的语音信息直接生成一个语音回复信息,当然,除了语音回复信息之外,还可以生成一些其他的信息,例如图片或者视频等,在这里不作限定。
在步骤S901完成之后,执行步骤S902:将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户,继续上面的例子具体来说,当电子设备检测到输入上述语音信息的用户是男性之后,可以将语音回复信息的输出声音设置为一个女星的名字,或者是这个男性用户喜欢的男星的声音,当然也可以搭配一些明星的图片或者是视频。
无论是在步骤S802还是步骤S902之后,电子设备将执行步骤S105:根据所述呈现结果呈现所述多媒体数据,继续上面的例子具体来说,将上述的呈现效果通过上述的电子设备呈现出来。
第四种实现方式,除了可以通过识别用户的语音中的性别特征来生成回复信息的方式,电子设备还可以通过识别用户的语音的语种特征来生成回复信息。具体为:假设用户A中国人,可以流利的讲普通话,此时,用户向电子设备发出语音信息:“打开电影,阿凡达”当然,具体的语音信息有很多种,例如:“打开浮夸这首歌”、“打开新浪首页”等,那么电子设备将执行步骤S101:检测获得一语言信息,继续上面的例子具体来说,电子设备通过设置在内部的音频采集器采集到上述的语音信息。
在步骤S101完成之后,执行步骤S102:识别所述语音信息,获得所述语音信息中的至少一个语音特征;具体的,电子设备将执行步骤:基于所述语音信息,确定出所述语音信息的语言种类,继续上面的例子具体来说,此时电子设备识别出用户A的语音信息是中文的,具体的识别方式可以为通过提取用户的发生特征,以及一些单词的发音特征,通过这些特征完成对语音信息中语种的识别。
在步骤S102完成之后,执行步骤S103:基于所述语音信息,生成一语音操作指令;继续上面的例子具体来说,电子设备中的处理单元根据用户A输出的语音生成了一个打开电影的指令,当然具体的指令会根据用户输入的信息的不同而生成不同的指令,在这里不作具体的限定。
在步骤S103完成之后,执行步骤S104:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体的,电子设备将执行步骤:基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件,更为具体的,此时电子设备具体执行步骤S1201:基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。继续上面的例子具体来说,电子设备可以根据输入语音信息的用户所说的语种,生成与之相匹配的文件,具体的实现方式由于输入的语音信息是不同的,那么具体执行的过程也是不同的。
在语音指令具体为用于开启视频的操作指令时,类似于“打开电影,阿凡达”,电子设备将执行步骤S1301:在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;继续上面的例子具体来说,电子设备会在网络上找到“阿凡达”电影,同时加载电影的音轨文件和电影字幕文件,由于电子设备已经识别出了语音信息的语种是中文,那么电子设备就会自动加载中文的音轨和简体中文的字幕。当然,如果电子设备识别出的语种是英语,那么电子设备就会自动加载英语的音轨和英语的字幕,特殊的当识别的出的语种例如是乌克兰的语音,而电子设备没有发现有与上述语种匹配的音轨文件和字幕文件,那么电子设备就会自动加载一个全球通用的音轨文件和字幕文件例如:英语的音轨文件和字幕文件。或者根据乌克兰语属于东欧的语系,进而加载在东欧非常流行的俄语音轨和俄语字幕。
在语音指令具体为用于开启音乐的操作指令时,类似于“打开浮夸这首歌”,电子设备将执行步骤S1302:在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;继续上面的例子具体来说,电子设备会在网络上找到“浮夸”这首歌,同时加载这首歌的歌词,由于电子设备已经识别出了语音信息的语种是中文,那么电子设备就会简体中文的歌词,当然,如果电子设备识别出的语种是英语,那么电子设备就会自动加载英语的歌词,如果识别出的语种是广东话,那么电子设备就会自动加载粤语的歌词,如果用户要求打开的是一个纯音乐的音乐文件,那么电子设备将自动加载一段介绍这首音乐的文字,当然,具体的文字也会根据用户的语种而作相应的改变。
在语音指令具体为用于打开网页的操作指令时,类似于“打开新浪首页”,电子设备将执行步骤S1303:在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件,继续上面的例子具体来说,电子设备会直接打开新浪的首页,由于电子设备已经识别出了语音信息的语种是中文,那么电子设备就会自动的将新浪网页上的文件设置为简体中文。当然,如果电子设备识别出的语种是英语,那么电子设备将会自动将网页上的文字设置为英文的文字,即加载了一个英文的文字,如果电子设备识别出的语种是广东话,那么电子设备将会自动将网页上的文字设置为繁体中文。当然不仅限于以上三种情况,电子设备还可以根据上述的语种,加载一些与这些语种相关的新闻或者是其他娱乐信息。
在步骤S1301或者步骤S1302或者S1303完成之后,执行步骤S105:根据所述呈现结果呈现所述多媒体数据,继续上面的例子具体来说,多媒体互动设备将上述的视频或者音乐或者网页或者其他的信息呈现出来。
实施例二
请参考图9,本申请实施例中,基于同一个发明构思还提供一种电子设备,所述电子设备具有语音输入输出单元,所述电子设备具体包括:
语音信息检测单元10,用于检测获得一语言信息;
处理单元20,用于识别所述语音信息,获得所述语音信息中的至少一个语音特征;基于所述语音信息,生成一语音操作指令;基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;
多媒体数据输出单元30,用于根据所述呈现结果呈现所述多媒体数据。
可选的,处理单元20,具体用于基于所述语音信息,确定出所述语音信息的第一输入用户。
可选的,处理单元20,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
可选的,处理单元20,具体用于基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征。
