CN107564532A - 电子设备的唤醒方法、装置、设备及计算机可读存储介质 - Google Patents

电子设备的唤醒方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN107564532A
CN107564532A CN201710543516.4A CN201710543516A CN107564532A CN 107564532 A CN107564532 A CN 107564532A CN 201710543516 A CN201710543516 A CN 201710543516A CN 107564532 A CN107564532 A CN 107564532A
Authority
CN
China
Prior art keywords
electronic equipment
audio data
wake
file
voice
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
CN201710543516.4A
Other languages
English (en)
Inventor
陈荣杰
赵立峰
常先堂
颜士威
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.)
Baidu Online Network Technology Beijing Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710543516.4A priority Critical patent/CN107564532A/zh
Priority to US15/857,569 priority patent/US10783884B2/en
Publication of CN107564532A publication Critical patent/CN107564532A/zh
Priority to JP2018047963A priority patent/JP2019015951A/ja
Priority to KR1020180030249A priority patent/KR20190005103A/ko
Priority to EP18163301.7A priority patent/EP3425630A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G06F1/3231—Monitoring the presence, absence or movement of users
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)
  • Stored Programmes (AREA)

Abstract

本发明提供一种电子设备的唤醒方法、装置、设备及计算机可读存储介质。本发明实施例通过获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备，进而根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够播放所述电子设备的唤醒应答文件，由于能够可选择的音频数据文件不止一个，使得能够提供多种提示音，从而实现了提供多种唤醒提示的目的。

Description

电子设备的唤醒方法、装置、设备及计算机可读存储介质
【技术领域】
本发明涉及唤醒技术，尤其涉及一种电子设备的唤醒方法、装置、设备及计算机可读存储介质。
【背景技术】
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。
近年来，携带有语音交互功能的电子设备例如，智能音箱等不断涌现，其通常采用语音唤醒方式进行唤醒。目前的语音唤醒方式中，只能提供单一的提示音作为唤醒提示，形式较为单一。
【发明内容】
本发明的多个方面提供一种电子设备的唤醒方法、装置、设备及计算机可读存储介质，用以提供多种唤醒提示。
本发明的一方面，提供一种电子设备的唤醒方法，包括：
获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备；
根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件；
播放所述电子设备的唤醒应答文件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件之前，还包括：
获取至少一个提示文本和至少一个声音参数；
根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件之后，还包括：
将所述至少两个音频数据文件提供给所述电子设备，以供所述电子设备进行存储处理。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，包括：
根据所述语音唤醒指令，从至少两个音频数据文件中，随机选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，包括：
根据所述语音唤醒指令，获得声纹特征；
根据所述声纹特征，从至少两个音频数据文件中，选择所述用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件。
本发明的另一方面，提供一种电子设备的唤醒装置，包括：
获取单元，用于获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备；
选择单元，用于根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件；
播放单元，用于播放所述电子设备的唤醒应答文件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括生成单元，用于
获取至少一个提示文本和至少一个声音参数；以及
根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述生成单元，还用于
将所述至少两个音频数据文件提供给所述电子设备，以供所述电子设备进行存储处理。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述选择单元，具体用于
根据所述语音唤醒指令，从至少两个音频数据文件中，随机选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述选择单元，具体用于
根据所述语音唤醒指令，获得声纹特征；以及
根据所述声纹特征，从至少两个音频数据文件中，选择所述用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件。
本发明的另一方面，提供一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述一方面所提供的电子设备的唤醒方法。
本发明的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述一方面所提供的电子设备的唤醒方法。
由上述技术方案可知，本发明实施例通过获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备，进而根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够播放所述电子设备的唤醒应答文件，由于能够可选择的音频数据文件不止一个，使得能够提供多种提示音，从而实现了提供多种唤醒提示的目的。
另外，采用本发明所提供的技术方案，通过采用声纹特征，能够准确识别出是哪个用户在唤醒电子设备，从而选择出该用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够向用户提供个性化的提示音，进一步实现了提供多种唤醒提示的目的。
另外，采用本发明所提供的技术方案，能够有效地提高用户的体验。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的电子设备的唤醒方法的流程示意图；
图2为本发明另一实施例提供的电子设备的唤醒装置的结构示意图；
图3为本发明另一实施例提供的电子设备的唤醒装置的结构示意图；
图4为适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)、个人电脑(Personal Computer，PC)、MP3播放器、MP4播放器、可穿戴设备(例如，智能眼镜、智能手表、智能手环等)等。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本发明一实施例提供的电子设备的唤醒方法的流程示意图，如图1所示。
101、获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备。
102、根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
103、播放所述电子设备的唤醒应答文件。
可以理解的是，在101之后，获取到用户的语音唤醒指令之后，电子设备可以采用现有技术中的技术方案，根据语音唤醒指令，执行相关的唤醒操作，以进入工作状态，详细描述可以参见现有技术中的相关内容。
需要说明的是，101～103的执行主体的部分或全部可以为位于电子设备的应用，或者还可以为位于本地终端的应用，或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，或者还可以为位于网络侧服务器中的处理引擎，或者还可以为位于网络侧的分布式***，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
这样，通过获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备，进而根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够播放所述电子设备的唤醒应答文件，由于能够可选择的音频数据文件不止一个，使得能够提供多种提示音，从而实现了提供多种唤醒提示的目的。
现在我们家中的具有操作***的电子设备，如电脑、智能家居设备、电视盒子等，都有***休眠功能；当达到一定条件后，***就会进入休眠状态，例如，电子设备可以关闭一些功能后只是保留一部分的唤醒功能和电源。这样，能够节约该电子设备的用电量，同时还能够减少电子设备的损耗，延长电子设备的使用寿命。
可选地，在本实施例的一个可能的实现方式中，在101之前，电子设备已经处于休眠状态。
可选地，在本实施例的一个可能的实现方式中，在101之前，还可以进一步设置一些特定语音指令，作为语音唤醒指令，例如，hi，我们开始吧等。
可选地，在本实施例的一个可能的实现方式中，在101中，具体可以利用声音采集装置，获取所述用户所提供的语音唤醒指令。其中，所述声音采集装置，可以为电子设备内置或外置的麦克风等，本实施例对此不进行特别限定。
可选地，在本实施例的一个可能的实现方式中，在102之前，还可以进一步获取至少一个提示文本和至少一个声音参数，进而，则可以根据所述至少一个提示文本和所述至少一个声音参数，利用从文本到语音(Text To Speech，TTS)技术，生成所述至少两个音频数据文件。
其中，所述声音参数，可以包括但不限于音高参数、音调参数、音量参数、音色参数、语速参数和音效参数中的至少一项，本实施例对此不进行特别限定。
所谓的声音参数，可以是指用于确定声音角色的相关参数，例如，男声、女声、童声、卡通人物声等声音角色，本实施例对此不进行特别限定。
具体来说，在该实现方式中，可以采用本地方式，生成所述至少两个音频数据文件，或者还可以采用云端方式，生成所述至少两个音频数据文件，本实施例对此不进行特别限定。
进一步地，在生成所述至少两个音频数据文件之后，还可以进一步将所述至少两个音频数据文件提供给所述电子设备，以供所述电子设备进行存储处理。
例如，在电子设备生成所述至少两个音频数据文件之后，可以将所生成的所述至少两个音频数据文件，按照声音角色，分别存储在电子设备的对应目录下。
或者，再例如，用户可以利用电子设备所对应的终端上的应用，根据自己的偏好提供声音参数，用以控制生成所述至少两个音频数据文件。例如，利用电子设备所对应的终端上的应用，将声音参数发送给电子设备，由电子设备生成所述至少两个音频数据文件。或者，再例如，利用电子设备所对应的终端上的应用或者该应用所对应的服务器，生成所述至少两个音频数据文件。然后，可以将所生成的所述至少两个音频数据文件，按照声音角色，分别下载到电子设备的对应目录下。
可选地，在本实施例的一个可能的实现方式中，在102中，具体可以根据所述语音唤醒指令，从至少两个音频数据文件中，随机选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
可选地，在本实施例的一个可能的实现方式中，在102中，具体可以根据所述语音唤醒指令，获得声纹特征，进而，则可以根据所述声纹特征，从至少两个音频数据文件中，选择所述用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件。
所谓的声纹特征，是一个音频数据专属的特征，是指可以代表一段音频数据的重要声学特征的基于内容的数字签名，其主要目的是建立一种有效机制来比较两个音频数据的感知听觉质量。注意这里不是直接比较通常很大的音频数据本身，而是比较其相应通常较小的声纹特征。
在一个具体的实现过程中，所述声纹特征，可以包括但不限于与人类的发音机制的解剖学结构有关的声学特征，例如，频谱、倒频谱、共振峰、基音、反射系数，等等。
具体来说，具体可以对所述用户的语音唤醒指令进行抽样、量化和编码处理，以获得PCM数据，作为用户音频数据。然后，则可以对所述用户音频数据进行分帧处理，以获得至少一帧数据，进而对至少一帧数据中每帧数据进行音频分析处理，以获得每帧数据的声纹特征。
例如，可以对所述用户音频数据按照预设时间间隔，例如，20ms，进行分帧处理，且相邻帧之间有部分的数据重叠，例如50％的数据重叠，这样，能够获得所述用户音频数据的至少一帧数据。
在另一个具体的实现过程中，在102之前，可以获取所述用户的标准声纹，例如，采集用户提供的参考语音指令，根据该参考语音指令，获得该用户的标准声纹。
在获取用户的标准声纹之后，则可以对其进行存储处理。具体来说，具体可以将用户的标准声纹，存储到终端的存储设备上，或者存储到电子设备的存储设备上，本实施例对此不进行特别限定
在一个具体的实现过程中，所述存储设备可以为慢速存储设备，具体可以为计算机***的硬盘，或者还可以为终端或电子设备的非运行内存即物理内存，例如，只读存储器(Read-Only Memory，ROM)和内存卡等，本实施例对此不进行特别限定。
在另一个具体的实现过程中，所述存储设备还可以为快速存储设备，具体可以为计算机***的内存，或者还可以为终端或电子设备的运行内存即***内存，例如，随机存储器(Random Access Memory，RAM)等，本实施例对此不进行特别限定。
本实施例中，通过获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备，进而根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够播放所述电子设备的唤醒应答文件，由于能够可选择的音频数据文件不止一个，使得能够提供多种提示音，从而实现了提供多种唤醒提示的目的。
另外，采用本发明所提供的技术方案，通过采用声纹特征，能够准确识别出是哪个用户在唤醒电子设备，从而选择出该用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够向用户提供个性化的提示音，进一步实现了提供多种唤醒提示的目的。
另外，采用本发明所提供的技术方案，能够有效地提高用户的体验。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
图2为本发明另一实施例提供的电子设备的唤醒装置的结构示意图，如图2所示。本实施例的电子设备的唤醒装置可以包括获取单元21、选择单元22和播放单元23。其中，获取单元21，用于获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备；选择单元22，用于根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件；播放单元23，用于播放所述电子设备的唤醒应答文件。
需要说明的是，本实施例所提供的电子设备的唤醒装置的部分或全部可以为位于本地终端的应用，或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，或者还可以为位于网络侧服务器中的查询引擎，或者还可以为位于网络侧的分布式***，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端上的本地程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行特别限定。
可选地，在本实施例的一个可能的实现方式中，如图3所示，本实施例所提供的电子设备的唤醒装置还可以进一步包括生成单元31，可以用于获取至少一个提示文本和至少一个声音参数；以及根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件。
进一步地，在该实现方式中，所述生成单元31，还可以进一步用于将所述至少两个音频数据文件提供给所述电子设备，以供所述电子设备进行存储处理。
可选地，在本实施例的一个可能的实现方式中，所述选择单元22，具体可以用于根据所述语音唤醒指令，从至少两个音频数据文件中，随机选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
可选地，在本实施例的一个可能的实现方式中，所述选择单元22，具体可以用于根据所述语音唤醒指令，获得声纹特征；以及根据所述声纹特征，从至少两个音频数据文件中，选择所述用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件。
需要说明的是，图1对应的实施例中方法，可以由本实施例提供的电子设备的唤醒装置实现。详细描述可以参见图1对应的实施例中的相关内容，此处不再赘述。
本实施例中，通过获取单元获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备，进而由选择单元根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得播放单元能够播放所述电子设备的唤醒应答文件，由于能够可选择的音频数据文件不止一个，使得能够提供多种提示音，从而实现了提供多种唤醒提示的目的。
另外，采用本发明所提供的技术方案，通过采用声纹特征，能够准确识别出是哪个用户在唤醒电子设备，从而选择出该用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件，使得能够向用户提供个性化的提示音，进一步实现了提供多种唤醒提示的目的。
另外，采用本发明所提供的技术方案，能够有效地提高用户的体验。
图4示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图4显示的计算机***/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储装置或者***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如***存储器28中，这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信，和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口44进行。并且，计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机***/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1所对应的实施例所提供的电子设备的唤醒方法。
本发明另一实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现图1所对应的实施例所提供的电子设备的唤醒方法。
具体来说，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或页面组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一个计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种电子设备的唤醒方法，其特征在于，包括：
获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备；
根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件；
播放所述电子设备的唤醒应答文件。
2.根据权利要求1所述的方法，其特征在于，所述根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件之前，还包括：
获取至少一个提示文本和至少一个声音参数；
根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件。
3.根据权利要求2所述的方法，其特征在于，所述根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件之后，还包括：
将所述至少两个音频数据文件提供给所述电子设备，以供所述电子设备进行存储处理。
4.根据权利要求1～3任一权利要求所述的方法，其特征在于，所述根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，包括：
根据所述语音唤醒指令，从至少两个音频数据文件中，随机选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
5.根据权利要求1～3任一权利要求所述的方法，其特征在于，所述根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件，包括：
根据所述语音唤醒指令，获得声纹特征；
根据所述声纹特征，从至少两个音频数据文件中，选择所述用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件。
6.一种电子设备的唤醒装置，其特征在于，包括：
获取单元，用于获取用户的语音唤醒指令，所述语音唤醒指令用于唤醒电子设备；
选择单元，用于根据所述语音唤醒指令，从至少两个音频数据文件中，选择一个音频数据文件，以作为所述电子设备的唤醒应答文件；
播放单元，用于播放所述电子设备的唤醒应答文件。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括生成单元，用于
获取至少一个提示文本和至少一个声音参数；以及
根据所述至少一个提示文本和所述至少一个声音参数，利用TTS技术，生成所述至少两个音频数据文件。
8.根据权利要求7所述的装置，其特征在于，所述生成单元，还用于
将所述至少两个音频数据文件提供给所述电子设备，以供所述电子设备进行存储处理。
9.根据权利要求6～8任一权利要求所述的装置，其特征在于，所述选择单元，具体用于
根据所述语音唤醒指令，从至少两个音频数据文件中，随机选择一个音频数据文件，以作为所述电子设备的唤醒应答文件。
10.根据权利要求6～8任一权利要求所述的装置，其特征在于，所述选择单元，具体用于
根据所述语音唤醒指令，获得声纹特征；以及
根据所述声纹特征，从至少两个音频数据文件中，选择所述用户所设置的一个音频数据文件，以作为所述电子设备的唤醒应答文件。
11.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～5中任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～5中任一所述的方法。
CN201710543516.4A 2017-07-05 2017-07-05 电子设备的唤醒方法、装置、设备及计算机可读存储介质 Pending CN107564532A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710543516.4A CN107564532A (zh) 2017-07-05 2017-07-05 电子设备的唤醒方法、装置、设备及计算机可读存储介质
US15/857,569 US10783884B2 (en) 2017-07-05 2017-12-28 Electronic device-awakening method and apparatus, device and computer-readable storage medium
JP2018047963A JP2019015951A (ja) 2017-07-05 2018-03-15 電子機器のウェイクアップ方法、装置、デバイス及びコンピュータ可読記憶媒体
KR1020180030249A KR20190005103A (ko) 2017-07-05 2018-03-15 전자기기의 웨이크업 방법, 장치, 디바이스 및 컴퓨터 가독 기억매체
EP18163301.7A EP3425630A1 (en) 2017-07-05 2018-03-22 Electronic device-awakening method and apparatus, device and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710543516.4A CN107564532A (zh) 2017-07-05 2017-07-05 电子设备的唤醒方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN107564532A true CN107564532A (zh) 2018-01-09

Family

ID=60973450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710543516.4A Pending CN107564532A (zh) 2017-07-05 2017-07-05 电子设备的唤醒方法、装置、设备及计算机可读存储介质

Country Status (5)

Country Link
US (1) US10783884B2 (zh)
EP (1) EP3425630A1 (zh)
JP (1) JP2019015951A (zh)
KR (1) KR20190005103A (zh)
CN (1) CN107564532A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108231079A (zh) * 2018-02-01 2018-06-29 北京百度网讯科技有限公司 用于控制电子设备的方法、装置、设备以及计算机可读存储介质
CN108495160A (zh) * 2018-02-08 2018-09-04 百度在线网络技术（北京）有限公司 智能控制方法、***、设备及存储介质
CN109348068A (zh) * 2018-12-03 2019-02-15 咪咕数字传媒有限公司 一种信息处理方法、装置及存储介质
CN109637560A (zh) * 2018-12-19 2019-04-16 广州势必可赢网络科技有限公司 一种数据存储方法、装置和计算机可读存储介质
CN113593541A (zh) * 2020-04-30 2021-11-02 阿里巴巴集团控股有限公司 数据处理方法、装置、电子设备和计算机存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110534117B (zh) * 2019-09-10 2022-11-25 阿波罗智联(北京)科技有限公司 用于优化语音生成模型的方法、装置、设备和计算机介质
CN111916079A (zh) * 2020-08-03 2020-11-10 深圳创维－Rgb电子有限公司 一种电子设备的语音响应方法、***、设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1196536A (zh) * 1997-04-17 1998-10-21 卡西欧计算机株式会社 具有代理人功能的信息处理器及包含处理程序的存储媒体
JP2001273065A (ja) * 2000-03-23 2001-10-05 Honda Motor Co Ltd エージェント装置
JP2004096520A (ja) * 2002-09-02 2004-03-25 Hosiden Corp 音声認識リモコン
JP2006106748A (ja) * 2004-10-05 2006-04-20 Inago Kk 音声認識の精度を改善するためのシステムおよび方法
CN102150128A (zh) * 2008-09-09 2011-08-10 苹果公司 音频用户接口
CN202068466U (zh) * 2011-03-31 2011-12-07 吴瑞宗 一种语音响应手机
CN103187051A (zh) * 2011-12-28 2013-07-03 上海博泰悦臻电子设备制造有限公司 车载互动装置
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
WO2015060867A1 (en) * 2013-10-25 2015-04-30 Intel Corporation Techniques for preventing voice replay attacks
WO2016063879A1 (ja) * 2014-10-20 2016-04-28 ヤマハ株式会社 音声合成装置および方法
WO2016085776A1 (en) * 2014-11-28 2016-06-02 Microsoft Technology Licensing, Llc Device arbitration for listening devices

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3674990B2 (ja) * 1995-08-21 2005-07-27 セイコーエプソン株式会社 音声認識対話装置および音声認識対話処理方法
JPH10293709A (ja) 1997-04-18 1998-11-04 Casio Comput Co Ltd 情報処理装置及び記憶媒体
US6449496B1 (en) * 1999-02-08 2002-09-10 Qualcomm Incorporated Voice recognition user interface for telephone handsets
US7418392B1 (en) * 2003-09-25 2008-08-26 Sensory, Inc. System and method for controlling the operation of a device by voice commands
US9329832B2 (en) * 2011-05-09 2016-05-03 Robert Allen Blaisch Voice internet system and method
JP5902068B2 (ja) * 2012-08-22 2016-04-13 シャープ株式会社 情報処理装置およびその制御方法
US10047970B2 (en) * 2013-08-21 2018-08-14 Honeywell International Inc. Devices and methods for interacting with an HVAC controller
US9443522B2 (en) * 2013-11-18 2016-09-13 Beijing Lenovo Software Ltd. Voice recognition method, voice controlling method, information processing method, and electronic apparatus
US9691378B1 (en) * 2015-11-05 2017-06-27 Amazon Technologies, Inc. Methods and devices for selectively ignoring captured audio data
WO2017184169A1 (en) * 2016-04-22 2017-10-26 Hewlett-Packard Development Company, L.P. Communications with trigger phrases
US20170330564A1 (en) * 2016-05-13 2017-11-16 Bose Corporation Processing Simultaneous Speech from Distributed Microphones
US10152969B2 (en) * 2016-07-15 2018-12-11 Sonos, Inc. Voice detection by multiple devices
US10297254B2 (en) * 2016-10-03 2019-05-21 Google Llc Task initiation using long-tail voice commands by weighting strength of association of the tasks and their respective commands based on user feedback
KR20180085931A (ko) * 2017-01-20 2018-07-30 삼성전자주식회사 음성 입력 처리 방법 및 이를 지원하는 전자 장치
CN107146611B (zh) * 2017-04-10 2020-04-17 北京猎户星空科技有限公司 一种语音响应方法、装置及智能设备
US10748531B2 (en) * 2017-04-13 2020-08-18 Harman International Industries, Incorporated Management layer for multiple intelligent personal assistant services
US10521512B2 (en) * 2017-05-26 2019-12-31 Bose Corporation Dynamic text-to-speech response from a smart speaker

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1196536A (zh) * 1997-04-17 1998-10-21 卡西欧计算机株式会社 具有代理人功能的信息处理器及包含处理程序的存储媒体
JP2001273065A (ja) * 2000-03-23 2001-10-05 Honda Motor Co Ltd エージェント装置
JP2004096520A (ja) * 2002-09-02 2004-03-25 Hosiden Corp 音声認識リモコン
JP2006106748A (ja) * 2004-10-05 2006-04-20 Inago Kk 音声認識の精度を改善するためのシステムおよび方法
CN102150128A (zh) * 2008-09-09 2011-08-10 苹果公司 音频用户接口
CN202068466U (zh) * 2011-03-31 2011-12-07 吴瑞宗 一种语音响应手机
CN103187051A (zh) * 2011-12-28 2013-07-03 上海博泰悦臻电子设备制造有限公司 车载互动装置
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
WO2015060867A1 (en) * 2013-10-25 2015-04-30 Intel Corporation Techniques for preventing voice replay attacks
WO2016063879A1 (ja) * 2014-10-20 2016-04-28 ヤマハ株式会社 音声合成装置および方法
WO2016085776A1 (en) * 2014-11-28 2016-06-02 Microsoft Technology Licensing, Llc Device arbitration for listening devices

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108231079A (zh) * 2018-02-01 2018-06-29 北京百度网讯科技有限公司 用于控制电子设备的方法、装置、设备以及计算机可读存储介质
CN108231079B (zh) * 2018-02-01 2021-12-07 北京百度网讯科技有限公司 用于控制电子设备的方法、装置、设备以及计算机可读存储介质
CN108495160A (zh) * 2018-02-08 2018-09-04 百度在线网络技术（北京）有限公司 智能控制方法、***、设备及存储介质
CN109348068A (zh) * 2018-12-03 2019-02-15 咪咕数字传媒有限公司 一种信息处理方法、装置及存储介质
CN109637560A (zh) * 2018-12-19 2019-04-16 广州势必可赢网络科技有限公司 一种数据存储方法、装置和计算机可读存储介质
CN113593541A (zh) * 2020-04-30 2021-11-02 阿里巴巴集团控股有限公司 数据处理方法、装置、电子设备和计算机存储介质
CN113593541B (zh) * 2020-04-30 2024-03-12 阿里巴巴集团控股有限公司 数据处理方法、装置、电子设备和计算机存储介质

Also Published As

Publication number Publication date
EP3425630A1 (en) 2019-01-09
KR20190005103A (ko) 2019-01-15
US10783884B2 (en) 2020-09-22
JP2019015951A (ja) 2019-01-31
US20190013020A1 (en) 2019-01-10

Similar Documents

Publication Publication Date Title
CN107564532A (zh) 电子设备的唤醒方法、装置、设备及计算机可读存储介质
EP3910627B1 (en) Keyword detection method and related device
CN109087669B (zh) 音频相似度检测方法、装置、存储介质及计算机设备
CN110310628B (zh) 唤醒模型的优化方法、装置、设备及存储介质
CN109147818A (zh) 声学特征提取方法、装置、存储介质及终端设备
CN104254884B (zh) 用于分析数字化音频流的低功率集成电路
CN107134279A (zh) 一种语音唤醒方法、装置、终端和存储介质
CN108735209A (zh) 唤醒词绑定方法、智能设备及存储介质
CN108597507A (zh) 远场语音功能实现方法、设备、***及存储介质
CN110265040A (zh) 声纹模型的训练方法、装置、存储介质及电子设备
CN108922525B (zh) 语音处理方法、装置、存储介质及电子设备
CN107147792A (zh) 一种自动配置音效的方法、装置、移动终端及存储装置
CN110890093A (zh) 一种基于人工智能的智能设备唤醒方法和装置
CN107545029A (zh) 智能设备的语音反馈方法、设备及可读介质
CN106502649A (zh) 一种机器人服务唤醒方法及装置
CN110277088A (zh) 智能语音识别方法、装置及计算机可读存储介质
CN112735418A (zh) 一种语音交互的处理方法、装置、终端及存储介质
CN104078042B (zh) 一种电子设备及一种信息处理的方法
CN106980640A (zh) 针对照片的交互方法、设备和计算机可读存储介质
WO2023206928A1 (zh) 语音处理方法、装置、计算机设备及计算机可读存储介质
CN115019820A (zh) 一种触感感应和手指组合发声的聋哑人沟通方法及***
CN107483749A (zh) 闹钟唤醒方法和终端
CN113012681A (zh) 基于唤醒语音模型的唤醒语音合成方法及应用唤醒方法
CN110675874A (zh) 一种基于智能音箱的虚拟角色与ui交互的实现方法
WO2020102979A1 (zh) 语音信息的处理方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20210511

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant after: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

Applicant after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20180109