用于迎宾汽车的语音控制方法及电子设备和存储介质与流程

1.本发明属于语音控制技术领域，尤其涉及一种用于迎宾汽车的语音控制方法及电子设备和存储介质。


背景技术：

2.现有的相似技术产品如某精灵x1采用了专门为智能语音行业开发的芯片，在解码，降噪，声音处理，多声道的协同等方面做了专门的优化处理。针对需要进行大量音频处理、声音合成的工作环境，定制芯片加入了独立的neon处理单元，neon技术可加速音频和语音处理、电话和声音合成等，从而带来更优秀的语音识别及音频处理效果。
3.在收音方案上采用了六麦克风收音阵列技术。顶部拥有一个六麦克风收音阵列，有六颗高灵敏麦克风，有助于收集到来自不同方向的声音，从而更容易在周围的噪音中识别出有用的信息，来达到更好的远场交互效果。
4.某精灵x1背后的团队在降噪技术上做了大量研究，在厨房，客厅，卧室，书房等环境里面，对玻璃，木材，混凝土，金属，石材等各种材质和环境进行了上千次实验，并专门针对家庭使用场景做了优化，即使在有噪音的环境中也能正常唤醒和使用。并且具备一定的学习功能，可以根据环境噪音进行学习和进化，适应不同家庭环境噪音，经过7天左右优化，会更加适应所在家庭环境。此外，某精灵x1还使用了回声对消和远近场拾音等技术，即使在播放音乐的同时也能正常接收语音指令。
5.发明人发现：上述技术提供的能力是单一的，普通语音识别一般是单麦或者双麦，无法识别精准声音定位，普通六麦音箱无实际动态表现，不够丰富，无法结合使用场景给用户带来丰富的表情以及动作，增加不了用户的亲切感。


