CN110752973A - 一种终端设备的控制方法、装置和终端设备 - Google Patents
一种终端设备的控制方法、装置和终端设备 Download PDFInfo
- Publication number
- CN110752973A CN110752973A CN201810819351.3A CN201810819351A CN110752973A CN 110752973 A CN110752973 A CN 110752973A CN 201810819351 A CN201810819351 A CN 201810819351A CN 110752973 A CN110752973 A CN 110752973A
- Authority
- CN
- China
- Prior art keywords
- spectrogram
- information
- control instruction
- terminal device
- voice information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000013519 translation Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
- H04L12/282—Controlling appliance services of a home automation network by calling their functionalities based on user interaction within the home
-
- 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
- G10L15/26—Speech to text 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明适用于通信技术领域,提供了一种终端设备的控制方法、装置和终端设备。该方法包括:采集用户输入的语音信息;将采集到的语音信息转换为频谱图信息;将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。本发明通过为智能家居终端***增加一种新的语音控制模式,该种模式能使语音信息直接转化为智能终端***能够识别的控制指令的格式,去掉繁琐的中间层;另外该种方法不需要再对用户语音信息中的设备名称及设备简称对应的语音信息之外的其他语言信息进行识别,大大降低了模型的复杂度,直接端到端的转换使得计算量大大降低,也减少了对计算机硬件资源的消耗,具有较强的易用性和实用性。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种终端设备的控制方法、装置和终端设备。
背景技术
目前,随着人工智能技术的不断发展,人工智能技术被应用到的领域越来越广泛。生活中充斥着各种各样的人工智能设备。人们对这些设备的需求要求越来越高,手动操作这些设备已经满足不了人们对于设备更加智能、安全、舒适的需求。进而在这些设备的智能终端中出现了以语音来控制这些设备的功能模式,但是目前存在的智能终端功能控制模式种类中的语音控制模式比较复杂,需要先将语音转化为文字,再将文字转化为智能家居终端***能够识别的指令格式,然后智能家居终端***通过***能够识别的指令格式控制设备状态。此种模式包含着中间层的转换,计算量比较巨大,消耗了较多的软硬件资源。
因此,有必要提出一种方案,以解决上述问题。
发明内容
有鉴于此,本发明实施例提供了一种终端设备的控制方法、装置和终端设备,以解决现有技术中终端设备的控制方法存在需要繁琐的中间层,从而导致计算量比较巨大,消耗了较多的软硬件资源的问题。
本发明实施例的第一方面提供了一种终端设备的控制方法,包括:
采集用户输入的语音信息;
将采集到的语音信息转换为频谱图信息;
将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
可选地,在开启终端设备中与所述控制指令对应的功能模式之前,还包括:
判断终端设备的功能模式的复杂等级;
若所述复杂等级高于预定等级,将所述频谱图信息翻译为逻辑格式指令;
若所述复杂等级低于或者等于预定等级,则对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
可选地,若所述复杂等级低于或者等于预定等级,则对频谱图进行分类,将每一个频谱图分类到其所对应的类别,包括:
若所述复杂等级低于或者等于预定等级,则基于所述频谱图信息,利用神经网络对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
可选地,若所述复杂等级高于预定等级,将所述频谱图信息翻译为逻辑格式指令,包括:
若所述复杂等级高于预定等级,将接收到的频谱图信息通过编码器生成状态向量;
将所述状态向量通过解码器输出为逻辑格式指令。
可选地,所述将所述状态向量通过解码器输出为逻辑格式指令,包括:
将所述状态向量输入神经网络,得到第一输出结果;
通过所述神经网络的解码器对所述第一输出结果进行解码,获取解码得出的第一输出结果所属的概率空间分布信息;
基于所述概率空间分布信息,将所述第一输出结果中落在概率空间上面积或体积最大的输出结果作为最终输出结果,以实现状态向量到逻辑格式指令的翻译。
可选地,响应于所述控制指令之前,还包括:
通过音量振幅检测器检测所述语音信息的音量;
当所述音量大于预定阈值时,触发响应于所述控制指令。
本发明实施例的第二方面提供了一种终端设备的控制装置,包括:
采集模块,用于采集用户输入的语音信息;
