CN110992954A - 语音识别的方法、装置、设备及存储介质 - Google Patents
语音识别的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110992954A CN110992954A CN201911358974.6A CN201911358974A CN110992954A CN 110992954 A CN110992954 A CN 110992954A CN 201911358974 A CN201911358974 A CN 201911358974A CN 110992954 A CN110992954 A CN 110992954A
- Authority
- CN
- China
- Prior art keywords
- command data
- voice command
- target
- application program
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 230000004075 alteration Effects 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Images
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
- 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
- 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
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)
- Telephone Function (AREA)
Abstract
本申请公开了一种语音识别的方法、装置、设备及存储介质,属于语音识别领域。所述方法包括:获取用户语音数据;在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据;执行所述目标语音命令数据对应的目标操作指令。采用本申请能够有效的降低对用户语音的识别错误率,提高了用户使用语音交互功能的体验。
Description
技术领域
本申请涉及语音识别领域,特别涉及一种语音识别的方法、装置、设备及存储介质。
背景技术
随着人工智能、语音识别技术的发展,语音交互功能被应用到各种场景,例如车内的语音操控***、手机上的语音助手等。
在现有技术中,技术人员需要将预先设定的各种语音命令数据以及对应的操作指令存储在终端,当终端接收到用户的语音之后,可以对用户的语音进行识别,生成对应的数据信息,然后与终端存储的语音命令数据进行对比,若用户的数据信息为终端内存储的语音命令数据,则执行该语音命令数据对应的操作。
在实现本申请的过程中,发明人发现现有技术至少存在以下问题:
为了提高用户使用语音交互的体验,技术人员会在终端存储大量的语音命令数据,当终端存储的语音命令数据变多之后,可能会存在发音相近的命令词,对应的语音命令数据也会相近,从而使终端对用户语音的识别错误率变得更高,例如,用户说的是“导航去大理”,而终端可能识别成“播放去大理”,从而影响了对终端进行语音控制的准确度。
发明内容
本申请实施例提供了一种语音识别的方法、装置、设备及存储介质,能够有效的降低对用户语音的识别错误率,所述技术方案如下:
一方面,提供了一种进行语音识别的方法,应用于语音识别应用程序,所述方法包括:
获取用户语音数据;
在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据;
执行所述目标语音命令数据对应的目标操作指令。
可选的,所述方法还包括:
当目标应用程序启动时,接收所述目标应用程序发送的所述目标应用程序的语音命令数据和对应的操作指令,在所述语音识别应用程序中,加载所述目标应用程序的语音命令数据和对应的操作指令;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前加载的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
可选的,所述方法还包括:
当所述目标应用程序关闭时,在所述语音识别应用程序中,删除所述目标应用程序的语音命令数据和对应的操作指令。
可选的,所述方法还包括:
当目标应用程序启动时,将与所述目标应用程序对应的语音命令数据的状态更改为可用;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前状态为可用的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
可选的,所述方法还包括:
当所述目标应用程序关闭时,将与所述目标应用程序对应的语音命令数据的状态更改为不可用。
可选的,所述执行所述目标语音命令数据对应的目标操作指令,包括:
向所述目标语音命令数据所属的第二应用程序发送所述目标操作指令,以通过所述第二应用程序执行所述目标操作指令。
另一方面,提供了一种进行语音识别的装置,应用于语音识别应用程序,所述装置包括:
获取模块,被配置为获取用户语音数据;
确定模块,被配置为在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据;
执行模块,被配置为执行所述目标语音命令数据对应的目标操作指令。
可选的,所述装置还包括加载模块,被配置为:
当目标应用程序启动时,接收所述目标应用程序发送的所述目标应用程序的语音命令数据和对应的操作指令,在所述语音识别应用程序中,加载所述目标应用程序的语音命令数据和对应的操作指令;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前加载的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
可选的,所述装置还包括第一删除模块,被配置为:
当所述目标应用程序关闭时,在所述语音识别应用程序中,删除所述目标应用程序的语音命令数据和对应的操作指令。
可选的,所述装置还包括更改模块,被配置为:
当目标应用程序启动时,将与所述目标应用程序对应的语音命令数据的状态更改为可用;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前状态为可用的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
可选的,所述装置还包括第二删除模块,被配置为:
当所述目标应用程序关闭时,将与所述目标应用程序对应的语音命令数据的状态更改为不可用。
可选的,所述执行模块,被配置为:
向所述目标语音命令数据所属的第二应用程序发送所述目标操作指令,以通过所述第二应用程序执行所述目标操作指令。
再一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上所述的语音识别方法所执行的操作。
再一方面,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,所述指令由处理器加载并执行以实现如上所述的语音识别方法所执行的操作。
本申请实施例提供的技术方案带来的有益效果是:
通过将用户的语音数据与当前处于运行状态的应用程序的语音命令数据进行对比,从而确定相匹配的语音命令数据,再执行语音命令数据对应的操作。可见,采用本申请,只是将用户的语音数据与当前运行的应用程序的语音命令数据进行比对,可以减少与用户的语音数据进行对比的语音命令数据,能够有效的降低对用户语音的识别错误率,提高了用户使用语音交互功能的体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种语音识别方法的流程图;
图2是本申请实施例提供的一种语音识别方法的流程图;
图3是本申请实施例提供的一种语音识别方法的流程图;
图4是本申请实施例提供的一种语音识别装置结构的示意图;
图5是本申请实施例提供的终端结构框图;
图6是本申请实施例提供的一种语音识别方法的示意图;
图7是本申请实施例提供的一种语音识别方法的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的语音识别的方法可以由终端进行实现。终端可以运行具有语音识别功能的应用程序,如语音识别应用程序,终端可以具备麦克风、扬声器等部件,终端具有通信功能,可以接入互联网,终端可以是手机、平板电脑、智能穿戴设备、台式计算机、笔记本电脑,还可以是车载终端、智能音响等。
语音识别功能是现在日常生活中常用的一种功能,可以应用在手机、智能家居、以及车载终端中。在具有语音识别功能的终端中,存储有相应命令词对应的语音命令数据。例如,“打开地图”、“播放”、“导航”、“今天的天气”对应语音命令数据,其中,命令词可以是关键字,也可以是相应的句子,语音命令数据可以是命令词对应的音频信息,或是通过音频信息得到的语音特征信息等。用户可以通过语音操控具有语音识别功能的终端,当终端接收到用户的语音之后,可以根据语音生成相应的语音命令数据,然后与终端存储的语音命令数据进行对比,根据对比结果,向语音命令数据对应的应用程序发出控制指令,控制相应的应用程序执行对应语音命令数据的操作。
本申请实施例提供的语音识别的方法,可以根据终端内当前运行的应用程序来确定需要与用户语音对应的语音命令数据进行对比的语音命令数据,从而可以减小终端的运算量,提高对比的准确率。本申请实施例以具有语音识别功能的语音识别应用程序为例,对方案进行详细说明,其他情况与之类似,不再赘述。
图1是本申请实施例提供的一种语音识别方法的流程图。参见图1,该实施例包括:
步骤101、获取用户语音数据。
在实施中,终端中可以运行有语音识别应用程序,并且可以通过终端的麦克风等收音部件实时获取用户的语音音频,根据用户的语音音频生成对应的语音数据。
步骤102、在当前处于运行状态的应用程序的语音命令数据中,确定与用户语音数据相匹配的目标语音命令数据。
在实施中,终端中出运行有语音识别应用程序之外,还可以运行有多个应用程序,例如,还运行有地图应用程序和音乐播放应用程序。语音识别应用程序可以将获取用户的语音数据,与当前正在处于运行状态的应用程序对应的语音命令数据进行对比,确定与用户语音数据相匹配的目标语音命令数据。
步骤103、执行目标语音命令数据对应的目标操作指令。
在实施中,不同的应用程序对应有不同语音命令数据,不同语音命令数据还对应有不同的操作指令,当确定目标语音命令数据对应的目标操作指令,可以将目标操作指令发送给对应的目标应用程序,通过目标应用程序完成目标操作指令对应的操作。
本申请实施例通过将用户的语音数据与当前处于运行状态的应用程序的语音命令数据进行对比,从而确定相匹配的语音命令数据,可见,采用本申请可以减少与用户的语音数据进行对比的语音命令数据,能够有效的降低对用户语音的识别错误率,提高了用户使用语音交互功能的体验。
