一种语音命令词的处理方法及装置与流程

1.本技术涉及音频处理领域，尤其涉及一种语音命令词的处理方法及装置。


背景技术：

2.在语音交互设备上，为提升对于特定命令词的响应速度，智能设备一般会采用所谓“离在线识别”的方法，也就是将当前录制的用户语音同时发给离线的命令词识别引擎以及在线的语音识别引擎，然后在两个引擎先后返回结果的情况下根据一定策略，结合两个引擎的优点，综合评判并给出识别结果，再把识别结果转换为指令进行执行。但是由于智能设备端离线命令词表的容量有限，而每个用户对于命令词表的表达方式又千差万别，因此很难通过有限的命令词表覆盖所有用户的常用说法，也就是离线命令词表往往会失效，另一个问题所有用户共用同一个词表，忽略了不同用户在表达同一个语音指令时说法上的差异，从而最终带来产品体验上的问题。


技术实现要素：

3.为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种语音命令词的处理方法及装置。
4.根据本技术实施例的一个方面，提供了一种语音命令词的处理方法，应用于语音交互设备，所述方法包括：
5.获取用于控制目标设备执行预设指令的目标语音数据，其中，所述目标设备是与所述语音交互设备关联的设备；
6.获取本地命令词列表，并利用所述本地命令词列表对所述目标语音数据进行识别，得到第一检测结果，其中，所述本地命令词列表包括至少一个第一语音命令词；
7.发送所述目标语音数据至云端服务器，以使所述云端服务器对所述目标语音数据进行识别，得到第二检测结果；
8.接收所述云端服务器反馈的所述第二检测结果，并基于所述第一检测结果和/或所述第二检测结果中的语音命令词，对所述本地命令词列表执行更新操作。
9.进一步的，所述获取用于控制目标设备执行预设指令的目标语音数据，包括：
10.获取预设时间周期内触发的至少一条语音数据；
11.提取所述语音数据的声学特征，在所述声学特征与预设声学特征匹配的情况下，所述语音交互设备进入唤醒状态，并在所述唤醒状态下获取所述目标语音数据。
12.进一步的，所述利用所述本地命令词列表对所述目标语音数据进行识别，得到第一检测结果，包括：
13.识别所述目标语音数据，得到所述目标语音数据所携带的目标语音命令词；
14.将所述目标语音命令词与所述本地命令词列表中的第一语音命令词进行匹配，得到所述第一检测结果，其中，所述第一检测结果包括：所述目标语音命令词与所述第一语音命令词匹配，或所述目标语音命令词与所述第一语音命令词不匹配。
15.进一步的，在接收所述云端服务器反馈的所述第二检测结果之后，所述方法还包括：
16.对比所述第一检测结果与所述第二检测结果，得到对比信息，所述对比信息包括至少一个语音命令词；
17.发送所述对比信息至预设终端，通过所述预设终端显示所述对比信息；
18.接收来自于所述预设终端基于所述对比信息反馈的控制指令；
19.基于所述控制指令所指定的语音命令词控制所述目标设备。
20.进一步的，所述基于所述第一检测结果和/或所述第二检测结果中的语音命令词，对所述本地命令词列表执行更新操作，包括：
21.提取所述第一检测结果和/或所述第二检测结果中的语音命令词，并确定每个语音命令词对应的出现频率；
22.将所述出现频率落入预设频率范围的语音命令词确定为新增语音命令词；
23.将所述新增语音命令词更新至所述本地命令词列表，将更新后的本地命令词列表发送至所述云端服务器。
24.根据本技术实施例的另一个方面，还提供了一种语音命令词的处理方法，应用于云端服务器，所述方法包括：
25.接收来自于语音交互设备的目标语音数据，其中，所述目标语音数据用于控制目标设备执行预设指令，所述目标设备是与所述语音交互设备关联的设备；
26.对所述目标语音数据进行识别，得到第二检测结果；
27.发送所述第二检测结果至所述语音交互设备，以使所述语音交互设备基于所述第二检测结果中的语音命令词，对所述语音交互设备中的本地命令词列表执行更新操作。
28.进一步的，所述对所述目标语音数据进行识别，得到第二检测结果，包括：
29.调用自然语音理解引擎对所述目标语音数据进行识别，得到第一条目信息，所述第一条目信息包括：在线识别结果以及语音命令词；
30.调用离线识别引擎中的命令词列表对所述目标语音数据进行识别，得到第二条目信息，所述第二条目信息包括：离线识别结果以及语音命令词；
31.基于所述第一条目信息和所述第二条目信息生成所述第二检测结果。
32.进一步的，在发送所述第二检测结果至所述语音交互设备之后，所述方法还包括：
33.接收来自于所述语音交互设备的更新后的本地命令词列表；
34.利用所述更新后的本地命令词列表对所述离线识别引擎中的命令词列表进行更新。
35.根据本技术实施例的另一个方面，还提供了一种语音命令词的处理装置，包括：
36.第一获取模块，用于获取用于控制目标设备执行预设指令的目标语音数据，其中，所述目标设备是与语音交互设备关联的设备；
