CN109087650B - 语音唤醒方法及装置 - Google Patents

Abstract

本公开关于一种语音唤醒方法及装置，属于语音处理技术领域。所述方法包括：采集电子设备所处环境内的第一语音信号；若采集所述第一语音信号时所述环境内正在播放音频，则采集在所述第一语音信号的采集时段内播放的音频片段的音频信号；根据所述音频信号对所述第一语音信号进行降噪处理，得到第二语音信号；根据所述第二语音信号执行语音唤醒操作。本公开可以对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

Description

语音唤醒方法及装置

技术领域

本公开涉及语音处理技术领域，特别涉及一种语音唤醒方法及装置。

背景技术

语音唤醒是指用户通过说出唤醒词来唤醒电子设备，使电子设备进入等待语音指令或执行语音指令的状态。

由于电子设备采集的语音信号除了包括用户说出的唤醒词所对应的语音之外，还包括当时电子设备所处环境内的噪声，当该噪声较大，会影响语音唤醒的成功率。

发明内容

为解决相关技术中的问题，本公开提供了一种语音唤醒方法及装置。

根据本公开实施例的第一方面，提供一种语音唤醒方法，所述方法包括：

采集电子设备所处环境内的第一语音信号；

若采集所述第一语音信号时所述环境内正在播放音频，则采集在所述第一语音信号的采集时段内播放的音频片段的音频信号；

根据所述音频信号对所述第一语音信号进行降噪处理，得到第二语音信号；

根据所述第二语音信号执行语音唤醒操作。

根据本公开实施例的第二方面，提供一种语音唤醒装置，所述装置包括：

第一采集模块，被配置为采集电子设备所处环境内的第一语音信号；

第二采集模块，还被配置为若采集所述第一语音信号时所述环境内正在播放音频，则采集在所述第一语音信号的采集时段内播放的音频片段的音频信号；

降噪模块，被配置为根据所述第二采集模块采集的所述音频信号对所述第一采集模块采集的所述第一语音信号进行降噪处理，得到第二语音信号；

唤醒模块，被配置为根据所述降噪模块得到的所述第二语音信号执行语音唤醒操作。

根据本公开实施例的第三方面，提供一种语音唤醒装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集电子设备所处环境内的第一语音信号；

若采集所述第一语音信号时所述环境内正在播放音频，则采集在所述第一语音信号的采集时段内播放的音频片段的音频信号；

根据所述音频信号对所述第一语音信号进行降噪处理，得到第二语音信号；

根据所述第二语音信号执行语音唤醒操作。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的语音唤醒方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

通过采集电子设备所处环境内的第一语音信号，并采集在该第一语音信号的采集时段内播放的音频片段的音频信号，这样，可以根据音频信号对第一语音信号进行降噪处理，即对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本公开说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种成功唤醒电子设备的示意图。

图2是根据一示例性实施例示出的一种成功接收语音指令的示意图。

图3是根据一示例性实施例示出的一种语音唤醒方法的流程图。

图4是根据另一示例性实施例示出的一种语音唤醒方法的流程图。

图5是根据另一示例性实施例示出的一种语音唤醒方法的流程图。

图6是根据一示例性实施例示出的一种语音唤醒装置的框图。

图7是根据一示例性实施例示出的一种语音唤醒装置的框图。

图8是根据一示例性实施例示出的一种用于语音唤醒的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

下面对本公开涉及到的名词进行解释。

语音唤醒操作：语音唤醒操作包括唤醒操作和识别操作两个部分。其中，唤醒操作是指用户说出唤醒词来唤醒电子设备，使电子设备处于等待语音指令的状态。识别操作是指电子设备被唤醒后，用户说出语音指令来控制电子设备执行相应的语音操作。

可选的，在电子设备被成功唤醒时，可以显示成功唤醒电子设备的示意图，以指示电子设备正在等待用户说出语音指令。请参考图1，图1中电子设备在桌面上方显示一个提示框，该提示框中显示有“嗯，你说…”的提示信息。

可选的，在电子设备接收到语音指令时，可以显示成功接收语音指令的示意图。请参考图2，图2中以语音指令为“今天天气”为例，则图2中的提示框中显示的提示信息可以是“今天天气”。