图2是本申请实施例提供的一种语音识别方法的流程图。参见图2,该实施例包括:
步骤201、获取用户语音数据。
在实施中,语音识别应用程序可以一直在终端中运行,通过终端的麦克风获取用户的语音音频,并将用户的语音音频转换为与语音命令词相同的数据形式的语音数据,例如,若语音命令词为对应命令词的音频特征信息,则将用户的音频转为相应的音频特征信息。在语音识别应用程序中,设置有用于存储语音命令数据以及语音命令数据对应的操作指令的存储单元,其中,不同的语音命令数据对应的操作指令控制不同的应用程序。
其中,语音识别程序中存储的语音命令数据以及语音命令数据对应的操作指令,可以由对应的应用程序发送给语音识别程序。相应的处理可以如下:当目标应用程序启动时,接收目标应用程序发送的目标应用程序的语音命令数据和对应的操作指令,在语音识别应用程序中,加载目标应用程序的语音命令数据和对应的操作指令。
在实施中,可以在各个应用程序中预先存储本应用程序对应的语音命令数据,以及语音命令数据对应的操作指令。可如图6所示,当目标应用程序启动时,可以调用预先在语音识别应用程序中设置的注册接口,将目标应用程序的语音命令数据和对应的操作指令,注册到语音识别应用程序中的命令池中,即将语音命令数据和对应的操作指令发送给语音识别应用程序。语音识别应用程序可以加载命令池中目标应用程序的语音命令数据和对应的操作指令,对存储语音命令数据和对应的操作指令的存储单元进行更新。
对应的,当目标应用程序关闭时,可以在语音识别应用程序中,删除目标应用程序的语音命令数据和对应的操作指令。
在实施中,当目标应用程序接收到关闭指令之后,可以在关闭之前,调用语音识别应用程序中预先设置的反注册接口,通过反注册接口,在存储单元中删除目标应用程序的语音命令数据和对应的操作指令。
步骤202、在当前加载的语音命令数据中,确定与用户语音数据相匹配的目标语音命令数据。
在实施中,在将用户的音频信息生成对应的语音数据之后,可以将用户的语音数据与已通过注册接口注册的语音命令数据进行对比,确定与用户语音数据相匹配的目标语音命令数据。例如,可以对比用户的语音数据与各语音命令数据的相似度,将与用户语音数据相似度最高的语音命令数据确定为与用户语音数据相匹配的目标语音命令数据。
另外需要说明的是,除需要通过其他应用程序注册的语音命令数据之外,语音识别应用程序中可以包括有无需注册的基础语音命令数据,例如,开打各种应用程序对应的语音命令数据。用户的语音数据同时还可以与基础语音命令数据和已注册的语音命令数据进行对比,确定与用户语音数据相匹配的目标语音命令数据。
步骤203、向目标语音命令数据所属的第二应用程序发送目标操作指令,以通过第二应用程序执行目标操作指令。
其中,第二应用程序为目标语音命令对应的应用程序,即目标语音命令是由第二应用程序调用语音应用程序的注册接口注册到语音应用程序。
在实施中,当确定用户语音数据相匹配的目标语音命令数据之后,可以确定目标语音命令数据对应的第二应用程序,例如,可以在语音命令数据中添加对应应用程序的标识,当确定语音命令数据时,可以根据语音命令数据的对应的标识确定语音命令数据的对应的应用程序。当确定目标语音命令数据对应的第二应用程序之后,可以将目标语音命令数据对应的目标操作指令发送给第二应用程序,第二应用程序接收目标操作指令,根据目标操作指令完成相应的功能。
本申请实施例通过将用户的语音数据与当前处于运行状态的应用程序的语音命令数据进行对比,从而确定相匹配的语音命令数据,可见,采用本申请可以减少与用户的语音数据进行对比的语音命令数据,能够有效的降低对用户语音的识别错误率,提高了用户使用语音交互功能的体验。
图3是本申请实施例提供的一种语音识别方法的流程图。参见图3,该实施例包括:
步骤301、获取用户语音数据。
在实施中,语音识别应用程序可以一直在终端中运行,通过终端的麦克风获取用户的音频,并将用户的音频信息转换为与语音命令词相同的数据形式的语音数据,例如,若语音命令词为对应命令词的音频特征信息,则将用户的音频转为相应的音频特征信息。在语音识别应用程序中,可以设置有用于存储语音命令数据以及语音命令数据对应的操作指令的存储单元,不同的语音命令数据对应的操作指令控制不同的应用程序。另外,在各语音命令数据中还可以设置对应的应用程序标识,该应用程序标识用于标识语音命令数据对应控制指令控制的应用程序。
其中,语音识别应用程序存储的语音命令数据可以设置有不同的状态信息。可以根据终端内应用程序的开启与关闭状态更改。相应的处理可以如下:当目标应用程序启动时,将与目标应用程序对应的语音命令数据的状态更改为可用。
在实施中,语音识别应用程序中可以设置有监听程序,用于监听终端内各应用程序的开启与关闭。如图7所示,当监听程序监听到目标应用程序开启之后,可以获取目标应用程序对应的应用程序标识,语音识别应用程序可以根据目标应用程序对应的应用程序标识以及开启信息,将对应目标应用程序的标识的语音命令数据修改为可用状态。
对应的,当目标应用程序关闭时,可以将与目标应用程序对应的语音命令数据的状态更改为不可用。
在实施中,当监听程序监听到目标应用程序关闭后,可以获取目标应用程序对应的应用程序标识,语音应用程序可以根据目标应用程序对应的应用程序标识以及关闭信息,将对应目标应用程序的标识的语音命令数据修改为不可用状态。
步骤302、在当前状态为可用的语音命令数据中,确定与用户语音数据相匹配的目标语音命令数据。
在实施中,在将用户的音频信息生成对应的语音数据之后,可以将用户的语音数据与状态信息为可用的语音命令数据进行对比,将对比相似度最高的语音命令数据确定为与用户语音数据相匹配的目标语音命令数据。