转换模块,用于将采集到的语音信息转换为频谱图信息;
控制模块,用于将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现第一方面中方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现第一方面中方法的步骤。
在本发明实施例中,首先采集用户输入的语音信息,然后将采集到的语音信息转换为频谱图信息,最后将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。本发明通过为智能家居终端***增加一种新的语音控制模式,该种模式能使语音信息直接转化为智能终端***能够识别的控制指令的格式,去掉繁琐的中间层;另外该种方法不需要再对用户语音信息中的设备名称及设备简称对应的语音信息之外的其他语言信息进行识别,大大降低了模型的复杂度,直接端到端的转换使得计算量大大降低,也减少了对计算机硬件资源的消耗,具有较强的易用性和实用性。
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简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例一提供的终端设备的控制方法的实现流程示意图;
图2是本发明实施例二提供的终端设备的控制方法的实现流程示意图;
图3是本发明实施例提供的终端设备的控制方法的实现流程示意图;
图4是本发明实施例三提供的终端设备的控制装置的结构框图;
图5是本发明实施例四提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当……时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
图1示出了本发明实施例一提供的终端设备的控制方法的实现流程示意图。如图1所示,该终端设备的控制方法具体可包括如下步骤S101至步骤S103。
步骤S101:采集用户输入的语音信息。
本实施例的执行主体为终端设备,终端设备可以为为智能家居设备,例如,智能电视、空调等家居设备。该终端设备包括音频采集器,通过音频采集器自动采集用户的语音信息。需要说明的是,该音频采集器只采集与设备名称及设备简称对应的语音信息,对于其他语音指令则不予采集。例如,“电视,开机”的语音信息是音频采集器采集的语音信息,“我马上过来”这种则属于其他语音指令,音频采集器不予采集。
步骤S102:将采集到的语音信息转换为频谱图信息。
音频采集器采集的用户下达的语音信息为人类自然语言,计算机无法直接处理。因此终端设备需要对语音信息进行处理,生成***能够识别的数据形式——频谱图。
步骤S103:将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
通过指令转换模块将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。优选地,在响应于所述控制指令之前,通过音量振幅检测器检测所述语音信息的音量,当所述音量大于预定阈值时,触发响应于所述控制指令。例如,在各个设备上加入音量振幅检测器,设定音量振幅检测器的阈值,当设备接收到的音量在检测器阈值以上时,才响应对应的功能模式,以实现设备执行指令的过程中防止在一定范围内同类型器件的误触发。本实施例中的控制指令是一种对自然语言的收敛抽象形式,其制定规则可以如下例所示,但不仅限于以下形式,实施时可以根据具体情况定义合适的逻辑格式。例如,无条件情况下:“打开电源”对应的逻辑格式为“launch power”,有条件情况下:“打开电视的电源”对应的逻辑格式为“launch power relate=tv”。
例如,在当用户想通过语音控制电视开机的场景中,使用一般的交互流程,用户需要先说“开机”,将“开机”的语音信息转化为文字信息,再将文字信息转化为电视能够识别的指令格式,然后电视通过***能够识别的指令格式控制电视的状态。在本发明实施例中,用户直接输入语音信息“开机”,终端设备将采集到的语音信息“开机”转换为频谱图信息,将所述频谱图信息转换为控制指令,响应于所述控制指令,完成开启所述电视的目的。在本实施例中,直接完成从语音信息到机器指令(控制指令)的转换,大大降低了模型的复杂度以及计算量,减少了对软硬件资源的消耗。
在本发明实施例中,首先采集用户输入的语音信息,然后将采集到的语音信息转换为频谱图信息,最后将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。本发明通过为智能家居终端***增加一种新的语音控制模式,该种模式能使语音信息直接转化为智能终端***能够识别的控制指令的格式,去掉繁琐的中间层;另外该种方法不需要再对用户语音信息中的设备名称及设备简称对应的语音信息之外的其他语言信息进行识别,大大降低了模型的复杂度,直接端到端的转换使得计算量大大降低,也减少了对计算机硬件资源的消耗,具有较强的易用性和实用性。
实施例二
在实施例一的基础上,图2示出了本发明实施例二提供的终端设备的控制方法的实现流程示意图:
步骤S201:采集用户输入的语音信息。
步骤S202:将采集到的语音信息转换为频谱图信息。
其中,步骤S201和S202的实现过程分别与S101和S102的实现过程类似,在此不再赘述。
步骤S203:判断终端设备的功能模式的复杂等级,若所述复杂等级高于预定等级,则执行步骤S204;若所述复杂等级低于或者等于预定等级,则执行步骤S205。
