语音控制方法、系统、设备及计算机可读存储介质与流程

本技术涉及语音控制，尤其涉及一种语音控制方法、系统、设备及计算机可读存储介质。

背景技术：

1、随着智能设备的快速发展，语音指令控制逐渐成为人们与设备交互的重要方式之一，从智能家居到智能穿戴设备，语音交互控制为用户提供了更为便捷和自然的交互体验。语音交互控制通过声学信号采集、语义特征提取及指令映射等环节，将用户语音转化为设备控制指令，已成为提升人机交互效率的核心技术。其在健康监测、环境调节等场景的应用，使用户摆脱物理按键束缚，通过自然语言实现设备功能调用。语音交互的流畅性和准确性直接影响用户体验与设备智能化水平。

2、传统的语音控制方式多基于预设语法树和固定句式模板，其核心逻辑在于通过关键词匹配实现指令解析，例如，设备预先建立包含"调高音量"、"开启心率监测"等标准化指令的语法数据库，然后通过声学模型匹配识别关键词后触发预设控制指令。这种模式在语法结构规整的情况下表现良好，能够准确识别如"将屏幕亮度降低20％"等句式规范的语音指令。

3、然而，当面对真实场景中普遍存在的模糊化语言表达时，这种语音控制方式的局限性就显著暴露了。如用户在动态使用场景下常采用的模糊语音指令(如"太暗了"、"加点动力"等)，此类自然语言表达与预设语法模板产生结构性失配，导致无法建立语音数据与设备控制指令的准确关联，最终导致控制错误率升高，可见这种基于固定模板的刚性解析机制，严重影响了语音交互的鲁棒性。

4、因此，如何提高对模糊语音指令的识别准确率，以提高语音交互的鲁棒性俨然已成为本技术领域亟待解决的技术问题。

技术实现思路

1、本技术的主要目的在于提供一种语音控制方法、系统、设备及计算机可读存储介质，旨在解决如何提高对模糊语音指令的识别准确率，以提高语音交互的鲁棒性的技术问题。

2、为实现上述目的，本技术提供一种语音控制方法，所述语音控制方法包括以下步骤：

3、获取语音数据与至少一种传感器数据，依据各所述传感器数据确定待控制设备当前所处场景的场景类型；

4、基于所述场景类型与所述语音数据生成目标控制指令，根据所述目标控制指令对所述待控制设备进行控制。

5、在一种可能的实施方式中，所述基于所述场景类型与所述语音数据生成目标控制指令的步骤，包括：

6、依据所述场景类型获取各所述传感器数据对应的权重占比；

7、依据各所述传感器数据、各所述传感器数据对应的权重占比以及所述语音数据生成目标控制指令。

8、在一种可能的实施方式中，所述依据各所述传感器数据、各所述传感器数据对应的权重占比以及所述语音数据生成目标控制指令的步骤，包括：

9、对所述语音数据进行语义识别处理得到语义理解结果；

10、将各所述传感器数据、各所述传感器数据对应的权重占比以及所述语义理解结果输入至预先训练完成的意图决策模型中，得到目标控制指令。

11、在一种可能的实施方式中，所述对所述语音数据进行语义识别处理得到语义理解结果的步骤，包括：

12、对所述语音数据进行信号预处理得到增强语音数据，其中，所述信号预处理包括降噪和/或语音增强；

13、对所述增强语音数据进行语音识别得到文本识别结果，通过预先训练完成的语义理解模型对所述文本识别结果进行语义理解得到语义理解结果。

14、在一种可能的实施方式中，所述待控制设备与云服务器连接，所述通过预先训练完成的语义理解模型对所述文本识别结果进行语义理解得到语义理解结果的步骤之后，所述方法还包括：

15、当接收到所述云服务器下发的更新词库时，依据所述更新词库迭代更新所述语义理解模型。

16、在一种可能的实施方式中，所述基于所述场景类型与所述语音数据生成目标控制指令的步骤之后，所述方法还包括：

17、获取针对所述目标控制指令的执行状态反馈类型，确定所述执行状态反馈类型对应的振动模式为目标振动模式，其中，不同的所述执行状态反馈类型对应的振动模式不同；

18、控制所述待控制设备以所述目标振动模式进行振动。

19、在一种可能的实施方式中，所述传感器数据包括生理数据，所述基于所述场景类型与所述语音数据生成目标控制指令的步骤之后，所述方法还包括：

20、依据所述生理数据识别用户的生理状态，对所述生理状态与所述目标控制指令进行冲突性检测得到检测结果；

21、若所述检测结果指示所述生理状态与所述目标控制指令冲突，则控制所述待控制设备进入异常指令处理模式；

22、若所述检测结果指示所述生理状态与所述目标控制指令协调，则执行所述根据所述目标控制指令对所述待控制设备进行控制的步骤。

23、此外，为实现上述目的，本技术还提供一种语音控制系统，所述语音控制系统包括：

24、获取模块，用于获取语音数据与至少一种传感器数据，依据各所述传感器数据确定待控制设备当前所处场景的场景类型；

25、决策模块，用于基于所述场景类型与所述语音数据生成目标控制指令，根据所述目标控制指令对所述待控制设备进行控制。

26、此外，为实现上述目的，本技术还提供一种语音控制设备，所述语音控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上所述的语音控制方法的步骤。

27、此外，为实现上述目的，本技术还提供一种可读存储介质，所述可读存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上所述语音控制方法的步骤。

28、本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的语音控制方法的步骤。

29、本技术提出的一个或多个技术方案，至少具有以下技术效果：

30、本技术获取语音数据与至少一种传感器数据，依据各所述传感器数据确定待控制设备当前所处场景的场景类型；基于所述场景类型与所述语音数据生成目标控制指令，根据所述目标控制指令对所述待控制设备进行控制。如此，本技术实施例中通过引入传感器数据与语音数据的协同分析机制，在语音控制过程以传感器数据辅助语音数据进行语音交互。具体而言，可以理解是，传感器数据(如光线强度、运动加速度等)能够客观表征设备所处的物理环境状态(如室内光照条件、用户运动状态等)，进而可以确定待控制设备当前所述场景类型(如"夜间阅读场景"、"户外运动场景"等)，使得当接收到包含模糊表述的语音指令(如"调亮点")时，场景类型可以为语义解析提供动态上下文约束，如在"夜间阅读场景"下，"调亮点"优先映射至屏幕亮度调节指令，在"户外运动模式"中则可能优先关联至设备警示灯开启操作。这种基于场景类型的语义歧义消解机制，使得原本与预设语法模板失配的语音表达能够被重新锚定到特定场景下的设备控制逻辑，从而突破了传统方法因孤立解析语音数据导致的语义真空困境。通过将语音数据与传感器数据表征的场景类型特征进行多维数据融合，利用传感器数据补全了语音交互中的语境缺失，实现了模糊指令到精确控制指令的可靠映射，有效降低了因指令多义性引发的控制错误概率，从而提升了对模糊语音指令的识别准确率，提高了语音交互的鲁棒性。