本公開涉及計(jì)算機(jī)領(lǐng)域，具體涉及語(yǔ)音處理、深度學(xué)習(xí)、圖像處理等，尤其涉及一種語(yǔ)音控制方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、目前市面上主流的座艙語(yǔ)音系統(tǒng)均支持多音區(qū)交互，如雙音區(qū)、四音區(qū)、六音區(qū)等，同時(shí)跟音區(qū)配套的功能也有許多，如分區(qū)空調(diào)、分區(qū)車控、系統(tǒng)控制等。

2、各個(gè)音區(qū)配套的功能均獨(dú)立實(shí)現(xiàn)，用戶在控制相應(yīng)音區(qū)的部件時(shí)需要通過(guò)關(guān)鍵字喚醒后加上識(shí)別固定的指令才可以實(shí)現(xiàn)，控制算法的運(yùn)算量大，用戶體驗(yàn)差。

技術(shù)實(shí)現(xiàn)思路

1、本公開提供了一種語(yǔ)音控制方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品。

2、根據(jù)第一方面，提供了一種語(yǔ)音控制方法，該方法包括：接收至少兩個(gè)音區(qū)中第一音區(qū)的語(yǔ)音信息；檢測(cè)語(yǔ)音信息是否與意圖繼承關(guān)鍵信息相匹配；響應(yīng)于檢測(cè)到語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有至少兩個(gè)音區(qū)中第二音區(qū)的可繼承意圖信息，第二音區(qū)是與第一音區(qū)不同的音區(qū)；響應(yīng)于檢測(cè)到具有可繼承意圖信息，控制第一音區(qū)的被控對(duì)象執(zhí)行指令動(dòng)作。

3、根據(jù)第二方面，提供了一種語(yǔ)音控制裝置，該裝置包括：接收單元，被配置成接收至少兩個(gè)音區(qū)中第一音區(qū)的語(yǔ)音信息；關(guān)鍵檢測(cè)單元，被配置成檢測(cè)語(yǔ)音信息是否與意圖繼承關(guān)鍵信息相匹配；意圖檢測(cè)單元，被配置成響應(yīng)于檢測(cè)到語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有至少兩個(gè)音區(qū)中第二音區(qū)的可繼承意圖信息，第二音區(qū)是與第一音區(qū)不同的音區(qū)；執(zhí)行單元，被配置成響應(yīng)于檢測(cè)到具有可繼承意圖信息，控制第一音區(qū)的被控對(duì)象執(zhí)行指令動(dòng)作。

4、根據(jù)第三方面，提供了一種電子設(shè)備，該電子設(shè)備包括：至少一個(gè)處理器；以及與至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，存儲(chǔ)器存儲(chǔ)有可被至少一個(gè)處理器執(zhí)行的指令，指令被至少一個(gè)處理器執(zhí)行，以使至少一個(gè)處理器能夠執(zhí)行如第一方面任一實(shí)現(xiàn)方式描述的方法。

5、根據(jù)第四方面，提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行如第一方面任一實(shí)現(xiàn)方式描述的方法。

6、根據(jù)第五方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面任一實(shí)現(xiàn)方式描述的方法。

7、本公開的實(shí)施例提供的語(yǔ)音控制方法和裝置，首先，接收至少兩個(gè)音區(qū)中第一音區(qū)的語(yǔ)音信息；其次，檢測(cè)語(yǔ)音信息是否與意圖繼承關(guān)鍵信息相匹配；再次，響應(yīng)于檢測(cè)到語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有第二音區(qū)的可繼承意圖信息，第二音區(qū)是與第一音區(qū)不同的音區(qū)；最后，響應(yīng)于檢測(cè)到具有可繼承意圖信息，控制第一音區(qū)的被控對(duì)象執(zhí)行指令動(dòng)作。由此，在第一音區(qū)的語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配時(shí)，若檢測(cè)到的第二音區(qū)的可繼承意圖信息，直接執(zhí)行該可繼承意圖信息，可以使第一音區(qū)的用戶無(wú)需發(fā)出與指令動(dòng)作相匹配的控制指令，簡(jiǎn)化了用戶語(yǔ)音控制流程，節(jié)省了控制算法的運(yùn)算量，提高了用戶體驗(yàn)。

8、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過(guò)以下的說(shuō)明書而變得容易理解。

技術(shù)特征：

1.一種語(yǔ)音控制方法，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其中，所述意圖繼承關(guān)鍵信息包括：意圖繼承關(guān)鍵詞，所述檢測(cè)所述語(yǔ)音信息是否與意圖繼承關(guān)鍵信息相匹配包括：

3.根據(jù)權(quán)利要求1所述的方法，其中，所述意圖繼承關(guān)鍵信息包括：意圖繼承語(yǔ)義信息，所述檢測(cè)所述語(yǔ)音信息是否與意圖繼承關(guān)鍵信息相匹配包括：

4.根據(jù)權(quán)利要求1所述的方法，其中，所述響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有所述第二音區(qū)的可繼承意圖信息包括：

5.根據(jù)權(quán)利要求1所述的方法，其中，所述響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有所述第二音區(qū)的可繼承意圖信息包括：

6.根據(jù)權(quán)利要求1所述的方法，其中，所述響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有所述第二音區(qū)的可繼承意圖信息包括：

7.根據(jù)權(quán)利要求1所述的方法，其中，所述響應(yīng)于檢測(cè)到具有所述可繼承意圖信息，控制所述第一音區(qū)的被控對(duì)象執(zhí)行指令動(dòng)作包括：

8.根據(jù)權(quán)利要求1-7之一所述的方法，所述方法還包括：

9.根據(jù)權(quán)利要求8所述的方法，所述方法還包括：

10.根據(jù)權(quán)利要求9所述的方法，其中，所述檢測(cè)所述動(dòng)作執(zhí)行意圖是否為所述第一音區(qū)的可繼承意圖信息包括：

11.根據(jù)權(quán)利要求9所述的方法，其中，所述檢測(cè)所述動(dòng)作執(zhí)行意圖是否為所述第一音區(qū)的可繼承意圖信息包括：

12.根據(jù)權(quán)利要求8所述的方法，其中，所述響應(yīng)于判斷結(jié)果為所述語(yǔ)音信息包括喚醒控制信息，基于所述語(yǔ)音信息，識(shí)別動(dòng)作執(zhí)行意圖包括：

13.一種語(yǔ)音控制裝置，所述裝置包括：

14.根據(jù)權(quán)利要求13所述的裝置，其中，所述意圖繼承關(guān)鍵信息包括：意圖繼承關(guān)鍵詞，所述關(guān)鍵檢測(cè)單元被配置成：基于所述語(yǔ)音信息，得到轉(zhuǎn)化文本；檢測(cè)所述轉(zhuǎn)化文本中是否具有所述意圖繼承關(guān)鍵詞；響應(yīng)于檢測(cè)到所述轉(zhuǎn)化文本中具有所述意圖繼承關(guān)鍵詞，確定所述語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配。

15.根據(jù)權(quán)利要求13所述的裝置，其中，所述意圖繼承關(guān)鍵信息包括：意圖繼承語(yǔ)義信息，所述關(guān)鍵檢測(cè)單元被配置成：基于所述語(yǔ)音信息，提取文本語(yǔ)義信息；檢測(cè)所述文本語(yǔ)義信息是否與所述意圖繼承語(yǔ)義信息相匹配；響應(yīng)于檢測(cè)到所述文本語(yǔ)義信息與所述意圖繼承語(yǔ)義信息相匹配，確定所述語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配。

16.根據(jù)權(quán)利要求13所述的裝置，其中，所述意圖檢測(cè)單元被配置成：響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息相匹配，從本地存儲(chǔ)的至少兩個(gè)音區(qū)的可繼承意圖信息中選取與所述語(yǔ)音信息時(shí)間相差最短的可繼承意圖信息；檢測(cè)與所述語(yǔ)音信息時(shí)間相差最短的可繼承意圖信息是否屬于所述第一音區(qū)；響應(yīng)于檢測(cè)到與所述語(yǔ)音信息時(shí)間相差最短的可繼承意圖信息不屬于所述第一音區(qū)，確定具有所述第二音區(qū)的可繼承意圖信息。

17.根據(jù)權(quán)利要求13所述的裝置，其中，所述意圖檢測(cè)單元被配置成：響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息相匹配，檢測(cè)本地?cái)?shù)據(jù)庫(kù)是否存儲(chǔ)有所述第二音區(qū)的動(dòng)作執(zhí)行意圖；響應(yīng)于檢測(cè)到所述動(dòng)作執(zhí)行意圖，且所述動(dòng)作執(zhí)行意圖只有一個(gè)；將所述動(dòng)作執(zhí)行意圖確定為可繼承意圖信息，并確定所述第二音區(qū)具有可繼承意圖信息。

18.根據(jù)權(quán)利要求13所述的裝置，其中，所述意圖檢測(cè)單元被配置成：響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息相匹配，檢測(cè)所述意圖繼承關(guān)鍵信息是否包括所述第二音區(qū)的意圖繼承語(yǔ)義信息；響應(yīng)于檢測(cè)到所述意圖繼承關(guān)鍵信息包括所述第二音區(qū)的意圖繼承語(yǔ)義信息，確定具有所述第二音區(qū)的可繼承意圖信息。

19.根據(jù)權(quán)利要求13所述的裝置，所述執(zhí)行單元被配置成：基于所述可繼承意圖信息，生成并發(fā)送意圖問(wèn)詢信息；響應(yīng)于接收到對(duì)所述意圖問(wèn)詢信息的答復(fù)信息，控制第一音區(qū)的被控對(duì)象執(zhí)行所述可繼承意圖信息和所述答復(fù)信息對(duì)應(yīng)的指令動(dòng)作。

20.根據(jù)權(quán)利要求13-19之一所述的裝置，所述裝置還包括：第一實(shí)施單元，被配置成：響應(yīng)于檢測(cè)到所述語(yǔ)音信息與所述意圖繼承關(guān)鍵信息不相匹配，判斷所述語(yǔ)音信息是否包括喚醒控制信息；響應(yīng)于判斷結(jié)果為所述語(yǔ)音信息包括喚醒控制信息，基于所述語(yǔ)音信息，識(shí)別動(dòng)作執(zhí)行意圖；控制所述第一音區(qū)的被控對(duì)象執(zhí)行所述動(dòng)作執(zhí)行意圖的指令動(dòng)作。

21.根據(jù)權(quán)利要求20所述的裝置，所述裝置還包括：第二實(shí)施單元，被配置成：檢測(cè)所述動(dòng)作執(zhí)行意圖是否為所述第一音區(qū)的可繼承意圖信息；響應(yīng)于檢測(cè)到所述動(dòng)作執(zhí)行意圖是所述第一音區(qū)的可繼承意圖信息，將所述動(dòng)作執(zhí)行意圖作為所述第一音區(qū)的可繼承意圖信息存儲(chǔ)在本地?cái)?shù)據(jù)庫(kù)中。

22.根據(jù)權(quán)利要求21所述的裝置，其中，所述第二實(shí)施單元被配置成：基于所述動(dòng)作執(zhí)行意圖，確定當(dāng)前場(chǎng)景下的被控對(duì)象；檢測(cè)所述被控對(duì)象是否屬于預(yù)設(shè)垂類；響應(yīng)于檢測(cè)到所述被控對(duì)象屬于預(yù)設(shè)垂類，確定所述動(dòng)作執(zhí)行意圖為所述第一音區(qū)的可繼承意圖信息。

23.根據(jù)權(quán)利要求21所述的裝置，其中，所述第二實(shí)施單元被配置成：基于所述動(dòng)作執(zhí)行意圖，確定當(dāng)前場(chǎng)景下的被控對(duì)象；檢測(cè)所述第二音區(qū)是否具有與所述被控對(duì)象類型相同的對(duì)象；響應(yīng)于檢測(cè)到所述第二音區(qū)具有與所述被控對(duì)象類型相同的對(duì)象，確定所述動(dòng)作執(zhí)行意圖為所述第一音區(qū)的可繼承意圖信息。

24.根據(jù)權(quán)利要求20所述的裝置，其中，所述第一實(shí)施單元被配置成：響應(yīng)于判斷結(jié)果為所述語(yǔ)音信息包括喚醒控制信息，基于所述語(yǔ)音信息，得到轉(zhuǎn)化文本；將所述轉(zhuǎn)化文本輸入訓(xùn)練完成的意圖識(shí)別模型，得到意圖識(shí)別模型輸出的動(dòng)作執(zhí)行意圖。

25.一種電子設(shè)備，其特征在于，包括：

26.一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行權(quán)利要求1-12中任一項(xiàng)所述方法。

27.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-12中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本公開提供了一種語(yǔ)音控制方法和裝置，涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及語(yǔ)音處理、深度學(xué)習(xí)、圖像處理等技術(shù)領(lǐng)域。具體實(shí)現(xiàn)方案為：接收至少兩個(gè)音區(qū)中第一音區(qū)的語(yǔ)音信息；檢測(cè)語(yǔ)音信息是否與意圖繼承關(guān)鍵信息相匹配；響應(yīng)于檢測(cè)到語(yǔ)音信息與意圖繼承關(guān)鍵信息相匹配，檢測(cè)是否具有第二音區(qū)的可繼承意圖信息，所述第二音區(qū)是與所述第一音區(qū)不同的音區(qū)；響應(yīng)于檢測(cè)到具有可繼承意圖信息，控制第一音區(qū)的被控對(duì)象執(zhí)行指令動(dòng)作，提高了用戶體驗(yàn)。

技術(shù)研發(fā)人員：毛文強(qiáng)
受保護(hù)的技術(shù)使用者：阿波羅智聯(lián)（北京）科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6