在本实施方式中,终端设备的功能模式的复杂等级是根据终端设备的类型来确定的,比如,当判断出当前的终端设备是洗衣机、智能窗帘等功能控制指令比较少的设备时,则判定出终端设备的功能模式的复杂等级为低等级,比如为1级或者2级;当判断出当前的终端设备是电视机、空调等功能控制指令较多的设备时,则判定出终端设备的功能模式的复杂等级为高等级,比如3级。需要说明的是,在本实施方式中仅仅以终端设备的复杂等级包括3个级别为例进行说明,分别是1级以及2级所代表的低等级,以及3级所代表的高等级。在一具体实施方式中,所述预定等级为2级,当终端设备(例如电视机)的功能模式的复杂等级为三级以上(包括三级)时,将所述频谱图信息翻译为逻辑格式指令;当终端设备(例如洗衣机)的功能模式的复杂等级为二以下(包括二)时,对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
步骤S204:将所述频谱图信息翻译为逻辑格式指令。
具体地,将所述频谱图信息翻译为逻辑格式指令包括:
步骤S301:将接收到的频谱图信息通过编码器生成状态向量。
频谱图信息作为输出数据,通过编码器将所述输出数据生成状态向量,状态向量可以为行向量也可以为列向量,在此不作限定。可选地,在编码的过程中添加注意力算法机制,目的是防止语音信息中的句子过长导致信息丢失。
步骤S302:将所述状态向量通过解码器输出为逻辑格式指令。
可选地,将所述状态向量通过解码器输出为逻辑格式指令具体包括:
A1、将所述状态向量输入神经网络,得到第一输出结果。
A2、通过所述神经网络的解码器对所述第一输出结果进行解码,获取解码得出的第一输出结果所属的概率空间分布信息。
A3、基于所述概率空间分布信息,将所述第一输出结果中落在概率空间上面积或体积最大的输出结果作为最终输出结果,以实现状态向量到逻辑格式指令的翻译。
对于A1、A2和A3,主要实现把编码器中产生的状态向量通过解码器输出为逻辑格式指令。解码过程主要通过神经网络对输入的状态向量进行处理,根据解码得出的第一输出结果所属的概率空间分布信息,根据概率空间分布信息确定出落在概率空间的最大输出结果,将最大的作为最终输出结果,从而实现状态向量到逻辑格式指令的翻译。
步骤S205:对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
可选地,基于所述频谱图信息,利用神经网络对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
步骤S206:将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
终端设备根据解码模块所输出的逻辑格式指令执行设备的功能模式。
在本发明实施例中,通过增加按照功能模式复杂度对终端设备进行区分处理,使用端到端模型直接完成从语音指令到机器指令的转换,进一步降低了模型的复杂度以及计算量,减少了对软硬件资源的消耗。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例三
请参考图4,其示出了本发明实施例三提供的终端设备的控制装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。所述终端设备的控制装置40包括:采集模块41、转换模块42和控制模块43。其中,各模块的具体功能如下:
采集模块41,用于采集用户输入的语音信息;
转换模块42,用于将采集到的语音信息转换为频谱图信息;
控制模块43,用于将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
可选地,终端设备的控制装置40还包括:
判断模块,用于判断终端设备的功能模式的复杂等级;
翻译模块,用于若所述复杂等级高于预定等级,将所述频谱图信息翻译为逻辑格式指令;
分类模块,用于若所述复杂等级低于或者等于预定等级,则对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
可选地,所述翻译模块,包括:
编码单元,用于若所述复杂等级高于预定等级,将接收到的频谱图信息通过编码器生成状态向量;
输出单元,用于将所述状态向量通过解码器输出为逻辑格式指令。
可选地,分类模块包括:
分类单元,用于若所述复杂等级低于或者等于预定等级,则基于所述频谱图信息,利用神经网络对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
可选地,所述输出单元包括:
生成子单元,用于若所述复杂等级高于预定等级,将接收到的频谱图信息通过编码器生成状态向量;
输出子单元,用于将所述状态向量通过解码器输出为逻辑格式指令。
可选地,所述输出子单元包括:
输入子单元,用于将所述状态向量输入神经网络,得到第一输出结果;
解码子单元,用于通过所述神经网络的解码器对所述第一输出结果进行解码,获取解码得出的第一输出结果所属的概率空间分布信息;
翻译单元,用于基于所述概率空间分布信息,将所述第一输出结果中落在概率空间上面积或体积最大的输出结果作为最终输出结果,以实现状态向量到逻辑格式指令的翻译。
可选地,终端设备的控制装置40还包括:
检测模块,用于通过音量振幅检测器检测所述语音信息的音量;
触发模块,用于当所述音量大于预定阈值时,触发响应于所述控制指令。
在本发明实施例中,首先采集用户输入的语音信息,然后将采集到的语音信息转换为频谱图信息,最后将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。本发明通过为智能家居终端***增加一种新的语音控制模式,该种模式能使语音信息直接转化为智能终端***能够识别的控制指令的格式,去掉繁琐的中间层;另外该种方法不需要再对用户语音信息中的设备名称及设备简称对应的语音信息之外的其他语言信息进行识别,大大降低了模型的复杂度,直接端到端的转换使得计算量大大降低,也减少了对计算机硬件资源的消耗,具有较强的易用性和实用性。
实施例四