需要说明的是,在语音识别应用程序中可以设置有状态信息一直为可用状态的语音命令数据。例如,开打各种应用程序对应的语音命令数据。
步骤303、向目标语音命令数据所属的第二应用程序发送目标操作指令,以通过第二应用程序执行目标操作指令。
其中,目标语音命令对应的应用程序标识为第二应用程序的应用程序标识。
在实施中,当确定与用户语音数据匹配的目标语音命令数据之后,可以根据目标语音命令数据对应的应用程序标识确定第二应用程序。当确定第二应用程序之后,可以将目标语音命令数据对应的目标操作指令发送给第二应用程序,第二应用程序接收目标操作指令,根据目标操作指令完成相应的功能。
本申请实施例通过将用户的语音数据与当前处于运行状态的应用程序的语音命令数据进行对比,从而确定相匹配的语音命令数据,可见,采用本申请可以减少与用户的语音数据进行对比的语音命令数据,能够有效的降低对用户语音的识别错误率,提高了用户使用语音交互功能的体验
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
图4是本申请实施例提供的一种进行语音识别的装置结构示意图,该装置可以是上述实施例中的终端,所述装置包括:
获取模块410,被配置为获取用户语音数据;
确定模块420,被配置为在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据;
执行模块430,被配置为执行所述目标语音命令数据对应的目标操作指令。
可选的,所述装置还包括加载模块,被配置为:
当目标应用程序启动时,接收所述目标应用程序发送的所述目标应用程序的语音命令数据和对应的操作指令,在所述语音识别应用程序中,加载所述目标应用程序的语音命令数据和对应的操作指令;
所述确定模块420,被配置为:
在当前加载的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
可选的,所述装置还包括第一删除模块,被配置为:
当所述目标应用程序关闭时,在所述语音识别应用程序中,删除所述目标应用程序的语音命令数据和对应的操作指令。
可选的,所述装置还包括更改模块,被配置为:
当目标应用程序启动时,将与所述目标应用程序对应的语音命令数据的状态更改为可用;
所述确定模块420,被配置为:
在当前状态为可用的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
可选的,所述装置还包括第二删除模块,被配置为:
当所述目标应用程序关闭时,将与所述目标应用程序对应的语音命令数据的状态更改为不可用。
可选的,所述执行模块430,被配置为:
向所述目标语音命令数据所属的第二应用程序发送所述目标操作指令,以通过所述第二应用程序执行所述目标操作指令。
需要说明的是:上述实施例提供的语音识别的装置在进行语音识别时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的语音识别的装置与语音识别的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5示出了本申请一个示例性实施例提供的终端500的结构框图。该终端500可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端500还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端500包括有:处理器501和存储器502。
处理器501可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的语音识别方法。
在一些实施例中,终端500还可选包括有:***设备接口503和至少一个***设备。处理器501、存储器502和***设备接口503之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口503相连。具体地,***设备包括:射频电路504、触摸显示屏505、摄像头506、音频电路507、定位组件508和电源509中的至少一种。
***设备接口503可被用于将I/O(Input/Output,输入/输出)相关的至少一个***设备连接到处理器501和存储器502。在一些实施例中,处理器501、存储器502和***设备接口503被集成在同一芯片或电路板上;在一些其他实施例中,处理器501、存储器502和***设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路504用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路504包括:天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路504还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏505用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时,显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时,显示屏505还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏505可以为一个,设置终端500的前面板;在另一些实施例中,显示屏505可以为至少两个,分别设置在终端500的不同表面或呈折叠设计;在再一些实施例中,显示屏505可以是柔性显示屏,设置在终端500的弯曲表面上或折叠面上。