唤醒词：用于唤醒电子设备的字符串。比如，唤醒词是“小爱同学”等。

语音指令：语音控制电子设备执行相应的语音操作的指令。比如，语音指令可以是“导航回家”、“播放音乐”等。

下面对本公开的实施环境进行介绍。

在用户不方便手动操作电子设备时，可以对电子设备进行语音唤醒操作。即，用户可以先说出唤醒词来唤醒电子设备，再说出语音指令来控制电子设备执行相应的语音操作。下面对语音唤醒时播放音频的两种应用场景进行说明。

在第一种应用场景中，电子设备将电子设备中的音频传输给播放设备，由播放设备播放音频，这里的播放设备可以是与该电子设备建立连接的车载播放设备、音箱、电视机、电脑等等，本实施例不作限定。比如，电子设备与车载播放设备建立蓝牙连接，电子设备将电子设备中的歌曲传输给车载播放设备进行播放。或者，电子设备与音箱建立蓝牙或WiFi(Wireless Fidelity，无线保真)连接，电子设备将电子设备中的歌曲传输给音箱进行播放。或者，电子设备与电视机(或电脑)建立WiFi连接，电子设备将电子设备中的歌曲或视频传输给电视机(或电脑)进行播放。

在第二种应用场景中，播放设备从除电子设备之外的其他设备中获取音频进行播放，这里的其他设备可以是服务器、其他电子设备等等，这里的播放设备可以是与其他设备建立连接的车载播放设备、音箱、电视机、电脑等等。比如，电视机与服务器建立WiFi连接，从服务器中获取音频或视频进行播放。或者，电视机与他人的电子设备建立WiFi连接，从他人的电子设备中获取音频或视频进行播放。

在上述两种应用场景中，若电子设备所处的环境内正在播放音频，会对唤醒操作和识别操作造成干扰。

以唤醒词为“小爱同学”为例，若环境内正在播放音频，则电子设备采集到的语音信号不仅包括“小爱同学”的人声，还包括该音频的音频信号，此时音频信号的干扰较大，电子设备可能会识别不出来“小爱同学”，导致唤醒操作的成功率较低；或者，可能是音频中出现类似于“小爱同学”的人声，用户并没有说出“小爱同学”，此时电子设备可能会误唤醒电子设备，从而打扰到用户。

以语音指令为“今天天气”为例，若环境内正在播放音频，则电子设备采集到的语音信号不仅包括“今天天气”的人声，还包括该音频的音频信号，此时音频信号的干扰较大，电子设备可能会识别不出来“今天天气”，也就无法为用户播报今天的天气预报，导致识别操作的成功率较低；或者，可能是音频中出现类似于“今天天气”的人声，用户并没有说出“今天天气”，此时电子设备可能会误播报今天的天气预报，从而打扰到用户。

根据上述内容可知，电子设备需要对该干扰进行处理，详见下面实施例中的描述。

图3是根据一示例性实施例示出的一种语音唤醒方法的流程图，该语音唤醒方法应用于电子设备中，如图3所示，该语音唤醒方法包括以下步骤。

在步骤301中，采集电子设备所处环境内的第一语音信号。

在步骤302中，若采集第一语音信号时环境内正在播放音频，则采集在该第一语音信号的采集时段内播放的音频片段的音频信号。

在步骤303中，根据音频信号对第一语音信号进行降噪处理，得到第二语音信号。

在步骤304中，根据第二语音信号执行语音唤醒操作。

综上所述，本公开提供的语音唤醒方法，通过采集电子设备所处环境内的第一语音信号，并采集在该第一语音信号的采集时段内播放的音频片段的音频信号，这样，可以根据音频信号对第一语音信号进行降噪处理，即对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

图4是根据另一示例性实施例示出的一种语音唤醒方法的流程图，该语音唤醒方法应用于第一种应用场景中的电子设备中，如图4所示，该语音唤醒方法包括如下步骤。

在步骤401中，采集电子设备所处环境内的第一语音信号。

电子设备中设置有语音唤醒操作的选项，当用户开启该选项时，电子设备处于支持语音唤醒操作的状态，执行本实施例提供的语音唤醒方法；当用户设备关闭该选项时，电子设备处于不支持语音唤醒操作的状态，结束流程。

本实施例中，当用户开启该选项时，由于用户可能会随时进行语音唤醒操作，所以，电子设备需要实时采集第一语音信号。这里所说的第一语音信号可以包括唤醒词，也可以包括语音指令，本实施例不作限定。