可选的,处理单元20,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
可选的,处理单元20,具体用于基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
可选的,处理单元20,具体用于基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征。
可选的,处理单元20,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
可选的,处理单元20,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
可选的,处理单元20,具体用于基于所述语音信息,确定出所述语音信息的语言种类。
可选的,处理单元20,具体用于基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件。
可选的,处理单元20,具体用于基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
可选的,处理单元20,具体用于在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
由于上述的电子设备与前述的一种信息处理方法一一对应,所以在此就不再赘述。
通过本申请实施例中的一个或多个技术方案,可以实现如下一个或多个技术效果:
由于本申请实施例中的技术方案,可以识别出用户的语音特征,并且根据识别出的语音特征,为用户生成个性化的呈现效果,相较于现有技术中,电子设备只能生成一种较为固定的呈现效果,导致用户在使用电子设备时,体验感很差,交互效果欠佳的技术方案,能够有效解决现有技术中存在着不能根据用户需要的语音特征,输出相应的语音回复信息的技术问题,进而实现根据用户的语音的特征生成相应的语音回复的技术效果。
由于本申请实施例中的技术方案,可以识别出用户的语音特征,并且根据识别出的语音特征,生成相应的内容,相较于现有技术中,电子设备只能基于语音指令生成特定的内容的技术方案,能够有效解决现有技术中存在着电子设备不能根据用户语音特征,自动控制应用程序设置当前呈现结果的技术问题,进而实现根据识别出的语音特征,自动控制电子设备设置当前呈现结果的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理单元以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理单元执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
具体来讲,本申请实施例中的一种信息处理方法对应的计算机程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种信息处理方法对应的计算机程序指令被一电子设备读取或被执行时,包括如下步骤:
检测获得一语言信息;
识别所述语音信息,获得所述语音信息中的至少一个语音特征;
基于所述语音信息,生成一语音操作指令;
基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;
根据所述呈现结果呈现所述多媒体数据。
可选的,所述存储介质中存储的与步骤:识别所述语音信息,获得所述语音信息中的至少一个语音特征,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音信息,确定出所述语音信息的第一输入用户。
可选的,所述存储介质中存储的与步骤:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
可选的,所述存储介质中存储的与步骤:识别所述语音信息,获得所述语音信息中的至少一个语音特征,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征。
可选的,所述存储介质中存储的与步骤:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
可选的,所述存储介质中存储的与步骤:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;
将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
可选的,所述存储介质中存储的与步骤:识别所述语音信息,获得所述语音信息中的至少一个语音特征,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征。
可选的,所述存储介质中存储的与步骤:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
可选的,所述存储介质中存储的与步骤:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
可选的,所述存储介质中存储的与步骤:识别所述语音信息,获得所述语音信息中的至少一个语音特征,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音信息,确定出所述语音信息的语言种类。
可选的,所述存储介质中存储的与步骤:基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件。
可选的,所述存储介质中存储的与步骤:基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
可选的,所述存储介质中存储的与步骤:基于所述语音操作指令,获得一语音文件和/或字幕文件,对应的计算机指令在具体被执行过程中,具体包括如下步骤:
在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或
在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或
在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (26)