甚至,显示屏505还可以设置成非矩形的不规则图形,也即异形屏。显示屏505可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件506用于采集图像或视频。可选地,摄像头组件506包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器501进行处理,或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路507还可以包括耳机插孔。
定位组件508用于定位终端500的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件508可以是基于美国的GPS(GlobalPositioning System,全球定位***)、中国的北斗***、俄罗斯的格雷纳斯***或欧盟的伽利略***的定位组件。
电源509用于为终端500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于:加速度传感器511、陀螺仪传感器512、压力传感器513、指纹传感器514、光学传感器515以及接近传感器516。
加速度传感器511可以检测以终端500建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号,控制触摸显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器512可以检测终端500的机体方向及转动角度,陀螺仪传感器512可以与加速度传感器511协同采集用户对终端500的3D动作。处理器501根据陀螺仪传感器512采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器513可以设置在终端500的侧边框和/或触摸显示屏505的下层。当压力传感器513设置在终端500的侧边框时,可以检测用户对终端500的握持信号,由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在触摸显示屏505的下层时,由处理器501根据用户对触摸显示屏505的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器514用于采集用户的指纹,由处理器501根据指纹传感器514采集到的指纹识别用户的身份,或者,由指纹传感器514根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器501授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器514可以被设置终端500的正面、背面或侧面。当终端500上设置有物理按键或厂商Logo时,指纹传感器514可以与物理按键或厂商Logo集成在一起。
光学传感器515用于采集环境光强度。在一个实施例中,处理器501可以根据光学传感器515采集的环境光强度,控制触摸显示屏505的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏505的显示亮度;当环境光强度较低时,调低触摸显示屏505的显示亮度。在另一个实施例中,处理器501还可以根据光学传感器515采集的环境光强度,动态调整摄像头组件506的拍摄参数。
接近传感器516,也称距离传感器,通常设置在终端500的前面板。接近传感器516用于采集用户与终端500的正面之间的距离。在一个实施例中,当接近传感器516检测到用户与终端500的正面之间的距离逐渐变小时,由处理器501控制触摸显示屏505从亮屏状态切换为息屏状态;当接近传感器516检测到用户与终端500的正面之间的距离逐渐变大时,由处理器501控制触摸显示屏505从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图5中示出的结构并不构成对终端500的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述实施例中语音识别的方法。该计算机可读存储介质可以是非暂态的。例如,所述计算机可读存储介质可以是ROM(Read-Only Memory,只读存储器,)、RAM(Random Access Memory,随机存取存储器)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (14)
1.一种进行语音识别的方法,其特征在于,应用于语音识别应用程序,所述方法包括:
获取用户语音数据;
在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据;
执行所述目标语音命令数据对应的目标操作指令。
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:
当目标应用程序启动时,接收所述目标应用程序发送的所述目标应用程序的语音命令数据和对应的操作指令,在所述语音识别应用程序中,加载所述目标应用程序的语音命令数据和对应的操作指令;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前加载的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当所述目标应用程序关闭时,在所述语音识别应用程序中,删除所述目标应用程序的语音命令数据和对应的操作指令。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当目标应用程序启动时,将与所述目标应用程序对应的语音命令数据的状态更改为可用;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前状态为可用的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当所述目标应用程序关闭时,将与所述目标应用程序对应的语音命令数据的状态更改为不可用。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述执行所述目标语音命令数据对应的目标操作指令,包括:
向所述目标语音命令数据所属的第二应用程序发送所述目标操作指令,以通过所述第二应用程序执行所述目标操作指令。
7.一种进行语音识别的装置,其特征在于,应用于语音识别应用程序,所述装置包括:
获取模块,被配置为获取用户语音数据;
确定模块,被配置为在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据;
执行模块,被配置为执行所述目标语音命令数据对应的目标操作指令。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括加载模块,被配置为:
当目标应用程序启动时,接收所述目标应用程序发送的所述目标应用程序的语音命令数据和对应的操作指令,在所述语音识别应用程序中,加载所述目标应用程序的语音命令数据和对应的操作指令;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前加载的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括第一删除模块,被配置为:
当所述目标应用程序关闭时,在所述语音识别应用程序中,删除所述目标应用程序的语音命令数据和对应的操作指令。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括更改模块,被配置为:
当目标应用程序启动时,将与所述目标应用程序对应的语音命令数据的状态更改为可用;
所述在当前处于运行状态的应用程序的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据,包括:
在当前状态为可用的语音命令数据中,确定与所述用户语音数据相匹配的目标语音命令数据。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括第二删除模块,被配置为:
当所述目标应用程序关闭时,将与所述目标应用程序对应的语音命令数据的状态更改为不可用。
12.根据权利要求7-10任一项所述的装置,其特征在于,所述执行模块,被配置为:
向所述目标语音命令数据所属的第二应用程序发送所述目标操作指令,以通过所述第二应用程序执行所述目标操作指令。
13.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求6任一项所述的语音识别方法所执行的操作。
14.一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,所述指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的语音识别方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358974.6A CN110992954A (zh) | 2019-12-25 | 2019-12-25 | 语音识别的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358974.6A CN110992954A (zh) | 2019-12-25 | 2019-12-25 | 语音识别的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992954A true CN110992954A (zh) | 2020-04-10 |
Family
ID=70075584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911358974.6A Pending CN110992954A (zh) | 2019-12-25 | 2019-12-25 | 语音识别的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992954A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282355A (zh) * | 2021-05-18 | 2021-08-20 | Oppo广东移动通信有限公司 | 基于状态机的指令执行方法、装置、终端及存储介质 |
CN114594923A (zh) * | 2022-02-16 | 2022-06-07 | 北京梧桐车联科技有限责任公司 | 车载终端的控制方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885783A (zh) * | 2014-04-03 | 2014-06-25 | 深圳市三脚蛙科技有限公司 | 一种应用程序的语音控制方法及装置 |
CN104916287A (zh) * | 2015-06-10 | 2015-09-16 | 青岛海信移动通信技术股份有限公司 | 一种语音控制的方法、装置和移动设备 |
CN108305626A (zh) * | 2018-01-31 | 2018-07-20 | 百度在线网络技术(北京)有限公司 | 应用程序的语音控制方法和装置 |
CN109767762A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于语音识别的应用程序控制方法及终端设备 |
CN110148405A (zh) * | 2019-04-10 | 2019-08-20 | 北京梧桐车联科技有限责任公司 | 语音指令处理方法及装置、电子设备及存储介质 |
-
2019
- 2019-12-25 CN CN201911358974.6A patent/CN110992954A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885783A (zh) * | 2014-04-03 | 2014-06-25 | 深圳市三脚蛙科技有限公司 | 一种应用程序的语音控制方法及装置 |
CN104916287A (zh) * | 2015-06-10 | 2015-09-16 | 青岛海信移动通信技术股份有限公司 | 一种语音控制的方法、装置和移动设备 |
CN108305626A (zh) * | 2018-01-31 | 2018-07-20 | 百度在线网络技术(北京)有限公司 | 应用程序的语音控制方法和装置 |
CN109767762A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于语音识别的应用程序控制方法及终端设备 |
CN110148405A (zh) * | 2019-04-10 | 2019-08-20 | 北京梧桐车联科技有限责任公司 | 语音指令处理方法及装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282355A (zh) * | 2021-05-18 | 2021-08-20 | Oppo广东移动通信有限公司 | 基于状态机的指令执行方法、装置、终端及存储介质 |
CN114594923A (zh) * | 2022-02-16 | 2022-06-07 | 北京梧桐车联科技有限责任公司 | 车载终端的控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602321B (zh) | 应用程序切换方法、装置、电子装置及存储介质 | |
CN110308956B (zh) | 一种应用界面显示方法、装置及移动终端 | |
CN112907725B (zh) | 图像生成、图像处理模型的训练、图像处理方法和装置 | |
CN109068008B (zh) | 铃声设置方法、装置、终端及存储介质 | |
CN110797042B (zh) | 音频处理方法、装置及存储介质 | |
CN109102811B (zh) | 音频指纹的生成方法、装置及存储介质 | |
CN111613213B (zh) | 音频分类的方法、装置、设备以及存储介质 | |
CN110705614A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN110677713B (zh) | 视频图像处理方法及装置、存储介质 | |
CN110288689B (zh) | 对电子地图进行渲染的方法和装置 | |
CN109783176B (zh) | 切换页面的方法和装置 | |
CN110992954A (zh) | 语音识别的方法、装置、设备及存储介质 | |
CN111611414A (zh) | 车辆检索方法、装置及存储介质 | |
CN114595019A (zh) | 应用程序的主题设置方法、装置、设备及存储介质 | |
CN114594885A (zh) | 应用图标的管理方法、装置、设备及计算机可读存储介质 | |
CN111063372B (zh) | 确定音高特征的方法、装置、设备及存储介质 | |
CN113843814A (zh) | 机械臂设备的控制***、方法、装置和存储介质 | |
CN113408989A (zh) | 汽车数据的比对方法、装置及计算机存储介质 | |
CN108519913B (zh) | 应用程序的运行状态管理方法、装置、存储介质及终端 | |
CN109275015B (zh) | 显示虚拟物品的方法、装置及存储介质 | |
CN108881715B (zh) | 拍摄模式的启用方法、装置、终端及存储介质 | |
CN108347672B (zh) | 播放音频的方法、装置及存储介质 | |
CN111708581A (zh) | 应用启动方法、装置、设备及计算机存储介质 | |
CN110941458A (zh) | 启动应用程序的方法、装置、设备及存储介质 | |
CN113539291B (zh) | 音频信号的降噪方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |