CN112908318A - 智能音箱的唤醒方法、装置、智能音箱及存储介质 - Google Patents

Abstract

本申请公开了智能音箱的唤醒方法、装置、智能音箱及存储介质，涉及语音识别技术领域。本申请中的方法应用于包含两个及以上智能音箱组成的无线网络中；具体实现方案为：接收包含唤醒词的语音信息；对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。本申请可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

Description

智能音箱的唤醒方法、装置、智能音箱及存储介质

技术领域

本申请涉及数据处理技术领域中的语音识别技术，尤其涉及一种智能音箱的唤醒方法、装置、智能音箱及存储介质。

背景技术

随着语音识别技术的不断发展，越来越多的设备中设置了语音识别功能。智能音箱就具备强大的语音识别功能，可以通过与用户的语音交互来执行各种操作。

目前，当多台智能音箱共存时，若用户发出包含唤醒词的语音信息时，多台智能音箱会同时响应唤醒词，使得多台智能音箱处于聆听状态。

但是，若多台音箱同时处于聆听状态，会导致语音交互的混乱情况，使得现场语音播报环境嘈杂，用户体验不佳。

发明内容

本申请提供一种智能音箱的唤醒方法、装置、智能音箱及存储介质，可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

第一方面，本申请实施例提供一种智能音箱的唤醒方法，应用于包含两个及以上智能音箱组成的无线网络中；所述方法包括：

接收包含唤醒词的语音信息；

对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；

根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，通过接收包含唤醒词的语音信息；对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，所述对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息，包括：

从所述语音信息中识别出唤醒词，并记录识别出所述唤醒词对应的第一时间戳。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出所述语音信息中的唤醒词，然后记录下识别出唤醒词时的时间，将该时间记为第一时间戳。无线网络中的所有智能音箱都会记录第一时间戳，用于标记接收到语音信息，以及识别出语音信息中的唤醒词的时间。

在一种可能的设计中，在根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态之前，还包括：

将所述第一时间戳以广播方式发送给无线网络中的其他智能音箱；

接收无线网络中其他智能音箱发送的第二时间戳；其中，所述第二时间戳是指其他智能音箱识别出所述唤醒词对应的时间。

本实施例中，当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的时间。其他的智能音箱会记录接收到的时间，该时间被记为第二时间戳。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的唤醒词，因此记录的第二时间戳的数量也可能是多个。

在一种可能的设计中，所述根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态，包括：

比较所述第一时间戳和所述第二时间戳对应的时间；

若存在至少一个所述第二时间戳的时间早于所述第一时间戳的时间，则放弃唤醒；

若所有所述第二时间戳的时间均不早于所述第一时间戳的时间，则唤醒并进入聆听状态。

本实施例中，无线网络中的各个智能音箱均执行对第一时间戳和第二时间戳的比较任务，若存在至少一个所述第二时间戳的时间早于所述第一时间戳的时间，则放弃唤醒；若所有所述第二时间戳的时间均不早于所述第一时间戳的时间，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的时间来唤醒智能音箱，唤醒词获取的时间越早，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，所述对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息，包括：

从所述语音信息中识别出唤醒词，并记录所述唤醒词对应的第一语音强度。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出所述语音信息中的唤醒词，然后记录下识别出唤醒词的语音强度。无线网络中的所有智能音箱都会记录第一语音强度，第一语音强度的大小表征了智能音箱与用户之间的距离，语音强度越大，则声音传播的损坏越小，智能音箱距离用户越近。

在一种可能的设计中，在根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态之前，还包括：

将所述第一语音强度以广播方式发送给无线网络中的其他智能音箱；

接收无线网络中其他智能音箱发送的第二语音强度；其中，所述第二语音强度是指其他智能音箱识别出所述唤醒词对应的语音强度。

本实施例中，当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的语音强度。其他的智能音箱会记录接收到的语音强度，该语音强度被记为第二语音强度。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的语音强度，因此接收的第二语音强度的数量也可能是多个。

在一种可能的设计中，所述根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态，包括：

比较所述第一语音强度和所述第二语音强度；

若存在至少一个所述第二语音强度大于所述第一语音强度，则放弃唤醒；

若所有所述第二语音强度均不大于所述第一语音强度，则唤醒并进入聆听状态。

本实施例中，无线网络中的各个智能音箱均执行对第一语音强度和第二语音强度的比较任务，若存在至少一个所述第二语音强度的大于所述第一语音强度，则放弃唤醒；若所有所述第二语音强度均不大于所述第一语音强度，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的语音强度来唤醒智能音箱，唤醒词对应的语音强度越大，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，所述无线网络中的智能音箱位于预设地理范围内，且所述无线网络中存在至少两个智能音箱的账号不相同。

本实施例可以应用在两个及以上的智能音箱组成的无线网络中，所述无线网络中的智能音箱位于预设地理范围内，且所述无线网络中存在至少两个智能音箱的账号不相同。通过对唤醒词获取的时间或者语音强度的比较，可以从无线网络中快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

第二方面，本申请实施例提供一种智能音箱的唤醒装置，应用于包含两个及以上智能音箱组成的无线网络中；所述装置包括：

接收模块，用于接收包含唤醒词的语音信息；

识别模块，用于对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；

唤醒模块，用于根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，通过接收包含唤醒词的语音信息；对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，所述识别模块，具体用于：

从所述语音信息中识别出唤醒词，并记录识别出所述唤醒词对应的第一时间戳。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出所述语音信息中的唤醒词，然后记录下识别出唤醒词时的时间，将该时间记为第一时间戳。无线网络中的所有智能音箱都会记录第一时间戳，用于标记接收到语音信息，以及识别出语音信息中的唤醒词的时间。

在一种可能的设计中，还包括：

发送模块，用于将所述第一时间以广播方式发送给无线网络中的其他智能音箱；

接收模块，用于接收无线网络中其他智能音箱发送的第二时间戳；其中，所述第二时间戳是指其他智能音箱识别出所述唤醒词对应的时间。

本实施例中，当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的时间。其他的智能音箱会记录接收到的唤醒词对应的时间，该时间被记为第二时间戳。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的唤醒词，因此记录的第二时间戳的数量也可能是多个。

在一种可能的设计中，所述唤醒模块，具体用于：

比较所述第一时间戳和所述第二时间戳对应的时间；

若存在至少一个所述第二时间戳的时间早于所述第一时间戳的时间，则放弃唤醒；

若所有所述第二时间戳的时间均不早于所述第一时间戳的时间，则唤醒并进入聆听状态。

本实施例中，无线网络中的各个智能音箱均执行对第一时间戳和第二时间戳的比较任务，若存在至少一个所述第二时间戳的时间早于所述第一时间戳的时间，则放弃唤醒；若所有所述第二时间戳的时间均不早于所述第一时间戳的时间，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的时间来唤醒智能音箱，唤醒词获取的时间越早，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，所述识别模块，具体用于：

从所述语音信息中识别出唤醒词，并记录所述唤醒词对应的第一语音强度。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出所述语音信息中的唤醒词，然后记录下识别出唤醒词的语音强度。无线网络中的所有智能音箱都会记录第一语音强度，第一语音强度的大小表征了智能音箱与用户之间的距离，语音强度越大，则声音传播的损坏越小，智能音箱距离用户越近。

在一种可能的设计中，还包括

发送模块，用于将所述第一语音强度以广播方式发送给无线网络中的其他智能音箱；

接收模块，用于接收无线网络中其他智能音箱发送的第二语音强度；其中，所述第二语音强度是指其他智能音箱识别出所述唤醒词对应的语音强度。

本实施例中，当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的语音强度。其他的智能音箱会记录接收到的语音强度，该语音强度被记为第二语音强度。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的语音强度，因此接收的第二语音强度的数量也可能是多个。

在一种可能的设计中，所述唤醒模块，具体用于：

比较所述第一语音强度和所述第二语音强度；

若存在至少一个所述第二语音强度大于所述第一语音强度，则放弃唤醒；

若所有所述第二语音强度均不大于所述第一语音强度，则唤醒并进入聆听状态。

本实施例中，无线网络中的各个智能音箱均执行对第一语音强度和第二语音强度的比较任务，若存在至少一个所述第二语音强度的大于所述第一语音强度，则放弃唤醒；若所有所述第二语音强度均不大于所述第一语音强度，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的语音强度来唤醒智能音箱，唤醒词对应的语音强度越大，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，所述无线网络中的智能音箱位于预设地理范围内，且所述无线网络中存在至少两个智能音箱的账号不相同。

本实施例可以应用在两个及以上的智能音箱组成的无线网络中，所述无线网络中的智能音箱位于预设地理范围内，且所述无线网络中存在至少两个智能音箱的账号不相同。通过对唤醒词获取的时间或者语音强度的比较，可以从无线网络中快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

第三方面，本申请提供一种智能音箱，包括：处理器和存储器；存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行如第一方面中任一项所述的智能音箱的唤醒方法。

第四方面，本申请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第一方面中任一项所述的智能音箱的唤醒方法。

第五方面，本申请实施例提供一种程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得服务器执行第一方面中任一所述的智能音箱的唤醒方法。

第六方面，本申请实施例提供一种智能音箱的唤醒方法，包括：

接收语音信息；

若所述语音信息中包含有唤醒词，则根据所述唤醒词对应的标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，通过接收语音信息；若所述语音信息中包含有唤醒词，则根据所述唤醒词对应的标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。本申请可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

上述申请中的一个实施例具有如下优点或有益效果：可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，提高语音交互的效率和质量，用户体验更佳。因为采用接收包含唤醒词的语音信息；对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态的技术手段，所以克服了多台智能音箱被同时唤醒带来的语音交互混乱的技术问题，通过唤醒词对应的标识信息，快速地选择出用户最有可能唤醒的一台智能音箱，达到提高语音交互的效率和质量，用户体验更佳的技术效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是可以实现本申请实施例的智能音箱的唤醒方法的原理示意图；

图2是根据本申请第一实施例的示意图；

图3是根据本申请第二实施例的示意图；

图4是根据本申请第三实施例的示意图；

图5是根据本申请第四实施例的示意图；

图6是根据本申请第五实施例的示意图；

图7是用来实现本申请实施例的智能音箱的唤醒方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

随着语音识别技术的不断发展，越来越多的设备中设置了语音识别功能。智能音箱就具备强大的语音识别功能，可以通过与用户的语音交互来执行各种操作。目前，当多台智能音箱共存时，若用户发出包含唤醒词的语音信息时，多台智能音箱会同时响应唤醒词，使得多台智能音箱处于聆听状态。但是，若多台音箱同时处于聆听状态，会导致语音交互的混乱情况，使得现场语音播报环境嘈杂，用户体验不佳。

针对上述技术问题，本申请提供一种智能音箱的唤醒方法、装置、智能音箱及存储介质，可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

图1是可以实现本申请实施例的智能音箱的唤醒方法的原理示意图，如图1所示，在多台智能音箱共存的场景中，多台智能音箱通过无线网络连接在一起。当用户发出语音信息时，无线网络中所有的智能音箱都可以接收包含唤醒词的语音信息。然后，智能音箱对语音信息进行识别处理，得到唤醒词对应的标识信息。标识信息可以是包括语音算法库接到唤醒消息的时间戳、唤醒词的语音强度、节点地址等信息。例如，智能音箱可以通过语音算法识别出语音信息中的唤醒词，然后记录下识别出唤醒词的语音强度、识别出唤醒词时的时间等。无线网络中的所有智能音箱都会记录第一语音强度、第一时间戳。第一语音强度的大小表征了智能音箱与用户之间的距离，语音强度越大，则声音传播的损坏越小，智能音箱距离用户越近。第一时间戳，用于标记接收到语音信息，以及识别出语音信息中的唤醒词的时间。然后，智能音箱将标识信息以广播方式发送给处于相同无线网络中的其他智能音箱。同时，该智能音箱也接收无线网络中其他智能音箱发送的标识信息。每个智能音箱节点都可以通过无线网络发送此类标识信息，消息包的大小要符合无线网络的规则和要求。然后，智能音箱根据预设的规则，将自身的标识信息和接收到的其他智能音箱发送的标识信息进行比较判断，确定无线网络中唤醒一个智能音箱进入聆听状态，而其他智能音箱放弃唤醒。可以设置多种策略来解决同时唤醒和识别的问题，比如采用唤醒时间戳比较法，只有具有最早时间唤醒时间戳的终端可以唤醒***并进入聆听状态，并对后续的指令做出反应。同理，也可采用语音强度方式解决同时唤醒和识别问题，通过比较各个节点收到的语音强度来判断，最终就有最大信号强度的节点唤醒自己并转换到下一个状态，其他的节点放弃唤醒自己。这些方案将在后续实施例中进行详细介绍，此处不再赘述。

应用上述方法可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，克服了多台智能音箱被同时唤醒带来的语音交互混乱的技术问题，通过唤醒词对应的标识信息，快速地选择出用户最有可能唤醒的一台智能音箱，达到提高语音交互的效率和质量，用户体验更佳的技术效果。

图2是根据本申请第一实施例的示意图，如图2所示，本实施例中的方法可以包括：

S101、接收包含唤醒词的语音信息。

本实施例的智能音箱的唤醒方法，可以应用于包含两个及以上智能音箱组成的无线网络中。智能音箱根据***设置不同，设置有不同的唤醒词，例如“小度小度”、“小爱同学”。智能音箱可以接收包含唤醒词的语音信息,以进入唤醒状态。而当网络中存在两个及以上智能音箱时，多台智能音箱会同时响应唤醒词，本申请的目的是快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况。

可选地，无线网络中的智能音箱位于预设地理范围内，且无线网络中存在至少两个智能音箱的账号不相同。

具体地，目前当用户发出唤醒词和进行查询时，若多台机器使用同一个账号登录，后云端会根据位置和账号进行判断，随后查询的结果会只下发到其中的一台音箱而不是所有同一账号的音箱。而当存在多台机器采用不同账户登录时，都会唤醒并对查询的内容进行各自的响应，在这种情况下，由于网络传输和终端负载的原因，查询内容下发后现场会很吵杂，用户体验不好。本申请可以在本地选择快速地选择出用户最有可能唤醒的一台智能音箱，因此能够适应于无线网络中存在至少两个智能音箱的账号不相同的情形，即本申请的方法可以适用于无论何种账号登录的本地多台音箱的唤醒。

S102、对语音信息进行识别处理，得到唤醒词对应的标识信息。

本实施例中，智能音箱对语音信息进行识别处理，得到唤醒词对应的标识信息。标识信息可以是包括语音算法库接到唤醒消息的时间戳、唤醒词的语音强度、节点地址等信息。

S103、根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，智能音箱将标识信息以广播方式发送给处于相同无线网络中的其他智能音箱。同时，该智能音箱也接收无线网络中其他智能音箱发送的标识信息。每个智能音箱节点都可以通过无线网络发送此类标识信息，消息包的大小要符合无线网络的规则和要求。然后，智能音箱根据预设的规则，将自身的标识信息和接收到的其他智能音箱发送的标识信息进行比较判断，确定无线网络中唤醒一个智能音箱进入聆听状态，而其他智能音箱放弃唤醒。可以设置多种策略来解决同时唤醒和识别的问题，比如采用唤醒时间戳比较法，只有具有最早时间唤醒时间戳的终端可以唤醒***并进入聆听状态，并对后续的指令做出反应。同理，也可采用语音强度方式解决同时唤醒和识别问题，通过比较各个节点收到的语音强度来判断，最终就有最大信号强度的节点唤醒自己并转换到下一个状态，其他的节点放弃唤醒自己。这些方案将在后续实施例中进行详细介绍，此处不再赘述。

需要说明的是，本实施例不限定智能音箱以广播方式发送标识信息与接收无线网络中其他智能音箱发送的标识信息的先后顺序，可以是先发后接或者先接后发，还可以是同时进行发送和接收。

本实施例，通过接收包含唤醒词的语音信息；对语音信息进行识别处理，得到唤醒词对应的标识信息；根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

图3是根据本申请第二实施例的示意图；如图3所示，本实施例中的方法可以包括：

S201、接收包含唤醒词的语音信息。

S202、从语音信息中识别出唤醒词，并记录识别出唤醒词对应的第一时间戳。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出语音信息中的唤醒词，然后记录下识别出唤醒词时的时间，将该时间记为第一时间戳。无线网络中的所有智能音箱都会记录第一时间戳，用于标记接收到语音信息，以及识别出语音信息中的唤醒词的时间。

S203、将第一时间戳以广播方式发送给无线网络中的其他智能音箱；接收无线网络中其他智能音箱发送的第二时间戳。

本实施例中，第二时间戳是指其他智能音箱识别出唤醒词对应的时间。当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的时间(第一时间戳)。其他的智能音箱会记录接收到的唤醒词对应的时间，该时间被记为第二时间戳。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的唤醒词，因此记录的第二时间戳的数量也可能是多个。

需要说明的是，本实施例不限定智能音箱以广播方式发送第一时间戳与接收无线网络中其他智能音箱发送的第二时间戳的先后顺序，可以是先发后接或者先接后发，还可以是同时进行发送和接收。

S204、根据第一时间戳和第二时间戳，从无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，比较第一时间戳和第二时间戳对应的时间；若存在至少一个第二时间戳的时间早于第一时间戳的时间，则放弃唤醒；若所有第二时间戳的时间均不早于第一时间戳的时间，则唤醒并进入聆听状态。

具体地，无线网络中的各个智能音箱均执行对第一时间戳和第二时间戳的比较任务，若存在至少一个第二时间戳的时间早于第一时间戳的时间，即本智能音箱并不是网络中第一个识别出唤醒词的智能音箱，则放弃唤醒；若所有第二时间戳的时间均不早于第一时间戳的时间，即本智能音箱是网络中第一个识别出唤醒词的智能音箱，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的时间来唤醒智能音箱，唤醒词获取的时间越早，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

本实施例，通过接收包含唤醒词的语音信息；对语音信息进行识别处理，得到唤醒词对应的标识信息；根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

图4是根据本申请第三实施例的示意图；如图4所示，本实施例中的方法可以包括：

S301、接收包含唤醒词的语音信息。

S302、从语音信息中识别出唤醒词，并记录唤醒词对应的第一语音强度。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出语音信息中的唤醒词，然后记录下识别出唤醒词的语音强度。无线网络中的所有智能音箱都会记录第一语音强度，第一语音强度的大小表征了智能音箱与用户之间的距离，语音强度越大，则声音传播的损坏越小，智能音箱距离用户越近。

S303、将第一语音强度以广播方式发送给无线网络中的其他智能音箱；接收无线网络中其他智能音箱发送的第二语音强度。

本实施例中，第二语音强度是指其他智能音箱识别出唤醒词对应的语音强度。当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的语音强度。其他的智能音箱会记录接收到的语音强度，该语音强度被记为第二语音强度。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的语音强度，因此接收的第二语音强度的数量也可能是多个。

需要说明的是，本实施例不限定智能音箱以广播方式发送第一语音强度与接收无线网络中其他智能音箱发送的第二语音强度的先后顺序，可以是先发后接或者先接后发，还可以是同时进行发送和接收。

S304、根据第一语音强度和第二语音强度，从无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，比较第一语音强度和第二语音强度；若存在至少一个第二语音强度大于第一语音强度，则放弃唤醒；若所有第二语音强度均不大于第一语音强度，则唤醒并进入聆听状态。

具体地，无线网络中的各个智能音箱均执行对第一语音强度和第二语音强度的比较任务，若存在至少一个第二语音强度的大于第一语音强度，则放弃唤醒；若所有第二语音强度均不大于第一语音强度，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的语音强度来唤醒智能音箱，唤醒词对应的语音强度越大，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

需要说明的是，还可以将识别出唤醒词对应的时间戳和语音强度进行结合，从而快速地选择出用户最有可能唤醒的一台智能音箱，其原理和实施步骤如上述实施例，此处不再赘述。

本实施例，通过接收包含唤醒词的语音信息；对语音信息进行识别处理，得到唤醒词对应的标识信息；根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

图5是根据本申请第四实施例的示意图；如图5所示，本实施例中的装置应用于包含两个及以上智能音箱组成的无线网络中；可以包括：

接收模块31，用于接收包含唤醒词的语音信息；

识别模块32，用于对语音信息进行识别处理，得到唤醒词对应的标识信息；

唤醒模块33，用于根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。

本实施例中，通过接收包含唤醒词的语音信息；对语音信息进行识别处理，得到唤醒词对应的标识信息；根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，识别模块32，具体用于：

从语音信息中识别出唤醒词，并记录识别出唤醒词对应的第一时间戳。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出语音信息中的唤醒词，然后记录下识别出唤醒词时的时间，将该时间记为第一时间戳。无线网络中的所有智能音箱都会记录第一时间戳，用于标记接收到语音信息，以及识别出语音信息中的唤醒词的时间。

在一种可能的设计中，唤醒模块33，具体用于：

比较第一时间戳和第二时间戳对应的时间；

若存在至少一个第二时间戳的时间早于第一时间戳的时间，则放弃唤醒；

若所有第二时间戳的时间均不早于第一时间戳的时间，则唤醒并进入聆听状态。

本实施例中，无线网络中的各个智能音箱均执行对第一时间戳和第二时间戳的比较任务，若存在至少一个第二时间戳的时间早于第一时间戳的时间，则放弃唤醒；若所有第二时间戳的时间均不早于第一时间戳的时间，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的时间来唤醒智能音箱，唤醒词获取的时间越早，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，识别模块32，具体用于：

从语音信息中识别出唤醒词，并记录唤醒词对应的第一语音强度。

本实施例中，当用户发出包含唤醒词的语音信息时，智能音箱可以通过语音算法识别出语音信息中的唤醒词，然后记录下识别出唤醒词的语音强度。无线网络中的所有智能音箱都会记录第一语音强度，第一语音强度的大小表征了智能音箱与用户之间的距离，语音强度越大，则声音传播的损坏越小，智能音箱距离用户越近。

在一种可能的设计中，唤醒模块33，具体用于：

比较第一语音强度和第二语音强度；

若存在至少一个第二语音强度大于第一语音强度，则放弃唤醒；

若所有第二语音强度均不大于第一语音强度，则唤醒并进入聆听状态。

本实施例中，无线网络中的各个智能音箱均执行对第一语音强度和第二语音强度的比较任务，若存在至少一个第二语音强度的大于第一语音强度，则放弃唤醒；若所有第二语音强度均不大于第一语音强度，则唤醒并进入聆听状态。这种方式可以根据唤醒词获取的语音强度来唤醒智能音箱，唤醒词对应的语音强度越大，说明该智能音箱与用户的距离越近。因此可以从无线网络中唤醒距离用户最近的智能音箱进入聆听状态；避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

在一种可能的设计中，无线网络中的智能音箱位于预设地理范围内，且无线网络中存在至少两个智能音箱的账号不相同。

本实施例可以应用在两个及以上的智能音箱组成的无线网络中，无线网络中的智能音箱位于预设地理范围内，且无线网络中存在至少两个智能音箱的账号不相同。通过对唤醒词获取的时间或者语音强度的比较，可以从无线网络中快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

本实施例的智能音箱的唤醒装置，可以执行图2、图3、图4所示方法中的技术方案，其具体实现过程和技术原理参见图2、图3、图4所示方法中的相关描述，此处不再赘述。

本实施例，通过接收包含唤醒词的语音信息；对语音信息进行识别处理，得到唤醒词对应的标识信息；根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

图6是根据本申请第五实施例的示意图；如图6所示，本实施例中的装置在图5所示装置的基础上，还可以包括：

发送模块34；

接收模块35；

在一种可能的设计中，发送模块34，用于将第一语音强度以广播方式发送给无线网络中的其他智能音箱；

接收模块35，用于接收无线网络中其他智能音箱发送的第二语音强度；其中，第二语音强度是指其他智能音箱识别出唤醒词对应的语音强度。

本实施例中，当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的语音强度。其他的智能音箱会记录接收到的语音强度，该语音强度被记为第二语音强度。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的语音强度，因此接收的第二语音强度的数量也可能是多个。

在一种可能的设计中，发送模块34，用于将第一时间以广播方式发送给无线网络中的其他智能音箱；

接收模块35，用于接收无线网络中其他智能音箱发送的第二时间戳；其中，第二时间戳是指其他智能音箱识别出唤醒词对应的时间。

本实施例中，当智能音箱通过语音算法从语音信息中识别出唤醒词时，可以通过广播的方式向无线网络中的其他智能音箱发送识别出的唤醒词对应的时间。其他的智能音箱会记录接收到的唤醒词对应的时间，该时间被记为第二时间戳。当无线网络中智能音箱的数量为多个时，智能音箱可能会接收到多次其他智能音箱发送的唤醒词，因此记录的第二时间戳的数量也可能是多个。

本实施例的智能音箱的唤醒装置，可以执行图2、图3、图4所示方法中的技术方案，其具体实现过程和技术原理参见图2、图3、图4所示方法中的相关描述，此处不再赘述。

本实施例，通过接收包含唤醒词的语音信息；对语音信息进行识别处理，得到唤醒词对应的标识信息；根据标识信息，从无线网络中唤醒一个智能音箱进入聆听状态。从而可以应用于多台智能音箱共存的场景，快速地选择出用户最有可能唤醒的一台智能音箱，避免由于多台智能音箱被同时唤醒带来的语音交互混乱的情况，提高语音交互的效率和质量，用户体验更佳。

图7是用来实现本申请实施例的智能音箱的唤醒方法的电子设备的框图；如图7所示，是根据本申请实施例的图7智能音箱的唤醒方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图7中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的图7智能音箱的唤醒方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图7智能音箱的唤醒方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图7智能音箱的唤醒方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图7智能音箱的唤醒方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据图7智能音箱的唤醒方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至图7智能音箱的唤醒方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

图7智能音箱的唤醒方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图7中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与图7智能音箱的唤醒方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、GPU(图形处理器)、FPGA(现场可编程门阵列)设备、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种智能音箱的唤醒方法，其特征在于，应用于包含两个及以上智能音箱组成的无线网络中；所述方法包括：

接收包含唤醒词的语音信息；

对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；

根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。

2.根据权利要求1所述的方法，其特征在于，所述对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息，包括：

从所述语音信息中识别出唤醒词，并记录识别出所述唤醒词对应的第一时间戳。

3.根据权利要求2所述的方法，其特征在于，在根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态之前，还包括：

将所述第一时间戳以广播方式发送给无线网络中的其他智能音箱；

接收无线网络中其他智能音箱发送的第二时间戳；其中，所述第二时间戳是指其他智能音箱识别出所述唤醒词对应的时间。

4.根据权利要求3所述的方法，其特征在于，所述根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态，包括：

比较所述第一时间戳和所述第二时间戳对应的时间；

若存在至少一个所述第二时间戳的时间早于所述第一时间戳的时间，则放弃唤醒；

若所有所述第二时间戳的时间均不早于所述第一时间戳的时间，则唤醒并进入聆听状态。

5.根据权利要求1所述的方法，其特征在于，所述对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息，包括：

从所述语音信息中识别出唤醒词，并记录所述唤醒词对应的第一语音强度。

6.根据权利要求5所述的方法，其特征在于，在根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态之前，还包括：

将所述第一语音强度以广播方式发送给无线网络中的其他智能音箱；

接收无线网络中其他智能音箱发送的第二语音强度；其中，所述第二语音强度是指其他智能音箱识别出所述唤醒词对应的语音强度。

7.根据权利要求6所述的方法，其特征在于，所述根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态，包括：

比较所述第一语音强度和所述第二语音强度；

若存在至少一个所述第二语音强度大于所述第一语音强度，则放弃唤醒；

若所有所述第二语音强度均不大于所述第一语音强度，则唤醒并进入聆听状态。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述无线网络中的智能音箱位于预设地理范围内，且所述无线网络中存在至少两个智能音箱的账号不相同。

9.一种智能音箱的唤醒装置，其特征在于，应用于包含两个及以上智能音箱组成的无线网络中；所述装置包括：

接收模块，用于接收包含唤醒词的语音信息；

识别模块，用于对所述语音信息进行识别处理，得到所述唤醒词对应的标识信息；

唤醒模块，用于根据所述标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。

10.一种智能音箱，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

12.一种智能音箱的唤醒方法，其特征在于，包括：

接收语音信息；

若所述语音信息中包含有唤醒词，则根据所述唤醒词对应的标识信息，从所述无线网络中唤醒一个智能音箱进入聆听状态。

Images