图5是本发明四实施例提供的终端设备的示意图,为了便于说明,仅示出了与本发明实施例相关的部分。如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如终端设备的控制方法程序。所述处理器50执行所述计算机程序52时实现上述各个终端设备的控制方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块的功能,例如图4所示模块41至43的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如,所述计算机程序52可以被分割成采集模块、转换模块和控制模块,各模块的具体功能如下:
采集模块,用于采集用户输入的语音信息;
转换模块,用于将采集到的语音信息转换为频谱图信息;
控制模块,用于将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种终端设备的控制方法,其特征在于,包括:
采集用户输入的语音信息;
将采集到的语音信息转换为频谱图信息;
将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
2.如权利要求1所述的终端设备的控制方法,其特征在于,在开启终端设备中与所述控制指令对应的功能模式之前,还包括:
判断终端设备的功能模式的复杂等级;
若所述复杂等级高于预定等级,将所述频谱图信息翻译为逻辑格式指令;
若所述复杂等级低于或者等于预定等级,则对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
3.如权利要求2所述的终端设备的控制方法,其特征在于,若所述复杂等级低于或者等于预定等级,则对频谱图进行分类,将每一个频谱图分类到其所对应的类别,包括:
若所述复杂等级低于或者等于预定等级,则基于所述频谱图信息,利用神经网络对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
4.如权利要求2所述的终端设备的控制方法,其特征在于,若所述复杂等级高于预定等级,将所述频谱图信息翻译为逻辑格式指令,包括:
若所述复杂等级高于预定等级,将接收到的频谱图信息通过编码器生成状态向量;
将所述状态向量通过解码器输出为逻辑格式指令。
5.如权利要求4所述的终端设备的控制方法,其特征在于,所述将所述状态向量通过解码器输出为逻辑格式指令,包括:
将所述状态向量输入神经网络,得到第一输出结果;
通过所述神经网络的解码器对所述第一输出结果进行解码,获取解码得出的第一输出结果所属的概率空间分布信息;
基于所述概率空间分布信息,将所述第一输出结果中落在概率空间上面积或体积最大的输出结果作为最终输出结果,以实现状态向量到逻辑格式指令的翻译。
6.如权利要求1至5任一项所述的终端设备的控制方法,其特征在于,所述基于所述控制指令开启终端设备中与所述控制指令对应的功能模式的步骤之前,还包括:
通过音量振幅检测器检测所述语音信息的音量;
当所述音量大于预定阈值时,触发响应于所述控制指令。
7.一种终端设备的控制装置,其特征在于,包括:
采集模块,用于采集用户输入的语音信息;
转换模块,用于将采集到的语音信息转换为频谱图信息;
控制模块,用于将所述频谱图信息转换为控制指令,并基于所述控制指令开启终端设备中与所述控制指令对应的功能模式。
8.如权利要求7所述的终端设备的控制装置,其特征在于,还包括:
判断模块,用于判断终端设备的功能模式的复杂等级;
翻译模块,用于若所述复杂等级高于预定等级,将所述频谱图信息翻译为逻辑格式指令;
分类模块,用于若所述复杂等级低于或者等于预定等级,则对频谱图进行分类,将每一个频谱图分类到其所对应的类别。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810819351.3A CN110752973B (zh) | 2018-07-24 | 2018-07-24 | 一种终端设备的控制方法、装置和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810819351.3A CN110752973B (zh) | 2018-07-24 | 2018-07-24 | 一种终端设备的控制方法、装置和终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110752973A true CN110752973A (zh) | 2020-02-04 |
CN110752973B CN110752973B (zh) | 2020-12-25 |
Family
ID=69275474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810819351.3A Active CN110752973B (zh) | 2018-07-24 | 2018-07-24 | 一种终端设备的控制方法、装置和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110752973B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113053383A (zh) * | 2021-04-14 | 2021-06-29 | 浙江华创视讯科技有限公司 | 一种信息处理方法、装置和存储介质 |
WO2021253992A1 (zh) * | 2020-06-18 | 2021-12-23 | Oppo广东移动通信有限公司 | 显示屏控制方法、装置、计算机设备以及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251388A1 (en) * | 2002-11-05 | 2005-11-10 | Koninklijke Philips Electronics, N.V. | Spectrogram reconstruction by means of a codebook |
CN102360187A (zh) * | 2011-05-25 | 2012-02-22 | 吉林大学 | 语谱图互相关的驾驶员汉语语音控制***及方法 |
CN102710838A (zh) * | 2012-04-25 | 2012-10-03 | 华为技术有限公司 | 一种音量调节方法及装置、电子设备 |
CN103745722A (zh) * | 2014-02-10 | 2014-04-23 | 上海金牌软件开发有限公司 | 一种语音交互智能家居***及语音交互方法 |
CN105096936A (zh) * | 2014-05-15 | 2015-11-25 | 哈尔滨海能达科技有限公司 | 一种即时按键通话业务控制方法和装置 |
CN105183081A (zh) * | 2015-09-07 | 2015-12-23 | 北京君正集成电路股份有限公司 | 一种智能眼镜的语音控制方法及智能眼镜 |
CN106328122A (zh) * | 2016-08-19 | 2017-01-11 | 深圳市唯特视科技有限公司 | 一种利用长短期记忆模型递归神经网络的语音识别方法 |
CN106898350A (zh) * | 2017-01-16 | 2017-06-27 | 华南理工大学 | 一种基于深度学习的智能工业机器人语音交互与控制方法 |
CN107408111A (zh) * | 2015-11-25 | 2017-11-28 | 百度(美国)有限责任公司 | 端对端语音识别 |
CN107481718A (zh) * | 2017-09-20 | 2017-12-15 | 广东欧珀移动通信有限公司 | 语音识别方法、装置、存储介质及电子设备 |
CN107564516A (zh) * | 2016-07-01 | 2018-01-09 | 北京新唐思创教育科技有限公司 | 课件的播放控制方法、装置及智能教学*** |
CN107680229A (zh) * | 2017-10-23 | 2018-02-09 | 西安科技大学 | 基于语音特征和人脸识别的门禁***及其控制方法 |
CN108198547A (zh) * | 2018-01-18 | 2018-06-22 | 深圳市北科瑞声科技股份有限公司 | 语音端点检测方法、装置、计算机设备和存储介质 |
CN108305617A (zh) * | 2018-01-31 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 语音关键词的识别方法和装置 |
-
2018
- 2018-07-24 CN CN201810819351.3A patent/CN110752973B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251388A1 (en) * | 2002-11-05 | 2005-11-10 | Koninklijke Philips Electronics, N.V. | Spectrogram reconstruction by means of a codebook |
CN102360187A (zh) * | 2011-05-25 | 2012-02-22 | 吉林大学 | 语谱图互相关的驾驶员汉语语音控制***及方法 |
CN102710838A (zh) * | 2012-04-25 | 2012-10-03 | 华为技术有限公司 | 一种音量调节方法及装置、电子设备 |
CN103745722A (zh) * | 2014-02-10 | 2014-04-23 | 上海金牌软件开发有限公司 | 一种语音交互智能家居***及语音交互方法 |
CN105096936A (zh) * | 2014-05-15 | 2015-11-25 | 哈尔滨海能达科技有限公司 | 一种即时按键通话业务控制方法和装置 |
CN105183081A (zh) * | 2015-09-07 | 2015-12-23 | 北京君正集成电路股份有限公司 | 一种智能眼镜的语音控制方法及智能眼镜 |
CN107408111A (zh) * | 2015-11-25 | 2017-11-28 | 百度(美国)有限责任公司 | 端对端语音识别 |
CN107564516A (zh) * | 2016-07-01 | 2018-01-09 | 北京新唐思创教育科技有限公司 | 课件的播放控制方法、装置及智能教学*** |
CN106328122A (zh) * | 2016-08-19 | 2017-01-11 | 深圳市唯特视科技有限公司 | 一种利用长短期记忆模型递归神经网络的语音识别方法 |
CN106898350A (zh) * | 2017-01-16 | 2017-06-27 | 华南理工大学 | 一种基于深度学习的智能工业机器人语音交互与控制方法 |
CN107481718A (zh) * | 2017-09-20 | 2017-12-15 | 广东欧珀移动通信有限公司 | 语音识别方法、装置、存储介质及电子设备 |
CN107680229A (zh) * | 2017-10-23 | 2018-02-09 | 西安科技大学 | 基于语音特征和人脸识别的门禁***及其控制方法 |
CN108198547A (zh) * | 2018-01-18 | 2018-06-22 | 深圳市北科瑞声科技股份有限公司 | 语音端点检测方法、装置、计算机设备和存储介质 |