1.一种信息处理方法,应用于一电子设备,所述电子设备具有语音输入输出单元,所述方法包括:
检测获得一语言信息;
识别所述语音信息,获得所述语音信息中的至少一个语音特征;
基于所述语音信息,生成一语音操作指令;
基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;
根据所述呈现结果呈现所述多媒体数据。
2.如权利要求1所述的方法,其特征在于,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:
基于所述语音信息,确定出所述语音信息的第一输入用户。
3.如权利要求2所述的方法,其特征在于,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
4.如权利要求1所述的方法,其特征在于,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:
基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征。
5.如权利要求4所述的方法,其特征在于,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
6.如权利要求4所述的方法,其特征在于,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:
基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;
将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
7.如权利要求1所述的方法,其特征在于,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:
基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征。
8.如权利要求7所述的方法,其特征在于,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
9.如权利要求7所述的方法,其特征在于,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体包括:
基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;
将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
10.如权利要求1所述的方法,其特征在于,所述识别所述语音信息,获得所述语音信息中的至少一个语音特征,具体为:
基于所述语音信息,确定出所述语音信息的语言种类。
11.如权利要求10所述的方法,其特征在于,所述基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,具体为:
基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件。
12.如权利要求11所述的方法,其特征在于,所述基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件,具体为:
基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
13.如权利要求12所述的方法,其特征在于,所述基于所述语音操作指令,获得一语音文件和/或字幕文件,具体包括:
在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或
在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或
在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
14.一种电子设备,所述电子设备具有语音输入输出单元,所述电子设备具体包括:
语音信息检测单元,用于检测获得一语言信息;
处理单元,用于识别所述语音信息,获得所述语音信息中的至少一个语音特征;基于所述语音信息,生成一语音操作指令;基于所述至少一个语音特征和所述语音操作指令,确定出一多媒体数据的呈现结果,其中,所述呈现结果包括所述多媒体数据的呈现内容与所述呈现内容的呈现形式,所述呈现结果匹配于所述语音特征;
多媒体数据输出单元,用于根据所述呈现结果呈现所述多媒体数据。
15.如权利要求14所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音信息,确定出所述语音信息的第一输入用户。
16.如权利要求15所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的第一输出用户设置为所述第一输入用户,或设置为与所述第一输入用户对应的第二输入用户,所述第一输入用户或所述第二输入用户即为所述呈现形式。
17.如权利要求14所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音信息,确定出输入所述语音信息的第一用户的年龄特征。
18.如权利要求17所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的语音速度设置为与所述年龄特征对应的第一语音速度,所述第一语音速度即为所述呈现形式。
19.如权利要求17所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音操作指令,生成一字幕信息,所述字幕信息即为所述呈现内容;将所述字幕信息的字幕显示参数设置为与所述年龄特征对应的第一字幕显示参数,所述第一字幕显示参数即为所述呈现形式。
20.如权利要求14所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音信息,确定出输入所述语音信息的第一用户的性别特征。
21.如权利要求20所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息中的音色设置为与所述性别特征对应的第一音色,所述第一音色即为所述呈现形式。
22.如权利要求20所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音操作指令,生成一语音回复信息,所述语音回复信息即为所述呈现内容;将所述语音回复信息对应的第一输出用户设置为与所述性别特征对应的预设输出用户。
23.如权利要求14所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音信息,确定出所述语音信息的语言种类。
24.如权利要求23所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语言种类,以及所述语音操作指令,确定出与所述语言种类相匹配的适配文件。
25.如权利要求24所述的电子设备,其特征在于,
所述处理单元,具体用于基于所述语音操作指令,获得一语音文件和/或字幕文件,其中,所述语音文件和/或所述字幕文件为所述呈现内容,所述语音文件和/或所述字幕文件与所述语言种类相匹配。
26.如权利要求25所述的电子设备,其特征在于,
所述处理单元,具体用于在所述语音操作指令具体为用于开启一视频的第一语音操作指令时,获得所述视频的视频语音文件和/或视频字幕文件;或在所述语音操作指令具体为用于开启一音乐的第二语音操作指令时,获得所述音乐的音乐字幕文件;或在所述语音操作指令具体为用于开启一网页的第三语音操作指令时,获得所述网页的网页字幕文件。
CN201510082818.7A 2015-02-15 2015-02-15 一种信息处理方法及电子设备 Pending CN104681023A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510082818.7A CN104681023A (zh) 2015-02-15 2015-02-15 一种信息处理方法及电子设备
US14/752,229 US9928834B2 (en) 2015-02-15 2015-06-26 Information processing method and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510082818.7A CN104681023A (zh) 2015-02-15 2015-02-15 一种信息处理方法及电子设备

Publications (1)

Publication Number Publication Date
CN104681023A true CN104681023A (zh) 2015-06-03

Family

ID=53315978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510082818.7A Pending CN104681023A (zh) 2015-02-15 2015-02-15 一种信息处理方法及电子设备

Country Status (2)

Country Link
US (1) US9928834B2 (zh)
CN (1) CN104681023A (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809341A (zh) * 2016-03-07 2016-07-27 成都亿信标准认证集团有限公司 标准认证自动服务查询***
CN106098057A (zh) * 2016-06-13 2016-11-09 北京云知声信息技术有限公司 播放语速管理方法及装置
CN106325112A (zh) * 2015-06-25 2017-01-11 联想(北京)有限公司 一种信息处理方法及电子设备
CN106384590A (zh) * 2016-09-07 2017-02-08 上海联影医疗科技有限公司 语音控制装置和语音控制方法
CN106504743A (zh) * 2016-11-14 2017-03-15 北京光年无限科技有限公司 一种用于智能机器人的语音交互输出方法及机器人
CN107039050A (zh) * 2016-02-04 2017-08-11 阿里巴巴集团控股有限公司 对待测试语音识别***的自动测试方法和装置
CN107526951A (zh) * 2016-06-21 2017-12-29 深圳市中兴微电子技术有限公司 一种信息发送方法及装置
CN107656461A (zh) * 2016-07-26 2018-02-02 青岛海尔洗衣机有限公司 一种基于用户年龄调节语音的方法及洗衣机
CN108053820A (zh) * 2017-12-13 2018-05-18 广东美的制冷设备有限公司 空气调节器的语音播报方法及装置
CN108154877A (zh) * 2017-12-13 2018-06-12 广东美的制冷设备有限公司 空气调节器的语音播报方法及装置
CN108347646A (zh) * 2018-03-20 2018-07-31 百度在线网络技术(北京)有限公司 多媒体内容播放方法和装置
CN108647346A (zh) * 2018-05-15 2018-10-12 苏州东巍网络科技有限公司 一种用于可穿戴电子设备的老年人语音交互方法和***
CN109033344A (zh) * 2018-07-24 2018-12-18 上海常仁信息科技有限公司 一种远程交互机器人***
CN109065041A (zh) * 2018-08-09 2018-12-21 上海常仁信息科技有限公司 一种基于机器人的语音交互***和方法
CN109509470A (zh) * 2018-12-11 2019-03-22 平安科技(深圳)有限公司 语音交互方法、装置、计算机可读存储介质及终端设备
CN110288683A (zh) * 2019-06-28 2019-09-27 北京百度网讯科技有限公司 用于生成信息的方法和装置
CN110996163A (zh) * 2018-10-02 2020-04-10 哈曼国际工业有限公司 用于自动字幕显示的***和方法
CN111192574A (zh) * 2018-11-14 2020-05-22 奇酷互联网络科技(深圳)有限公司 智能语音交互方法、移动终端和计算机可读存储介质
CN111916065A (zh) * 2020-08-05 2020-11-10 北京百度网讯科技有限公司 用于处理语音的方法和装置
CN112163433A (zh) * 2020-09-29 2021-01-01 北京字跳网络技术有限公司 关键词汇的匹配方法、装置、电子设备及存储介质
CN115240334A (zh) * 2022-08-29 2022-10-25 广州卓腾科技有限公司 一种基于自助***设备的***方法、***和介质
CN111916065B (zh) * 2020-08-05 2024-07-02 北京百度网讯科技有限公司 用于处理语音的方法和装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10013983B1 (en) 2014-09-19 2018-07-03 United Services Automobile Association (Usaa) Selective passive voice authentication
US9548979B1 (en) 2014-09-19 2017-01-17 United Services Automobile Association (Usaa) Systems and methods for authentication program enrollment
CN110930998A (zh) * 2018-09-19 2020-03-27 上海博泰悦臻电子设备制造有限公司 语音互动方法、装置及车辆
FR3093607A1 (fr) * 2019-03-08 2020-09-11 Orange Procédé de restitution d’un contenu audiovisuel
CN111899717A (zh) * 2020-07-29 2020-11-06 北京如影智能科技有限公司 一种语音回复方法及装置
CN113597641A (zh) * 2021-06-22 2021-11-02 华为技术有限公司 语音处理方法、装置及***

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0863188A (ja) * 1994-08-18 1996-03-08 Nec Corp 音声合成装置
GB2375211A (en) * 2001-05-02 2002-11-06 Vox Generation Ltd Adaptive learning in speech recognition
US20040215453A1 (en) * 2003-04-25 2004-10-28 Orbach Julian J. Method and apparatus for tailoring an interactive voice response experience based on speech characteristics
CN101542941A (zh) * 2006-11-22 2009-09-23 雅虎公司 用于递送媒体的方法、***和装置
CN102067591A (zh) * 2008-06-26 2011-05-18 松下电器产业株式会社 记录介质、再现装置、记录装置、再现方法、记录方法、程序
CN102945672A (zh) * 2012-09-29 2013-02-27 深圳市国华识别科技开发有限公司 一种多媒体设备语音控制***及方法
CN103000173A (zh) * 2012-12-11 2013-03-27 优视科技有限公司 一种语音交互方法及装置
CN103024530A (zh) * 2012-12-18 2013-04-03 天津三星电子有限公司 智能电视语音应答***及方法
CN103077714A (zh) * 2013-01-29 2013-05-01 华为终端有限公司 信息的识别方法和装置
CN103137125A (zh) * 2011-11-30 2013-06-05 北京德信互动网络技术有限公司 基于声控的智能电子设备和声控方法
CN103187076A (zh) * 2011-12-28 2013-07-03 上海博泰悦臻电子设备制造有限公司 语音式音乐控制装置
CN103201790A (zh) * 2010-11-22 2013-07-10 Lg电子株式会社 多媒体设备中使用语音和姿势的控制方法及其多媒体设备
CN103219005A (zh) * 2013-04-28 2013-07-24 北京云知声信息技术有限公司 一种语音识别方法及装置
CN103236259A (zh) * 2013-03-22 2013-08-07 乐金电子研发中心(上海)有限公司 语音识别处理及反馈***、语音回复方法
CN103310788A (zh) * 2013-05-23 2013-09-18 北京云知声信息技术有限公司 一种语音信息识别方法及***
US20130305355A1 (en) * 2012-05-09 2013-11-14 Hon Hai Precision Industry Co., Ltd. Data secrecy method and electronic device using data secrecy method
CN103516711A (zh) * 2012-06-27 2014-01-15 三星电子株式会社 显示设备、用于控制显示设备的方法和交互***
CN103607518A (zh) * 2013-12-03 2014-02-26 郑彩富 语音应答后推送多媒体信息的方法、客户端、服务端及***
CN103646644A (zh) * 2013-12-12 2014-03-19 华为终端有限公司 一种获取语音识别业务信息认可度的方法和装置
CN103685524A (zh) * 2013-12-16 2014-03-26 中国科学院深圳先进技术研究院 智能车载终端***
US20140092004A1 (en) * 2012-09-28 2014-04-03 Ashok K. Mishra Audio information and/or control via an intermediary device
CN104050966A (zh) * 2013-03-12 2014-09-17 百度国际科技(深圳)有限公司 终端设备的语音交互方法和使用该方法的终端设备
CN104239328A (zh) * 2013-06-18 2014-12-24 联想(北京)有限公司 多媒体处理方法及多媒体***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8340974B2 (en) * 2008-12-30 2012-12-25 Motorola Mobility Llc Device, system and method for providing targeted advertisements and content based on user speech data
US8823765B2 (en) * 2011-09-30 2014-09-02 Verizon Patent And Licensing Inc. Method and apparatus for device peer resource pooling
KR102277749B1 (ko) * 2014-11-13 2021-07-16 엘지전자 주식회사 디스플레이 장치 및 그 제어 방법

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0863188A (ja) * 1994-08-18 1996-03-08 Nec Corp 音声合成装置
GB2375211A (en) * 2001-05-02 2002-11-06 Vox Generation Ltd Adaptive learning in speech recognition
US20040215453A1 (en) * 2003-04-25 2004-10-28 Orbach Julian J. Method and apparatus for tailoring an interactive voice response experience based on speech characteristics
CN101542941A (zh) * 2006-11-22 2009-09-23 雅虎公司 用于递送媒体的方法、***和装置
CN102067591A (zh) * 2008-06-26 2011-05-18 松下电器产业株式会社 记录介质、再现装置、记录装置、再现方法、记录方法、程序
CN103201790A (zh) * 2010-11-22 2013-07-10 Lg电子株式会社 多媒体设备中使用语音和姿势的控制方法及其多媒体设备
CN103137125A (zh) * 2011-11-30 2013-06-05 北京德信互动网络技术有限公司 基于声控的智能电子设备和声控方法
CN103187076A (zh) * 2011-12-28 2013-07-03 上海博泰悦臻电子设备制造有限公司 语音式音乐控制装置
US20130305355A1 (en) * 2012-05-09 2013-11-14 Hon Hai Precision Industry Co., Ltd. Data secrecy method and electronic device using data secrecy method
CN103516711A (zh) * 2012-06-27 2014-01-15 三星电子株式会社 显示设备、用于控制显示设备的方法和交互***
US20140092004A1 (en) * 2012-09-28 2014-04-03 Ashok K. Mishra Audio information and/or control via an intermediary device
CN102945672A (zh) * 2012-09-29 2013-02-27 深圳市国华识别科技开发有限公司 一种多媒体设备语音控制***及方法
CN103000173A (zh) * 2012-12-11 2013-03-27 优视科技有限公司 一种语音交互方法及装置
CN103024530A (zh) * 2012-12-18 2013-04-03 天津三星电子有限公司 智能电视语音应答***及方法
CN103077714A (zh) * 2013-01-29 2013-05-01 华为终端有限公司 信息的识别方法和装置
CN104050966A (zh) * 2013-03-12 2014-09-17 百度国际科技(深圳)有限公司 终端设备的语音交互方法和使用该方法的终端设备
CN103236259A (zh) * 2013-03-22 2013-08-07 乐金电子研发中心(上海)有限公司 语音识别处理及反馈***、语音回复方法
CN103219005A (zh) * 2013-04-28 2013-07-24 北京云知声信息技术有限公司 一种语音识别方法及装置
CN103310788A (zh) * 2013-05-23 2013-09-18 北京云知声信息技术有限公司 一种语音信息识别方法及***
CN104239328A (zh) * 2013-06-18 2014-12-24 联想(北京)有限公司 多媒体处理方法及多媒体***
CN103607518A (zh) * 2013-12-03 2014-02-26 郑彩富 语音应答后推送多媒体信息的方法、客户端、服务端及***
CN103646644A (zh) * 2013-12-12 2014-03-19 华为终端有限公司 一种获取语音识别业务信息认可度的方法和装置
CN103685524A (zh) * 2013-12-16 2014-03-26 中国科学院深圳先进技术研究院 智能车载终端***

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106325112A (zh) * 2015-06-25 2017-01-11 联想(北京)有限公司 一种信息处理方法及电子设备
CN107039050A (zh) * 2016-02-04 2017-08-11 阿里巴巴集团控股有限公司 对待测试语音识别***的自动测试方法和装置
CN105809341A (zh) * 2016-03-07 2016-07-27 成都亿信标准认证集团有限公司 标准认证自动服务查询***
CN106098057A (zh) * 2016-06-13 2016-11-09 北京云知声信息技术有限公司 播放语速管理方法及装置
CN107526951A (zh) * 2016-06-21 2017-12-29 深圳市中兴微电子技术有限公司 一种信息发送方法及装置
CN107656461A (zh) * 2016-07-26 2018-02-02 青岛海尔洗衣机有限公司 一种基于用户年龄调节语音的方法及洗衣机
CN106384590A (zh) * 2016-09-07 2017-02-08 上海联影医疗科技有限公司 语音控制装置和语音控制方法
CN106504743A (zh) * 2016-11-14 2017-03-15 北京光年无限科技有限公司 一种用于智能机器人的语音交互输出方法及机器人
CN108053820A (zh) * 2017-12-13 2018-05-18 广东美的制冷设备有限公司 空气调节器的语音播报方法及装置
CN108154877A (zh) * 2017-12-13 2018-06-12 广东美的制冷设备有限公司 空气调节器的语音播报方法及装置
CN108347646A (zh) * 2018-03-20 2018-07-31 百度在线网络技术(北京)有限公司 多媒体内容播放方法和装置
CN108347646B (zh) * 2018-03-20 2019-07-02 百度在线网络技术(北京)有限公司 多媒体内容播放方法和装置
CN108647346A (zh) * 2018-05-15 2018-10-12 苏州东巍网络科技有限公司 一种用于可穿戴电子设备的老年人语音交互方法和***
CN109033344A (zh) * 2018-07-24 2018-12-18 上海常仁信息科技有限公司 一种远程交互机器人***
CN109065041A (zh) * 2018-08-09 2018-12-21 上海常仁信息科技有限公司 一种基于机器人的语音交互***和方法
CN110996163A (zh) * 2018-10-02 2020-04-10 哈曼国际工业有限公司 用于自动字幕显示的***和方法
CN111192574A (zh) * 2018-11-14 2020-05-22 奇酷互联网络科技(深圳)有限公司 智能语音交互方法、移动终端和计算机可读存储介质
CN109509470A (zh) * 2018-12-11 2019-03-22 平安科技(深圳)有限公司 语音交互方法、装置、计算机可读存储介质及终端设备
CN109509470B (zh) * 2018-12-11 2024-05-07 平安科技(深圳)有限公司 语音交互方法、装置、计算机可读存储介质及终端设备
CN110288683A (zh) * 2019-06-28 2019-09-27 北京百度网讯科技有限公司 用于生成信息的方法和装置
CN110288683B (zh) * 2019-06-28 2024-05-28 北京百度网讯科技有限公司 用于生成信息的方法和装置
CN111916065A (zh) * 2020-08-05 2020-11-10 北京百度网讯科技有限公司 用于处理语音的方法和装置
CN111916065B (zh) * 2020-08-05 2024-07-02 北京百度网讯科技有限公司 用于处理语音的方法和装置
CN112163433A (zh) * 2020-09-29 2021-01-01 北京字跳网络技术有限公司 关键词汇的匹配方法、装置、电子设备及存储介质
CN112163433B (zh) * 2020-09-29 2022-04-05 北京字跳网络技术有限公司 关键词汇的匹配方法、装置、电子设备及存储介质
CN115240334A (zh) * 2022-08-29 2022-10-25 广州卓腾科技有限公司 一种基于自助***设备的***方法、***和介质

Also Published As

Publication number Publication date
US9928834B2 (en) 2018-03-27
US20160240195A1 (en) 2016-08-18

Similar Documents

Publication Publication Date Title
CN104681023A (zh) 一种信息处理方法及电子设备
CN107871500B (zh) 一种播放多媒体的方法和装置
CN107918653B (zh) 一种基于喜好反馈的智能播放方法和装置
US11475897B2 (en) Method and apparatus for response using voice matching user category
US20210225380A1 (en) Voiceprint recognition method and apparatus
US10088983B1 (en) Management of content versions
KR20190021409A (ko) 음성 플레이 방법 및 장치
JP2017527926A (ja) 社交的会話入力に対するコンピュータレスポンスの生成
CN111383631B (zh) 一种语音交互方法、装置及***
CN107247769A (zh) 语音点歌方法、装置、终端及存储介质
CN115082602B (zh) 生成数字人的方法、模型的训练方法、装置、设备和介质
CN103956167A (zh) 一种基于Web的可视化手语翻译方法及设备
US11511200B2 (en) Game playing method and system based on a multimedia file
CN111178056A (zh) 基于深度学习的文案生成方法、装置及电子设备
CN108614851A (zh) 教学***中的注释内容显示方法以及装置
WO2018094952A1 (zh) 一种内容推荐方法与装置
CN112908292A (zh) 文本的语音合成方法、装置、电子设备及存储介质
CN103544145A (zh) 一种外出旅行多语言翻译***及方法
CN110413834B (zh) 语音评论修饰方法、***、介质和电子设备
US11386884B2 (en) Platform and system for the automated transcription of electronic online content from a mostly visual to mostly aural format and associated method of use
Lee Voice user interface projects: build voice-enabled applications using dialogflow for *** home and Alexa skills kit for Amazon Echo
CN114064943A (zh) 会议管理方法、装置、存储介质及电子设备
CN115734024A (zh) 音频数据处理方法、装置、设备及存储介质
CN113407766A (zh) 视觉动画显示方法及相关设备
CN116737883A (zh) 人机交互方法、装置、设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150603