技术实现要素：

6.本发明实施例旨在至少解决上述技术问题之一。
7.第一方面，本发明实施例提供一种用于迎宾汽车的语音控制方法，所述迎宾汽车上设置有环形六麦和智能中控，所述方法包括：响应于所述环形六麦拾取的用户音频，分析所述用户音频的声源定位角度；基于所述用户音频的声源定位角度，通过所述智能中控控制所述迎宾汽车的面部朝向所述声源定位角度。
8.第二方面，本发明实施例提供一种电子设备，其包括：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本发明上述任一项用于迎宾汽车的语音控制方法。
9.第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项用于迎宾汽车的语音控制方法。
10.第四方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括
存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项用于迎宾汽车的语音控制方法。
11.本发明实施例通过采用环形六麦对多角度音频声源进行分析以及精准定位，结合智能中控对迎宾汽车进行控制，可以实现利用环形六麦的拾音能力以及智能中控的音频处理能力，使得迎宾汽车更加的智能以及友好，丰富了迎宾汽车的使用场景。
附图说明
12.为了更清楚地说明本发明实施例的技术方案，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，下面描述中的附图是本发明的一些实施例，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。
13.图1为本发明的用于迎宾汽车的语音控制方法的一实施例的流程图；
14.图2为本发明的用于迎宾汽车的语音控制方法的另一实施例的流程图；
15.图3为本发明一实施例提供的一种用于迎宾汽车的语音控制方法过程流程图；
16.图4为本发明的电子设备的一实施例的结构示意图。
具体实施方式
17.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
19.本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
20.在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
21.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有
的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
22.本发明实施例提供一种用于迎宾汽车的语音控制方法，该方法可以应用于电子设备。电子设备可以是电脑、服务器或者其他电子产品等，本发明对此不作限定。
23.请参考图1，其示出了本发明一实施例提供的一种用于迎宾汽车的语音控制方法，所述迎宾汽车上设置有环形六麦和智能中控。
24.如图1所示，在步骤101中，响应于所述环形六麦拾取的用户音频，分析所述用户音频的声源定位角度；
25.在步骤102中，基于所述用户音频的声源定位角度，通过所述智能中控控制所述迎宾汽车的面部朝向所述声源定位角度。
26.在本实施例中，对于步骤101，通过使用环形六麦对用户的音频进行拾取，将拾取到的用户音频进行分析，根据环形六麦的分析结果来确定用户音频的声源定位角度，例如，当出现多个音频时，环形六麦对不同角度的多路音频进行拾取，然后对多路不同角度的音频进行分析，确定每一路不同角度的音频声源定位位置。
27.之后，对于步骤102，根据用户音频的声源定位角度，通过智能中控控制迎宾汽车的面部朝向声源定位角度；根据环形六麦确定用户音频的声源定位角度之后结合智能中控来控制迎宾汽车的面部朝向，例如，当环形六麦只获取到一个用户的声源定位角度，通过智能中控控制迎宾汽车的面部朝向该声源定位角度的用户，就与该用户形成人机面对面的形式；若环形六麦获取到多个用户的声源定位角度，根据环形六麦获取离迎宾汽车最近的一个用户的音频声源定位角度，通过智能中控控制迎宾汽车的面部，朝向离迎宾汽车最近一个声源定位角度的用户。
28.本技术实施例的方法通过采用环形六麦对多角度音频声源进行分析以及精准定位，结合智能中控对迎宾汽车进行控制，可以实现利用环形六麦的拾音能力以及智能中控的音频处理能力，使得迎宾汽车更加的智能以及友好，丰富了迎宾汽车的使用场景。
29.在一些可选的是实施例中，环形六麦和智能中控通过usb audio接口进行连接，环形六麦拾音”模块，实时采集六麦的数据并加上“智能中控”的ref回路数据共八路音频数据，通过usb audio的接口传给“智能中控”模块，通过使用usb audio的方式进行连接可以让音频数据在传输过程中更加稳定。
30.在一些可选的是实施例中，基于环形六麦实时采集的六路数据和智能中控的两路回路数据，智能中控对八路数据进行前端信号处理，提取八路信号中的唤醒信号、声源定位角度以及处理之后的用于识别的音频，其中智能中控模块用于对环形六麦拾取到的用户音频进行前端信号处理，提取其中对应的唤醒信号、声源定位角度，还用于对处后的理音频进行识别。
31.本技术实施例的方法通过智能中控对八路数据进行前端信号处理，可以有效的获取其中的唤醒信号，以及声源定位角度。
32.在一些可选的是实施例中，在提取八路信号中的唤醒信号、声源定位角度以及处理之后的用于识别的音频之后，智能中控根据唤醒信号播报与唤醒信号对应的欢迎语，例如，智能中控模块根据唤醒信号，播报该唤醒信号对应的欢迎语，当唤醒信号被识别为“你好”，智能中控根据该唤醒信号播报对应的欢迎语“您好，欢迎光临”。
33.本技术实施例的方法通智能中控根据唤醒信号对用户播报与该唤醒信号对应的欢迎语，可以提高迎宾汽车表现能力，增加用户的亲切感。
34.在一些可选的实施例中，智能中控根据声源定位角度，通过(uart，universal asynchronous receiver/transmitter)通讯传输给迎宾汽车以控制迎宾汽车转向声源定位角度，例如，根据唤醒信号的声源定位角度，通过uart通讯传给迎宾汽车进行对应的转向动作，将迎宾汽车的面部朝向该唤醒信号声源定位的方向，可以实现迎宾汽车与用户面对面交互。
35.请参考图2，其示出了本发明一实施例提供的另一种用于迎宾汽车的语音控制方法。该流程图主要是对在所述基于所述用户音频的声源定位角度，通过所述智能中控控制所述迎宾汽车的面部朝向所述声源定位角度之后进一步限定的步骤的流程图。
36.如图2所示，在步骤201中，对唤醒后的所述用于识别的音频进行意图识别得到意图识别结果；
37.在步骤202中，将所述意图识别结果转换为控制所述迎宾汽车的机器人指令；
38.在步骤203中，基于所述机器人指令控制所述迎宾汽车，其中，所述机器人指令包括前进、后退、左转和右转。
39.在本实施例中，对于步骤201，将唤醒后的用于识别的音频进行意图识别，得到意图识别结果；对于步骤202，将意图识别结果转换为控制迎宾汽车的机器人指令；之后，对于步骤203，根据意图识别结果转换得到的控制迎宾汽车的机器人指令来实现迎宾汽车前进、后退、左转和右转，其中控制指令包括前进、后退、左转和右转，例如，当迎宾汽车唤醒后与用户有一定距离时，将唤醒后的用于识别的音频进行意图识别得到意图识别结果，将意图识别结果转换为控制迎宾汽车的机器人指令，从而控制迎宾汽车来到用户的面前，实现与用户面对面交流。
40.本技术实施例的方法根据唤醒之后的音频进行意图识别，将识别结果转换成控制机器人的指令，从而实现控制机器移动，如“前进”、“后退”、“左转”、“右转”等。
41.在一些可选的实施例中，迎宾汽车执行完机器人指令之后通过uart通讯回传给智能中控的动作状态，进行与动作状态对应的提示播报，例如，迎宾汽车模块，通过uart通讯，把对应的动作状态传给“智能中控”模块进行对应的tts播报，比如开关机提示、电池电量的提示以及运行碰到障碍物的提示等。
42.本发明还还提供一种迎宾汽车，包括迎宾汽车本体；设置在本体上用于拾音的环形六麦；以及用于对环形六麦采集的音频进行处理、用于控制迎宾汽车以及用于播报的智能中控，该智能中控能够执行权上述任一项用于迎宾汽车的语音控制方法，该迎宾汽车适用于如酒店、商场等场所。
43.需要说明的是，本发明通过建立“环形六麦拾音”、“智能中控”以及“迎宾汽车”的流程链路，充分利用环形六麦的拾音能力以及智能中控的音频处理能力，使得“迎宾汽车”更加的智能以及友好，丰富了迎宾汽车的使用场景。
44.请参考图3，其出示了本发明的用于迎宾汽车的语音控制方法的实现流程图。
45.如图3所示，“环形六麦拾音”模块作为音频拾音模块，“智能中控”模块作为主流程控制中心，“迎宾汽车”模块作为实际动作执行模块。
[0046]“环形六麦拾音”模块，实时采集六mic的数据并加上“智能中控”的ref回路数据共
八路音频数据，通过usb audio的接口传给“智能中控”模块。
[0047]“智能中控”模块对于如上音频进行前端信号处理，提取对应的唤醒信号、声源定位角度以及处理之后用于识别的音频。
[0048]“智能中控”模块根据如上唤醒信号，播报对应的欢迎语；根据唤醒的声源定位角度，通过uart通讯传给“迎宾汽车”进行对应的转向动作；根据唤醒之后的音频进行意图识别，从而控制机器人指令，如“前进”、“后退”、“左转”、“右转”等。
[0049]“迎宾汽车”模块，通过uart通讯，把对应的动作状态传给“智能中控”模块进行对应的tts播报，比如开关机提示、电池电量的提示以及运行碰到障碍物的提示等。
[0050]
环形六麦收音，通过六路音频分析声源的角度位置，进行准确定位；智能中控结合六麦的声源定位，控制迎宾汽车的面部朝向，且通过语音识别指令控制迎宾汽车动作，比如前进、后退、左转以及右转等；智能中控通过接收迎宾汽车指令执行对应的语音播报，比如迎宾汽车碰到障碍物，播报“碰壁了，走不动了呢”等。
[0051]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0052]
在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项用于迎宾汽车的语音控制方法。
[0053]
在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项用于迎宾汽车的语音控制方法。
[0054]
在一些实施例中，本发明实施例还提供一种电子设备，其包括：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用于迎宾汽车的语音控制方法。
[0055]
图4是本技术另一实施例提供的执行用于迎宾汽车的语音控制方法的电子设备的硬件结构示意图，如图4所示，该设备包括：
[0056]
一个或多个处理器410以及存储器420，图4中以一个处理器410为例。
[0057]
执行用于迎宾汽车的语音控制方法的设备还可以包括：输入装置430和输出装置440。
[0058]
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。
[0059]
存储器420作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本技术实施例中的用于迎宾汽车的语音控制
方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非易失性软件程序、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用于迎宾汽车的语音控制方法。
[0060]
存储器420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系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于迎宾汽车的语音控制设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至用于迎宾汽车的语音控制设备。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。
[0061]
输入装置430可接收输入的数字或字符信息，以及产生与用于迎宾汽车的语音控制设备的用户设置以及功能控制有关的信号。输出装置440可包括显示屏等显示设备。
[0062]
所述一个或者多个模块存储在所述存储器420中，当被所述一个或者多个处理器410执行时，执行上述任意方法实施例中的用于迎宾汽车的语音控制方法。
[0063]
上述产品可执行本技术实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本技术实施例所提供的方法。
[0064]
本技术实施例的电子设备以多种形式存在，包括但不限于:
[0065]
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机、多媒体手机、功能性手机，以及低端手机等。
[0066]
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等。
[0067]
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
[0068]
(4)其他具有数据交互功能的机载电子装置，例如安装上车辆上的车机装置。
[0069]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0070]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0071]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。