CN108305617A (zh) * | 2018-01-31 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 语音关键词的识别方法和装置 |
Non-Patent Citations (2)
Title |
---|
JIA-GUU LEU ET. AL: "Speaker Verification based on Comparing Normalized Spectrograms", 《2011 CARNAHAN CONFERENCE ON SECURITY TECHNOLOGY》 * |
潘迪等: "语谱图傅里叶变换的二字汉语词汇语音识别", 《现代电子技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021253992A1 (zh) * | 2020-06-18 | 2021-12-23 | Oppo广东移动通信有限公司 | 显示屏控制方法、装置、计算机设备以及存储介质 |
CN113905110A (zh) * | 2020-06-18 | 2022-01-07 | Oppo广东移动通信有限公司 | 显示屏控制方法、装置、计算机设备以及存储介质 |
CN113053383A (zh) * | 2021-04-14 | 2021-06-29 | 浙江华创视讯科技有限公司 | 一种信息处理方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110752973B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10777192B2 (en) | Method and apparatus of recognizing field of semantic parsing information, device and readable medium | |
CN107622770B (zh) | 语音唤醒方法及装置 | |
JP6601470B2 (ja) | 自然言語の生成方法、自然言語の生成装置及び電子機器 | |
CN110069608B (zh) | 一种语音交互的方法、装置、设备和计算机存储介质 | |
US11295760B2 (en) | Method, apparatus, system and storage medium for implementing a far-field speech function | |
CN111081217B (zh) | 一种语音唤醒方法、装置、电子设备及存储介质 | |
JP2019128938A (ja) | 読話による音声ウェイクアップ方法、装置、設備及びコンピュータ可読媒体 | |
CN106997342B (zh) | 基于多轮交互的意图识别方法和装置 | |
CN111402861A (zh) | 一种语音识别方法、装置、设备及存储介质 | |
CN110752973B (zh) | 一种终端设备的控制方法、装置和终端设备 | |
CN108595406B (zh) | 一种用户状态的提醒方法、装置、电子设备及存储介质 | |
CN111508472B (zh) | 一种语种切换方法、装置及存储介质 | |
CN108665900B (zh) | 云端唤醒方法及***、终端以及计算机可读存储介质 | |
CN110942774A (zh) | 一种人机交互***、其对话方法、介质和设备 | |
CN110750295B (zh) | 一种信息处理方法,装置,电子设备和存储介质 | |
CN116959442A (zh) | 用于智能开关面板的芯片及其方法 | |
CN111508481A (zh) | 语音唤醒模型的训练方法、装置、电子设备及存储介质 | |
CN115185456A (zh) | 集群缩容风险提示方法、装置、设备及介质 | |
CN114254646A (zh) | 智能设备的控制方法、装置、电子设备及可读存储介质 | |
CN113534691A (zh) | 一种终端设备的控制***及方法 | |
CN112818709A (zh) | 用于多用户语音会议记录标记的语音翻译***与方法 | |
CN111104936A (zh) | 文本图像识别方法、装置、设备及存储介质 | |
CN114302425B (zh) | 设备配网方法、装置、存储介质及电子设备 | |
US20220178814A1 (en) | Method for calculating a density of stem cells in a cell image, electronic device, and storage medium | |
CN108564950A (zh) | 语音转文字的方法、智能终端及计算机存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 516006 TCL technology building, No.17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province Applicant after: TCL Technology Group Co.,Ltd. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL RESEARCH AMERICA Inc. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |