交互方法、交互装置、电子设备和介质与流程

本公开涉及计算机技术领域，更具体地，涉及一种适用于电子设备的交互方法、交互装置、电子设备和介质。

背景技术：

随着人工智能(artificialintelligence，ai)时代的到来，语音交互成为越来越重要的用户入口，用户只需要通过语音交互的方式就可完成设备操控、任务执行等原来需要鼠标、键盘、触控板等输入设备才能完成的工作。语音交互也解决了现有部分人群不会使用电脑和智能终端的难题，语音交互被认为是继应用(app)以后新的重大变革之一。

现有语音交互技术中，通常利用针对具体应用的功能的自然语言进行交互来解决交互问题，比如“给我放首歌”，“打开微信”来指示操作具体的应用播放一首歌曲或者打开一个应用。这种技术完全摒弃了移动端app和个人电脑(pc)上图形操作界面的习惯。

在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题：现有语音交互技术和应用本身耦合紧密，不易复用，此外，对于已有的需要键盘、鼠标等输入设备进行的操作的应用，将操作方式转变为语音操作时，需要重新培养用户的使用习惯。

技术实现要素：

有鉴于此，本公开提供了一种使得语音交互技术与应用解耦、并且无需培养新的使用习惯的交互方法、交互装置、电子设备和介质。

本公开的一个方面提供了一种由电子设备执行的交互方法，包括如下操作：首先，接收语音信息，然后，确定所述语音信息中是否包括与系统事件关联的信息，其中，所述系统事件为与所述电子设备支持的至少一个输入装置的可输入信息相应的事件，接着，当确定所述语音信息中包括所述与系统事件关联的信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

本公开提供的交互方法确定所述语音信息中是否包括输入装置的可输入信息相应的系统事件的信息，如点击鼠标、输入字母a或点击触摸屏等，如果包括，则分发该系统事件。这样可以将输入的语音信息直接转换为如对键盘、鼠标等输入装置的操作而输入的指令，进而将语音信息转换为系统事件，通过系统分发系统事件给如应用，实现人机交互，适用的应用非常广泛，如具有输入装置的电子设备上安装的各种应用，并且免去应用开发人员通常需要关注的语音交互相关技术。

根据本公开的实施例，所述确定所述语音信息中是否包括与系统事件关联的信息包括：将所述语音信息在声学特征库中进行匹配，确定所述语音信息中是否包括系统事件对应的声学特征，其中，所述声学特征库被存储在所述电子设备中，并且所述声学特征库包括声学特征与系统事件之间的对应关系。由于声学特征库可以是预先离线训练好的，便于基于声学特征库快速、准确地确定所述语音信息中是否包括系统事件关联信息。

根据本公开的实施例，所述方法还可以包括构建所述声学特征库，其中，所述构建所述声学特征库可以包括如下操作：首先，获得所述系统事件和对应声学特征，然后，生成所述系统事件与所述对应声学特征之间的映射模型。

根据本公开的实施例，所述构建所述声学特征库可以包括如下操作：首先，获得所述至少一个输入装置的可输入信息相应的系统事件的文本信息，然后，基于语音单元的声学特征生成所述文本信息的声学特征，接着，存储所述系统事件、所述声学特征和所述映射模型。其中，语音单元可以各种构成语音的基本单元，如音素、字和词等，这样就可以基于语音单元合成系统事件的声学特征。

根据本公开的实施例，所述获得所述系统事件和对应声学特征可以包括如下操作：首先，获得所述至少一个输入装置的可输入信息相应的系统事件，然后，获得所述至少一个输入装置的可输入信息相应的系统事件的语音信息，接着，对所述系统事件的语音信息进行声学特征提取。这样就可以利用语音模型工具获取系统事件的声学特征。

根据本公开的实施例，所述方法还可以包括如下操作，与所述电子设备中安装的应用相独立地更新所述声学特征库。这样就无需在需要更新声学特征库时需要同时更新相应的应用。

根据本公开的实施例，所述方法还可以包括如下操作：当确定所述语音信息中不包括与系统事件关联的信息时，对所述语音信息进行语音识别，以便得到文本信息，然后，确定所述文本信息的语义信息，接着，确定所述语义信息是否包括与系统事件关联的语义信息，当所述语义信息包括与系统事件关联的语义信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。当语音信息中未包括系统事件相应语音信息时，进行语音识别和语义分析，得到语义信息，进而可以根据语义信息得到系统事件，有效涵盖了针对同一语义的多种语音表达方式，有助于提升用户体验。

根据本公开的实施例，所述系统事件的语义信息包括标准语义信息和扩展语义信息，所述扩展语义信息语义为对所述标准语义信息的语义进行扩展得到的。

本公开的另一个方面提供了一种由电子设备执行的交互装置，可以包括：信息接收模块、第一事件确定模块和第一事件分发模块，其中，所述信息接收模块用于接收语音信息，所述第一事件确定模块用于确定所述语音信息中是否包括与系统事件关联的信息，其中，所述系统事件为所述电子设备支持的至少一个输入装置的可输入信息相应的事件，所述第一事件分发模块用于当确定所述语音信息中包括所述与系统事件关联的信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

根据本公开的实施例，所述第一事件确定模块具体用于将所述语音信息在声学特征库中进行匹配，确定所述语音信息中是否包括系统事件对应的声学特征，其中，所述声学特征库被存储在所述电子设备中，并且所述声学特征库包括声学特征与系统事件之间的对应关系。

根据本公开的实施例，所述装置还可以包括：模型库构建模块，所述模型库构建模块包括：声学特征获取单元和映射模型生成单元，其中，所述声学特征获取单元用于获得所述系统事件和对应的声学特征，所述映射模型生成单元用于生成所述系统事件与所述对应的声学特征之间的映射模型。

根据本公开的实施例，所述声学特征获取单元包括：事件获得子单元、语音信息获得子单元和声学特征获取子单元，其中，所述事件获得子单元用于获得所述至少一个输入装置的可输入信息相应的系统事件，所述语音信息获得子单元用于获得所述至少一个输入装置的可输入信息相应的系统事件的语音信息，所述声学特征获取子单元用于对所述系统事件的语音信息进行声学特征提取。

根据本公开的实施例，所述装置还可以包括更新模块，所述更新模块用于与所述电子设备中安装的应用相独立地更新所述声学特征库。

根据本公开的实施例，所述装置还包括：语音识别模块、语义信息获取模块、第二事件确定模块和第二事件分发模块。其中，所述语音识别模块用于当确定所述语音信息中不包括与系统事件关联的信息时，对所述语音信息进行语音识别，以便得到文本信息，所述语义信息获取模块用于确定所述文本信息的语义信息，所述第二事件确定模块用于确定所述语义信息是否包括与系统事件关联的语义信息，所述第二事件分发模块用于当所述语义信息包括与系统事件关联的语义信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

根据本公开的实施例，所述系统事件的语义信息包括标准语义信息和扩展语义信息，所述扩展语义信息语义为对所述标准语义信息的语义进行扩展得到的。

本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及存储装置，其中，所述存储装置用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述的方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1a示意性示出了根据本公开实施例的交互方法、交互装置、电子设备和介质的应用场景；

图1b示意性示出了根据本公开实施例的交互方法适用的示例性系统架构；

图2示意性示出了根据本公开实施例的由电子设备执行的交互方法的流程图；

图3a示意性示出了根据本公开另一实施例的由电子设备执行的交互方法的流程图；

图3b示意性示出了根据本公开实施例的自然语音操控的逻辑图；

图4a示意性示出了根据本公开实施例的由电子设备执行的交互装置的框图；

图4b示意性示出了根据本公开实施例的语音操控模块的框图；以及

图5示意性示出了根据本公开实施例的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。

语音交互通常是由应用层面实现语音识别与解析得到文本或操控指令，并转换为应用逻辑，以达到操控或交互的目的。比如用户将“京东，我要买电视”的语音信息发送给当前应用，当前应用收到语音以后通过算法处理和语义分析，确定是购买的指令。这类语音交互方式和应用本身耦合紧密，不易复用，并且应用层面会嵌入大量声学特征信息，如语音模型，此外，还可能嵌入大量语义模型，不仅占用大量存储空间(也称为应用包比较重)而且随着应用功能变更，不但需要重新安装或升级应用，同时需要对上述语音模型和语义模型进行重新安装或升级，对应用的推广和使用带来不便。

经分析，现有技术的关键问题在于，新的语音交互方式，都是以解析出针对应用的具体功能的完整指令(意图)的方式，直接完成任务、对话等目的。对于以前需要对键盘、鼠标等输入装置进行操作以输入指令的方式，转变为语音操作输入指令的方式时，需要重新培养用户新的使用习惯，不仅周期长，用户体验有障碍，且与已有系统或者应用(如台式机支持的excel程序)之间的衔接也有很大的鸿沟，不利于语音交互方式的推广。此外，语音模型和语义模型的训练成本也很高，不同应用新开发的功能需要重新训练语音模型和语义模型，进一步影响了语音交互方式的推广。

本公开的实施例提供了一种交互方法、交互装置、电子设备和介质。该方法包括系统事件识别过程和系统事件分发过程。在系统事件识别过程中，确定接收的语音信息中是否包括与系统事件关联的信息，其中，所述系统事件为与所述电子设备支持的至少一个输入装置的可输入信息相应的事件。在完成系统事件识别过程之后，进入系统事件分发过程，当确定所述语音信息中包括所述与系统事件关联的信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

图1a示意性示出了根据本公开实施例的交互方法、交互装置、电子设备和介质的应用场景。

如图1a所示，用户10长期使用笔记本电脑20办公，能熟练操作windows操作系统支持的excel软件(在android操作系统、ios操作系统中称为应用)和word软件等办公软件，近期希望采用语音交互的方式进行办公，例如，当前打开的是word软件，用户10希望在光标所在行输入数字528，并在下一行输入bed。由于键盘可以在word软件中输入各种键盘可输入的字符和难以计数的组合方式，如输入a、输入b、输入ab、输入abc、输入aa、输入aca、输入nice、输入好的、输入一切正常、输入工作进度安排(workscheduling)等，其中，每个输入都是一个完整的语音信息，现有技术需要分别对每个完整的语音信息进行语音模型训练，由于组合是无穷尽的，这是极难实现的，现有的语音交互技术中，由于语音模型是分别针对某个应用设置的，由于应用的功能数量有限，因此，可以针对每个功能分别训练对应的语音模型，如空调温度设置(这对应应用的一个具体功能)为28℃、播放儿童歌曲等每一条训练一个语音模型，均是针对应用的具体功能的指令单独为其训练的语音模型，但是会导致每个应用中设置相应的语音模型库，增大了软件包的体积。为了解决这个问题，现有技术也存在对接收的语音信息进行语音识别，得到文本信息，再根据文本信息确定对应的指令的方式。但是，由于语音识别涉及的语音模型库的容量极大且对运算能力要求很高，基本无法在个人终端上实现，通常由服务器对语音信息进行语音识别，然后把识别得到的文本信息发送给个人终端，这在很多场景中是无法应用的，如在个人终端无法联网或不方便联网时。此外，由于语音中存在很多发音相似的词语，如bad、bed，做整体识别时，很容易识别错误。

为了解决上述问题，本公开的实施例确定接收的语音信息中是否包括与系统事件关联的信息，其中，所述系统事件为与所述电子设备支持的至少一个输入装置的可输入信息相应的事件，而至少一个输入装置的可输入信息相应的系统事件的数量很有限。如键盘可输入信息只有键盘上设置的可输入信息，如输入a、输入b、输入回车(换行)、输入f4、输入a、输入锁定大写等。这些可输入信息不但数量少，而且发音相差较大，可以使用很小体积的语音模型包对可输入信息相应的系统事件的信息进行准确识别，因此，可以推广到多种操作系统的软件中。如图1a所示，用户10只需要打开word软件，然后说出“输入5、2、8”(其中，5、2、8之间可以有停顿，当然也可以是“输入5、输入2、输入8”)，“输入换行”，“输入b、e、d”即可。

图1b示意性示出了根据本公开实施例的交互方法适用的示例性系统架构。需要注意的是，图1b所示仅为可以应用本公开实施例的系统架构100的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1b所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、办公类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是支持至少一个输入装置的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机、智能电视等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所请求的应用更新、下载和语音识别提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的交互方法一般可以由终端设备101、102、103执行。

应该理解，终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的由电子设备执行的交互方法的流程图。

如图2所示，该方法包括操作s201～操作s205。

在操作s201，接收语音信息。

在本实施例中，可以通过电子设备的声音传感器，如通过麦克风采集语音信息，还可以是接收的来自其它电子设备发送的语音信息，如音频信息等。

在操作s203，确定所述语音信息中是否包括与系统事件关联的信息，其中，所述系统事件为与所述电子设备支持的至少一个输入装置的可输入信息相应的事件。

具体地，所述确定所述语音信息中是否包括与系统事件关联的信息具体可以包括如下操作。

将所述语音信息在声学特征库中进行匹配，确定所述语音信息中是否包括系统事件对应的声学特征。其中，所述声学特征库被存储在所述电子设备中，并且所述声学特征库包括声学特征与系统事件之间的对应关系。

例如，电子设备的键盘具有pgup键和pgdn键，pgup键输入信息对应的语音信息可以为“上一页”、“前一页”等，pgdn键输入信息对应的语音信息可以分别为“翻页”、“下页”等。如果检测到语音信息中包括“上一页”的发音，则可以确定对应的系统事件为包括以下一种：wm_keydown、wm_char(keypagedown)、wm_keyup等。其中，相同的系统事件在不同的操作系统中的指令可能不同，因此，需要根据所使用的系统确定具体的系统事件的指令。

在操作s205，当确定所述语音信息中包括所述与系统事件关联的信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

例如，用户在使用word应用时，发出语音信息：“向下翻”、“输入a”等，则电子设备可以由系统将系统事件的指令发送给word软件，实现用户与电子设备之间的语音交互。

在另一个实施例中，可以通过以下方式构建声学特征库。

例如，构建所述声学特征库可以包括如下操作。

首先，获得所述系统事件和对应声学特征。例如，可以通过统计得到各种键盘的可输入信息有哪些，这些可输入信息在不同的操作系统中对应的系统事件的名称以及其指令。此外，还可以通过语音合成的方式得到系统事件对应的声学特征。

在确定输入装置的可输入信息之后，收集可输入信息，或者可输入信息和操作的常用语音表达方式，然后对常用语音表达方式进行特征提取，得到系统事件对应的声学特征。

然后，生成所述系统事件与所述对应声学特征之间的映射模型。

如“上一页”的声学特征与wm_keydown、wm_char、wm_keyup等的映射模型。接着，可以将系统事件(如指令)、对应的声学特征和映射模型存储在声学特征库中。

其中，声学特征库可以是离线构建的，适用于具有相同系统事件的系统，在使用过程中可以进行优化和更新。

在一个具体实施例中，所述获得所述系统事件和对应声学特征可以包括如下操作。

首先，获得所述至少一个输入装置的可输入信息相应的系统事件。

然后，获得所述至少一个输入装置的可输入信息相应的系统事件的语音信息。

接着，对所述系统事件的语音信息进行声学特征提取，例如，利用语音模型工具获取所述系统事件对应语音信息的声学特征。其中，特征提取的方法不做限定。

例如，使用语音模型工具和算法，如随机场(crf)、深度学习等，将输入数据进行训练，如表1所示，为windows系统语音表达到系统事件映射表示意。

表1windows系统语音表达到系统事件映射表示意

其中，不同的操作系统对于相同的系统事件(如点击鼠标右键)的名称和定义可能不一样。因此，不同的操作系统的语音表达到系统事件映射可能不同。

接下来，生成语音到系统事件的映射模型。该模型独立于运行软件，可单独更新，并生成语音操控软件包，即，将“语音解码库”作用于上述所生成的模型，进行扩展功能的开发，从而生成“语音操控软件模块”。

在另一个具体实施例中，所述获得所述系统事件和对应声学特征可以包括如下操作。

首先，获得所述至少一个输入装置的可输入信息相应的系统事件的语音表达方式的文本信息。

然后，基于语音单元的声学特征生成所述文本信息的声学特征。其中，语音单元包括但不限于：辅音、元音、声母、韵母、字、词、短语等。

接着，存储所述系统事件、所述声学特征和所述映射模型。其中，所述映射模型为所述系统事件与所述对应声学特征之间的模型。

需要说明的是，由于声学特征库与所述电子设备中安装的应用解耦，如并不封装在应用中，而是封装在系统中，由系统调用声学特征库，因此，可以实现与所述电子设备中安装的应用相独立地更新所述声学特征库。

本公开提供的交互方法可以将输入的语音信息直接转换为如对键盘、鼠标等输入装置的操作而输入的指令，进而将语音信息转换为系统事件。通过系统分发系统事件给如应用，实现人机交互，适用的应用非常广泛，如具有输入装置的电子设备上安装的各种应用，并且免去应用开发人员通常需要关注的语音交互相关技术。

图3a示意性示出了根据本公开另一实施例的由电子设备执行的交互方法的流程图。

由于同一个语义的语音表达方式有多种多样，如不同地方的表达习惯不一样，尤其对于方言等，很难在上述声学特征库中包括各种方言针对一个系统事件的声学特征，因此，可以通过语音识别来获取语音信息的语义信息，然后基于语义信息确定所述语音信息对应的系统事件。

如图3a所示，所述方法还可以包括如下操作。

在操作s301，当确定所述语音信息中不包括与系统事件关联的信息时，对所述语音信息进行语音识别，以便得到文本信息。

其中，语音识别技术可以采用如自动语音识别(automaticspeechrecognition，简称asr)技术，可以通过asr技术得到语音信息对应的文本信息。该操作可以在本地实现，也可以通过服务器实现。

在操作s303，确定所述文本信息的语义信息。

在操作s305，确定所述语义信息是否包括与系统事件关联的语义信息。

在操作s307，当所述语义信息包括与系统事件关联的语义信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

需要说明的是，如果所述语义信息不包括与系统事件关联的语义信息，则系统层面已确定语音信息中不存在系统事件的关联信息，但是，如果应用中设置有语音交互功能，则可以继续针对应用中设置的语音交互功能进行语音交互，例如，由应用层面检测语音信息中是否包括应用能识别的语音指令。

在另一个实施例中，所述系统事件的语义信息包括标准语义信息和扩展语义信息，所述扩展语义信息语义为对所述标准语义信息的语义进行扩展得到的。如不同年龄段对同一事物的表达差异较大，幼儿容易将“x”发音为“cha”，而键盘只能输入“x”，则幼儿的真实语义应该是输入“x”。这样便于应对不同场景中同一语义的语音信息不同的情形，提升用户体验度。

以下以一个具体实施例进行说明。

图3b示意性示出了根据本公开实施例的自然语音操控的逻辑图。

如图3b所示，用户开启语音操控功能(通过开关、唤醒词等方式)之后，将语音信息在声学特征库中进行匹配。

如果匹配成功，则直接将匹配的声学特征对应的系统事件编码，得到系统事件。

如果匹配成功，则通过asr技术对语音信息进行语音处理，得到语音信息的文本信息。然后对文本信息进行语义解析，通过语义解析后能匹配到系统事件对应的指令(如文本信息“翻页”能匹配到“pagedown”的系统事件)。

在得到系统事件之后，操作系统分发系统事件。关于系统事件的分发可以采用现有技术，在此不做限定。

在另一个实施例中，还可以基于用户的声学特征确定用户的属性信息，例如，用户的年龄段，然后基于用户的属性信息来提升获取的语义信息的准确度，例如，接收到语音信息之后，确定为幼儿发出的语音信息，如幼儿对电脑说：“输入圈圈”，如果电脑只有鼠标和键盘作为输入设备，即，输入装置的可输入信息中不存在“圈圈”，可以基于扩展语义信息确定该语音信息的语义大概率为输入“oo”，由于幼儿的发音习惯为发双音，因此，可以确定该幼儿的真实意图是输入“o”。这样就可以基于用户的属性信息、输入装置的可输入信息和扩展语义信息确定用户的真实意图，有效提升交互体验。

图4a示意性示出了根据本公开实施例的由电子设备执行的交互装置的框图。

如图4a所示，该交互装置400可以包括信息接收模块410、第一事件确定模块430和第一事件分发模块450。

其中，所述信息接收模块410用于接收语音信息。

所述第一事件确定模块430用于确定所述语音信息中是否包括与系统事件关联的信息，其中，所述系统事件为所述电子设备支持的至少一个输入装置的可输入信息相应的事件。

所述第一事件分发模块450用于当确定所述语音信息中包括所述与系统事件关联的信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

具体地，所述第一事件确定模块430具体可以用于将所述语音信息在声学特征库中进行匹配，确定所述语音信息中是否包括系统事件对应的声学特征，其中，所述声学特征库被存储在所述电子设备中，并且所述声学特征库包括声学特征与系统事件之间的对应关系。

此外，所述装置400还可以包括：模型库构建模块。

所述模型库构建模块包括：声学特征获取单元和映射模型生成单元。

其中，所述声学特征获取单元用于获得所述系统事件和对应的声学特征。

所述映射模型生成单元用于生成所述系统事件与所述对应的声学特征之间的映射模型。

其中，所述声学特征获取单元可以包括：事件获得子单元、语音信息获得子单元和声学特征获取子单元。

所述事件获得子单元用于获得所述至少一个输入装置的可输入信息相应的系统事件。

所述语音信息获得子单元用于获得所述至少一个输入装置的可输入信息相应的系统事件的语音信息。

所述声学特征获取子单元用于对所述系统事件的语音信息进行声学特征提取。

图4b示意性示出了根据本公开实施例的语音操控模块的框图。

如图4b所示，语音操控模块4000是语音交互的实时运行系统，包括：语音接收子模块、语音模型管理子模块、匹配子模块、asr子模块。

其中，所述语音接收子模块用于在操作系统进入语音操控模式后，接收语音信息并对其进行编码。

所述语音模型管理子模块用于存储、管理语音操控相关的声学特征，如语音模型。声学特征可以通过训练生成，可以单独更新。

所述匹配子模块用于将输入语音信息与声学特征进行匹配，如果匹配成功，则转换得到系统事件。如果匹配失败，可以将语音识别得到的文本信息进行语义匹配，如果语义匹配成功，也可以转换为系统事件。

所述asr子模块用于将语音信息转为文本信息。

在另一个实施例中，所述装置400还可以包括更新模块，所述更新模块用于与所述电子设备中安装的应用相独立地更新所述声学特征库。

为了增加语音交互的成功率，所述装置400还包括：语音识别模块、语义信息获取模块、第二事件确定模块和第二事件分发模块。

所述语音识别模块用于当确定所述语音信息中不包括与系统事件关联的信息时，对所述语音信息进行语音识别，以便得到文本信息。

所述语义信息获取模块用于确定所述文本信息的语义信息。

所述第二事件确定模块用于确定所述语义信息是否包括与系统事件关联的语义信息。

所述第二事件分发模块用于当所述语义信息包括与系统事件关联的语义信息时，所述电子设备向与所述系统事件相关的对象分发所述系统事件。

为了增加适用人群，所述系统事件的语义信息可以包括标准语义信息和扩展语义信息，所述扩展语义信息语义为对所述标准语义信息的语义进行扩展得到的。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，信息接收模块410、第一事件确定模块430和第一事件分发模块450中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，信息接收模块410、第一事件确定模块430和第一事件分发模块450中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，信息接收模块410、第一事件确定模块430和第一事件分发模块450中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图5示意性示出了根据本公开实施例的电子设备的方框图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，根据本公开实施例的电子设备500包括处理器501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在ram503中，存储有系统500操作所需的各种程序和数据，例如，存储有声学特征库。处理器501、rom502以及ram503通过总线504彼此相连。处理器501通过执行rom502和/或ram503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom502和ram503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统500还可以包括输入/输出(i/o)接口505，输入/输出(i/o)接口505也连接至总线504。系统500还可以包括连接至i/o接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom502和/或ram503和/或rom502和ram503以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除