在采集第一语音信号时，电子设备可以开启麦克风，通过麦克风实时采集电子设备所处环境内的声音信号，将该声音信号作为第一语音信号。

如上述第一种应用场景的介绍中所说，当采集第一语音信号时，电子设备所处的环境内正在播放音频，则第一语音信号除了包括人声，还包括音频信号，且音频信号会对语音唤醒操作造成干扰，所以，需要检测采集第一语音信号时该环境内是否正在播放音频，即执行步骤402。

在步骤402中，检测采集第一语音信号时电子设备是否正在向播放设备传输音频。

由于第一种应用场景中的音频是电子设备发送给播放设备的，所以，电子设备可以检测采集第一语音信号时电子设备是否正在向播放设备传输音频，当电子设备正在向播放设备传输音频时，确定采集第一语音信号时电子设备所处的环境内正在播放音频，即第一语音信号中包括音频信号，执行步骤403；当电子设备未向播放设备传输音频时，确定采集第一语音信号时电子设备所处的环境内不在播放音频，即第一语音信号中不包括音频信号，电子设备根据第一语音信号执行语音唤醒操作，结束流程。

在检测采集第一语音信号时电子设备是否正在向播放设备传输音频时，电子设备可以检测采集第一语音信号时电子设备是否与播放设备建立有连接，若采集第一语音信号时电子设备与播放设备建立有连接，则确定采集第一语音信号时电子设备是否正在向播放设备传输音频；若采集第一语音信号时电子设备未与播放设备建立有连接，则确定采集第一语音信号时电子设备未向播放设备传输音频。需要说明的是，这里所述的电子设备与播放设备建立的连接包括直接连接和间接连接，直接连接是指电子设备与播放设备建立有连接，间接连接是指电子设备与播放设备位于同一网络中。

若电子设备与播放设备建立有连接，但是在采集第一语音信号时，播放设备暂停播放音频，则采用上述检测方式会导致检测结果不准确。可选的，电子设备可以检测采集第一语音信号时电子设备是否向播放设备发送数据，若采集第一语音信号时电子设备正在向播放设备发送数据，则确定采集第一语音信号时电子设备是否正在向播放设备传输音频；若采集第一语音信号时电子设备未向播放设备发送数据，则确定采集第一语音信号时电子设备未向播放设备传输音频。

在步骤403中，当采集第一语音信号时电子设备正在向播放设备传输音频时，确定采集第一语音信号时该环境内正在播放音频。

在步骤404中，若采集第一语音信号时该环境内正在播放音频，则采集在采集时段内向播放设备传输的音频片段的音频信号。

本实施例中，电子设备可以实时采集电子设备向播放设备传输的音频的音频信号，再从该音频信号中截取该采集时段内的音频片段的音频信号。这里所说的采集时段是电子设备采集第一语音信号的时段。

在步骤405中，过滤第一语音信号中所包含的音频信号，得到第二语音信号。

电子设备可以将第一语音信号和音频信号输入DSP(Digital SignalProcessing，数字信号处理)中，通过DSP同步对第一语音信号和音频信号进行处理。

在一种可能的处理方式中，DSP将第一语音信号中的音频信号当作噪音，通过降噪算法对第一语音信号中的音频信号进行过滤，使得第一语音信号中只剩下用户说出的人声，将处理后的第一语音信号称为第二语音信号。

在步骤406中，根据第二语音信号执行语音唤醒操作。

综上所述，本公开提供的语音唤醒方法，通过采集电子设备所处环境内的第一语音信号，并采集在该第一语音信号的采集时段内播放的音频片段的音频信号，这样，可以根据音频信号对第一语音信号进行降噪处理，即对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

图5是根据另一示例性实施例示出的一种语音唤醒方法的流程图，该语音唤醒方法应用于第二种应用场景中的电子设备中，如图5所示，该语音唤醒方法包括如下步骤。

在步骤501中，采集电子设备所处环境内的第一语音信号。

其中，步骤501的实现流程详见步骤401中的描述，此处不作赘述。

在步骤502中，检测采集第一语音信号时电子设备是否接收到播放设备传输的音频。

由于第二种应用场景中的音频是播放设备发送给电子设备的，所以，电子设备可以检测采集第一语音信号时电子设备是否接收到播放设备传输的音频，当电子设备接收到播放设备传输的音频时，确定采集第一语音信号时电子设备所处的环境内正在播放音频，即第一语音信号中包括音频信号，执行步骤503；当电子设备未接收到播放设备传输的音频时，确定采集第一语音信号时电子设备所处的环境内不在播放音频，即第一语音信号中不包括音频信号，电子设备根据第一语音信号执行语音唤醒操作，结束流程。

在检测采集第一语音信号时电子设备是否接收到播放设备传输的音频时，电子设备可以检测采集第一语音信号时电子设备是否与播放设备建立有连接，若采集第一语音信号时电子设备与播放设备建立有连接，则确定采集第一语音信号时电子设备接收到播放设备传输的音频；若采集第一语音信号时电子设备未与播放设备建立有连接，则确定采集第一语音信号时电子设备未接收到播放设备传输的音频。需要说明的是，这里所述的电子设备与播放设备建立的连接包括直接连接和间接连接，直接连接是指电子设备与播放设备建立有连接，间接连接是指电子设备与播放设备位于同一网络中。

若电子设备与播放设备建立有连接，但是在采集第一语音信号时，播放设备暂停播放音频，则采用上述检测方式会导致检测结果不准确。可选的，电子设备可以检测采集第一语音信号时电子设备是否接收到播放设备发送的数据，若采集第一语音信号时电子设备接收到播放设备发送的数据，则确定采集第一语音信号时电子设备接收到播放设备传输的音频；若采集第一语音信号时电子设备未接收到播放设备发送的数据，则确定采集第一语音信号时电子设备未接收到播放设备传输的音频。

在步骤503中，当采集第一语音信号时电子设备接收到播放设备传输的音频时，确定采集第一语音信号时该环境内正在播放音频。

在步骤504中，若采集第一语音信号时该环境内正在播放音频，则采集在采集时段内播放设备向电子设备传输的音频片段的音频信号。

本实施例中，播放设备可以实时向电子设备传输音频的音频信号，电子设备从该音频信号中截取该采集时段内的音频片段的音频信号。这里所说的采集时段是电子设备采集第一语音信号的时段。

在步骤505中，过滤第一语音信号中所包含的音频信号，得到第二语音信号。

电子设备可以将第一语音信号和音频信号输入DSP中，通过DSP同步对第一语音信号和音频信号进行处理。

在一种可能的处理方式中，DSP将第一语音信号中的音频信号当作噪音，通过降噪算法对第一语音信号中的音频信号进行过滤，使得第一语音信号中只剩下用户说出的人声，将处理后的第一语音信号称为第二语音信号。

在步骤506中，根据第二语音信号执行语音唤醒操作。

综上所述，本公开提供的语音唤醒方法，通过采集电子设备所处环境内的第一语音信号，并采集在该第一语音信号的采集时段内播放的音频片段的音频信号，这样，可以根据音频信号对第一语音信号进行降噪处理，即对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

图6是根据一示例性实施例示出的一种语音唤醒装置的框图，该语音唤醒装置应用于电子设备中，如图6所示，该语音唤醒装置包括：第一采集模块610、第二采集模块620、降噪模块630和唤醒模块640。

该第一采集模块610，被配置为采集电子设备所处环境内的第一语音信号；

该第二采集模块620，还被配置为若采集第一语音信号时环境内正在播放音频，则采集在第一语音信号的采集时段内播放的音频片段的音频信号；

该降噪模块630，被配置为根据第二采集模块620采集的音频信号对第一采集模块610采集的第一语音信号进行降噪处理，得到第二语音信号；

该唤醒模块640，被配置为根据降噪模块630得到的第二语音信号执行语音唤醒操作。

综上所述，本公开提供的语音唤醒装置，通过采集电子设备所处环境内的第一语音信号，并采集在该第一语音信号的采集时段内播放的音频片段的音频信号，这样，可以根据音频信号对第一语音信号进行降噪处理，即对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

图7是根据一示例性实施例示出的一种语音唤醒装置的框图，该语音唤醒装置应用于电子设备中，如图7所示，该语音唤醒装置包括：第一采集模块710、第二采集模块720、降噪模块730和唤醒模块740。

该第一采集模块710，被配置为采集电子设备所处环境内的第一语音信号；

该第二采集模块720，还被配置为若采集第一语音信号时环境内正在播放音频，则采集在第一语音信号的采集时段内播放的音频片段的音频信号；

该降噪模块730，被配置为根据第二采集模块720采集的音频信号对第一采集模块710采集的第一语音信号进行降噪处理，得到第二语音信号；

该唤醒模块740，被配置为根据降噪模块730得到的第二语音信号执行语音唤醒操作。

在本公开的一个示例性实施例中，该装置还包括：第一检测模块750和第一确定模块760；

该第一检测模块750，被配置为检测采集第一语音信号时电子设备是否正在向播放设备传输音频；

该第一确定模块760，被配置为在第一检测模块750确定采集第一语音信号时电子设备正在向播放设备传输音频时，确定采集第一语音信号时环境内正在播放音频。

在本公开的一个示例性实施例中，该第二采集模块720，还被配置为：在采集第一语音信号时电子设备正在向播放设备传输音频时，采集在采集时段内向播放设备传输的音频片段的音频信号。

在本公开的一个示例性实施例中，该装置还包括：第二检测模块770和第二确定模块780；

该第二检测模块770，被配置为检测采集第一语音信号时电子设备是否接收到播放设备传输的音频；

该第二确定模块780，被配置为在第二检测模块770确定采集第一语音信号时电子设备接收到播放设备传输的音频时，确定采集第一语音信号时环境内正在播放音频。

在本公开的一个示例性实施例中，该第二采集模块720，还被配置为：在采集第一语音信号时电子设备接收到播放设备传输的音频时，采集在采集时段内播放设备向电子设备传输的音频片段的音频信号。

在本公开的一个示例性实施例中，该降噪模块730，还被配置为：过滤第一语音信号中所包含的音频信号，得到第二语音信号。

综上所述，本公开提供的语音唤醒装置，通过采集电子设备所处环境内的第一语音信号，并采集在该第一语音信号的采集时段内播放的音频片段的音频信号，这样，可以根据音频信号对第一语音信号进行降噪处理，即对第一语音信号中的音频信号进行过滤，使得到的第二语音信号不包括音频信号，再根据第二语音信号执行语音唤醒操作，解决了音频信号对语音唤醒操作造成干扰，导致语音唤醒操作的成功率低的问题，从而提高了语音唤醒操作的成功率。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开一示例性实施例提供了一种语音唤醒装置，能够实现本公开提供的语音唤醒方法，该语音唤醒装置包括：处理器、用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

采集电子设备所处环境内的第一语音信号；

若采集第一语音信号时环境内正在播放音频，则采集在第一语音信号的采集时段内播放的音频片段的音频信号；

根据音频信号对第一语音信号进行降噪处理，得到第二语音信号；

根据第二语音信号执行语音唤醒操作。

图8是根据一示例性实施例示出的一种用于语音唤醒的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行上述语音唤醒方法。

本公开一示例性实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的语音唤醒方法。

本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (8)

1.一种语音唤醒方法，其特征在于，所述方法包括：

采集电子设备所处环境内的第一语音信号；

检测在采集所述第一语音信号时，所述电子设备是否与播放设备建立有连接；

响应于所述电子设备与所述播放设备建立有连接，检测采集所述第一语音信号时所述电子设备是否接收到播放设备传输的音频，其中，通过检测采集所述第一语音信号时所述电子设备是否接收到所述播放设备发送的数据，若采集所述第一语音信号时所述电子设备接收到所述播放设备发送的所述数据，则确定采集所述第一语音信号时所述电子设备接收到所述播放设备传输的所述音频；

当采集所述第一语音信号时所述电子设备接收到播放设备传输的所述音频时，确定采集所述第一语音信号时所述环境内正在播放所述音频；

采集在所述第一语音信号的采集时段内所述播放设备向所述电子设备传输的音频片段的音频信号，所述播放设备用于向所述电子设备传输所述音频的音频信号，所述电子设备从所述音频的音频信号中截取所述采集时段内的所述音频片段的音频信号；

过滤所述第一语音信号中所包含的所述音频片段的音频信号，得到第二语音信号，所述第一语音信号和所述音频片段的音频信号被输入DSP中，所述DSP用于同步对所述第一语音信号和所述音频片段的音频信号进行处理；

根据所述第二语音信号执行语音唤醒操作。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

检测采集所述第一语音信号时所述电子设备是否正在向播放设备传输所述音频；

当采集所述第一语音信号时所述电子设备正在向播放设备传输所述音频时，确定采集所述第一语音信号时所述环境内正在播放所述音频。

3.根据权利要求2所述的方法，其特征在于，所述采集在所述第一语音信号的采集时段内播放的音频片段的音频信号，包括：

当采集所述第一语音信号时所述电子设备正在向播放设备传输所述音频时，采集在所述采集时段内向所述播放设备传输的音频片段的音频信号。

4.一种语音唤醒装置，其特征在于，所述装置包括：

第一采集模块，被配置为采集电子设备所处环境内的第一语音信号；

第二检测模块，被配置为检测在采集所述第一语音信号时，所述电子设备是否与播放设备建立有连接；响应于所述电子设备与所述播放设备建立有连接，检测采集所述第一语音信号时所述电子设备是否接收到播放设备传输的音频，其中，通过检测采集所述第一语音信号时所述电子设备是否接收到所述播放设备发送的数据，若采集所述第一语音信号时所述电子设备接收到所述播放设备发送的所述数据，则确定采集所述第一语音信号时所述电子设备接收到所述播放设备传输的所述音频；

第二确定模块，被配置为在所述第二检测模块确定采集所述第一语音信号时所述电子设备接收到播放设备传输的所述音频时，确定采集所述第一语音信号时所述环境内正在播放所述音频；

第二采集模块，还被配置为采集在所述第一语音信号的采集时段内所述播放设备向所述电子设备传输的音频片段的音频信号，所述播放设备用于向所述电子设备传输所述音频的音频信号，所述电子设备从所述音频的音频信号中截取所述采集时段内的所述音频片段的音频信号；

降噪模块，被配置为过滤所述第一语音信号中所包含的所述音频信号，得到第二语音信号，所述第一语音信号和所述音频片段的音频信号被输入DSP中，所述DSP用于同步对所述第一语音信号和所述音频片段的音频信号进行处理；

唤醒模块，被配置为根据所述降噪模块得到的所述第二语音信号执行语音唤醒操作。

5.根据权利要求4所述的装置，其特征在于，所述装置还包括：

第一检测模块，被配置为检测采集所述第一语音信号时所述电子设备是否正在向播放设备传输所述音频；

第一确定模块，被配置为在所述第一检测模块确定采集所述第一语音信号时所述电子设备正在向播放设备传输所述音频时，确定采集所述第一语音信号时所述环境内正在播放所述音频。

6.根据权利要求5所述的装置，其特征在于，所述第二采集模块，还被配置为：

在采集所述第一语音信号时所述电子设备正在向播放设备传输所述音频时，采集在所述采集时段内向所述播放设备传输的音频片段的音频信号。

7.一种语音唤醒装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

采集电子设备所处环境内的第一语音信号；

检测在采集所述第一语音信号时，所述电子设备是否与播放设备建立有连接；

响应于所述电子设备与所述播放设备建立有连接，检测采集所述第一语音信号时所述电子设备是否接收到播放设备传输的音频，其中，通过检测采集所述第一语音信号时所述电子设备是否接收到所述播放设备发送的数据，若采集所述第一语音信号时所述电子设备接收到所述播放设备发送的所述数据，则确定采集所述第一语音信号时所述电子设备接收到所述播放设备传输的所述音频；

当采集所述第一语音信号时所述电子设备接收到播放设备传输的所述音频时，确定采集所述第一语音信号时所述环境内正在播放所述音频；

采集在所述第一语音信号的采集时段内所述播放设备向所述电子设备传输的音频片段的音频信号，所述播放设备用于向所述电子设备传输所述音频的音频信号，所述电子设备从所述音频的音频信号中截取所述采集时段内的所述音频片段的音频信号

过滤所述第一语音信号中所包含的所述音频片段的音频信号，得到第二语音信号，所述第一语音信号和所述音频片段的音频信号被输入DSP中，所述DSP用于同步对所述第一语音信号和所述音频片段的音频信号进行处理；

根据所述第二语音信号执行语音唤醒操作。

8.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现权利要求1至3任一所述的语音唤醒方法。

Images