37.第二获取模块，用于获取本地命令词列表，并利用所述本地命令词列表对所述目标语音数据进行识别，得到第一检测结果，其中，所述本地命令词列表包括至少一个第一语音命令词；
38.发送模块，用于发送所述目标语音数据至云端服务器，以使所述云端服务器对所述目标语音数据进行识别，得到第二检测结果；
39.接收模块，用于接收所述云端服务器反馈的所述第二检测结果，并基于所述第一检测结果和/或所述第二检测结果中的语音命令词，对所述本地命令词列表执行更新操作。
40.根据本技术实施例的另一个方面，还提供了一种语音命令词的处理装置，包括：
41.接收模块，用于接收来自于语音交互设备的目标语音数据，其中，所述目标语音数据用于控制目标设备执行预设指令，所述目标设备是与所述语音交互设备关联的设备；
42.识别模块，用于对所述目标语音数据进行识别，得到第二检测结果；
43.发送模块，用于发送所述第二检测结果至所述语音交互设备，以使所述语音交互设备基于所述第二检测结果中的语音命令词，对所述语音交互设备中的本地命令词列表执行更新操作。
44.根据本技术实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
45.根据本技术实施例的另一方面，还提供了一种电子装置，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
46.本技术实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
47.本技术实施例提供的上述技术方案与现有技术相比具有如下优点：本技术实施例提供的方法通过本地和云端服务器分别对用户常用的命令词进行统计，并更新到终端替换默认的离线命令词表，以使离线的命令词表能够反映用户在控制目标设备时真实的语音习惯，并且可以针对不同的用户提供个性化的词表，最终提升了离线识别的准确率以及用户体验。
附图说明
48.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
49.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
50.图1为本技术实施例提供的一种语音命令词的处理方法的流程图；
51.图2为本技术另一实施例提供的一种语音命令词的处理方法的流程图；
52.图3为本技术实施例提供的一种语音命令词的处理装置的框图；
53.图4为本技术另一实施例提供的一种语音命令词的处理装置的框图；
54.图5为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
55.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术的一部分实施例，而不是全部的实施例，本技术的示意性实施例及其说明用于解释
本技术，并不构成对本技术的不当限定。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
56.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类似的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”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，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“包括一个
……”
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。
57.本技术实施例提供了一种语音命令词的处理方法及装置。本发明实施例所提供的方法可以应用于任意需要的电子设备，例如，可以为服务器、终端等电子设备，在此不做具体限定，为描述方便，后续简称为电子设备。
58.根据本技术实施例的一方面，提供了一种语音命令词的处理方法的方法实施例，图1为本技术实施例提供的一种语音命令词的处理方法的流程图，如图1所示，该方法包括：
59.步骤s11，获取用于控制目标设备执行预设指令的目标语音数据，其中，目标设备是与语音交互设备关联的设备。
60.在本技术实施例中，获取用于控制目标设备执行预设指令的目标语音数据，包括以下步骤a1-a2：
61.步骤a1，获取预设时间周期内触发的至少一条语音数据。
62.步骤a2，提取语音数据的声学特征，在声学特征与预设声学特征匹配的情况下，语音交互设备进入唤醒状态，并在唤醒状态下获取目标语音数据。
63.本技术实施例提供的方法应用于语音交互设备，语音交互设备可以是智能家居伴侣、智能手表、智能手环等等。具体的，语音交互设备通过监听目标用户发送的用于控制目标设备执行预设指令的目标语音数据。目标设备是与语音交互设备建立通信连接，且能够执行语音交互设备所发送指令的设备。例如：语音交互设备是智能家居伴侣时，目标设备可以是智能窗帘、智能灯、智能空调等。
64.在本技术实施例中，语音交互设备会周期性监听目标用户发送的语音数据。当监听到在预设时间周期内触发的至少一条语音数据时，语音交互设备会提取语音数据的声学特征，并将声学特征与预设声学特征进行匹配，如果匹配成功，则确定是目标用户触发的语音数据。此时语音交互设备进入唤醒状态，并在唤醒状态下获取目标语音数据。需要说明的是，预设声学特征可以是根据用户预先在语音交互设备上录制的语音得到的。
65.作为一个示例，语音交互设备在预设时间周期内监听到了一条语音数据是“hi，小d”的情况下，提取语音数据对应的声学特征，如果该声学特征与预设声学特征相匹配的情况下，语音交互设备进入唤醒状态，并在唤醒状态下获取用于控制目标设备执行预设指令的目标语音数据。
66.步骤s12，获取本地命令词列表，并利用本地命令词列表对目标语音数据进行识别，得到第一检测结果，其中，本地命令词列表包括至少一个第一语音命令词。
67.在本技术实施例中，用户可以首先在语音交互设备对应的客户端上预先按配置本地命令词列表，在配置完成本地命令词列表后，通过客户端将本地命令词列表发送至语音
交互设备，此时语音交互设备在接收到本地命令词列表后，会将本地命令词列表进行存储。
68.在本技术实施例中，利用本地命令词列表对目标语音数据进行识别，得到第一检测结果，包括以下步骤b1-b2：
69.步骤b1，识别目标语音数据，得到目标语音数据所携带的目标语音命令词。
70.步骤b2，将目标语音命令词与本地命令词列表中的第一语音命令词进行匹配，得到第一检测结果，其中，第一检测结果包括：目标语音命令词与第一语音命令词匹配，或目标语音命令词与第一语音命令词不匹配。
71.在本技术实施例中，语音交互设备可以利用部署在本地的语音识别模型对目标语音数据进行识别，得到目标语音数据所携带的目标语音命令词。然后将目标语音命令词语本地命令词列表中的第一语音命令词进行匹配，得到第一检测结果。
72.需要说明的是，当本地命令词列表中存在与目标语音命令词相匹配的第一语音命令词的情况下，第一检测结果为目标语音命令词与第一语音命令词匹配。当本地命令词列表中不存在与目标语音命令词相匹配的第一语音命令词的情况下，第一检测结果为目标语音命令词与第一语音命令词不匹配。
73.步骤s13，发送目标语音数据至云端服务器，以使云端服务器对目标语音数据进行识别，得到第二检测结果。
74.在本技术实施例中，为了精准的确定语音数据对应的语音命令词，语音交互设备还会将目标语音数据发送至云端服务器，以使云端服务器对目标语音数据进行识别，得到第二检测结果。
75.需要说明的是，云端服务器中的自然语音理解引擎理解用户是在执行不依赖于云端信息的本地指令，那么将在线识别结果形成条目《在线识别结果,指令》的《key,value》对，输出给语音交互设备。同时云端服务器中的离线识别引擎同时也会对目标语音数据进行识别，并输出识别结果，最终将识别结果与对应的指令形成《离线识别结果，指令》的《key，value》对，输出给语音交互设备。
76.步骤s14，接收云端服务器反馈的第二检测结果，并基于第一检测结果和/或第二检测结果中的语音命令词，对本地命令词列表执行更新操作。
77.在本技术实施例中，基于第一检测结果和/或第二检测结果中的语音命令词，对本地命令词列表执行更新操作，包括以下步骤c1-c3：
78.步骤c1，提取第一检测结果和/或第二检测结果中的语音命令词，并确定每个语音命令词对应的出现频率。
79.步骤c2，将出现频率落入预设频率范围的语音命令词确定为新增语音命令词。
80.步骤c3，将新增语音命令词更新至本地命令词列表，将更新后的本地命令词列表发送至云端服务器。
81.在本技术实施例中，语音交互设备在得到云端服务器反馈的第二检测结果后，会结合本地得到的第一检测结果，同时提取第一检测结果和/或第二检测结果所包含的语音命令词，并确定每个语音命令词对应的出现频率，将出现频率落入预设频率范围的语音命令词确定为新增语音命令词。然后利用新增语音命令词更新本地命令词列表。最终将新增语音命令词更新至本地命令词列表，将更新后的本地命令词列表发送至云端服务、
82.作为一个示例，对于语音交互设备，对于任何一个语音命令，为了表达该指令所进
行的说法的排序，比如对于语音命令“turnonlight”，统计到用户说“打开灯光”共计m次，用户说“开灯”共计n次，而m大于n，则“打开灯光”的说法在该统计模块中将排在“开灯”的前面；基于频次统计结果，将指令对应的高频词插入到初始离在线命令词表中，并将原此表中该指令对应的最低频命令词移出原本地命令词列表，得到更新后的本地命令词列表。
83.将用户命令词表通过ota下发到该设备，如此就可以实现了用户词表的更新，对于用户常说的命令词可以基于新的离线命令词表给出更快的响应。
84.在本技术实施例中，在接收云端服务器反馈的第二检测结果之后，方法还包括：对比第一检测结果与第二检测结果，得到对比信息，对比信息包括至少一个语音命令词；发送对比信息至预设终端，通过预设终端显示对比信息；接收来自于预设终端基于对比信息反馈的控制指令；基于控制指令所指定的语音命令词控制目标设备。
85.本技术实施例提供的方法通过本地和云端服务器分别对用户常用的命令词进行统计，并更新到终端替换默认的离线命令词表，以使离线的命令词表能够反映用户在控制目标设备时真实的语音习惯，并且可以针对不同的用户提供个性化的词表，最终提升了离线识别的准确率以及用户体验。
86.根据本技术实施例的另一个方面，图2为本技术实施例提供的一种语音命令词的处理方法的流程图，如图2所示，该方法可以包括以下步骤：
87.步骤s21，接收来自于语音交互设备的目标语音数据，其中，目标语音数据用于控制目标设备执行预设指令，目标设备是与语音交互设备关联的设备；
88.步骤s22，对目标语音数据进行识别，得到第二检测结果。
89.步骤s23，发送第二检测结果至语音交互设备，以使语音交互设备基于第二检测结果中的语音命令词，对语音交互设备中的本地命令词列表执行更新操作。
90.在本技术实施例中，步骤s22，对目标语音数据进行识别，得到第二检测结果，包括以下步骤d1-d3：
91.步骤d1，调用自然语音理解引擎对目标语音数据进行识别，得到第一条目信息，第一条目信息包括：在线识别结果以及语音命令词。
92.步骤d2，调用离线识别引擎中的命令词列表对目标语音数据进行识别，得到第二条目信息，第二条目信息包括：离线识别结果以及语音命令词。
93.步骤d3，基于第一条目信息和第二条目信息生成第二检测结果。
94.在本技术实施例中，云端服务器中的自然语音理解引擎理解用户是在执行不依赖于云端信息的本地指令，那么将在线识别结果形成条目《在线识别结果,指令》的《key,value》对(第一条目信息)，输出给语音交互设备。同时云端服务器中的离线识别引擎同时也会对目标语音数据进行识别，并输出识别结果，最终将识别结果与对应的指令形成《离线识别结果，指令》的《key，value》对(第二条目信息)，输出给语音交互设备。
95.在本技术实施例中，在发送第二检测结果至语音交互设备之后，方法还包括：接收来自于语音交互设备的更新后的本地命令词列表；利用更新后的本地命令词列表对离线识别引擎中的命令词列表进行更新。
96.图3为本技术实施例提供的了一种语音命令词的处理装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图3所示，该装置包括：
97.第一获取模块31，用于获取用于控制目标设备执行预设指令的目标语音数据，其
中，目标设备是与语音交互设备关联的设备；
98.第二获取模块32，用于获取本地命令词列表，并利用本地命令词列表对目标语音数据进行识别，得到第一检测结果，其中，本地命令词列表包括至少一个第一语音命令词；
99.发送模块33，用于发送目标语音数据至云端服务器，以使云端服务器对目标语音数据进行识别，得到第二检测结果；
100.接收模块34，用于接收云端服务器反馈的第二检测结果，并基于第一检测结果和/或第二检测结果中的语音命令词，对本地命令词列表执行更新操作。
101.在本技术实施例中，第一获取模块31，用于获取预设时间周期内触发的至少一条语音数据；提取语音数据的声学特征，在声学特征与预设声学特征匹配的情况下，语音交互设备进入唤醒状态，并在唤醒状态下获取目标语音数据。
102.在本技术实施例中，第二获取模块32，用于识别目标语音数据，得到目标语音数据所携带的目标语音命令词；将目标语音命令词与本地命令词列表中的第一语音命令词进行匹配，得到第一检测结果，其中，第一检测结果包括：目标语音命令词与第一语音命令词匹配，或目标语音命令词与第一语音命令词不匹配。
103.在本技术实施例中，语音命令词的处理装置还包括：对比模块，用于对比第一检测结果与第二检测结果，得到对比信息，对比信息包括至少一个语音命令词；发送对比信息至预设终端，通过预设终端显示对比信息；接收来自于预设终端基于对比信息反馈的控制指令；基于控制指令所指定的语音命令词控制目标设备。
104.在本技术实施例中，接收模块34，用于提取第一检测结果和/或第二检测结果中的语音命令词，并确定每个语音命令词对应的出现频率；将出现频率落入预设频率范围的语音命令词确定为新增语音命令词；将新增语音命令词更新至本地命令词列表，将更新后的本地命令词列表发送至云端服务器。
105.图4为本技术实施例提供的了一种语音命令词的处理装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4所示，该装置包括：
106.接收模块41，用于接收来自于语音交互设备的目标语音数据，其中，目标语音数据用于控制目标设备执行预设指令，目标设备是与语音交互设备关联的设备；
107.识别模块42，用于对目标语音数据进行识别，得到第二检测结果；
108.发送模块43，用于发送第二检测结果至语音交互设备，以使语音交互设备基于第二检测结果中的语音命令词，对语音交互设备中的本地命令词列表执行更新操作。
109.在本技术实施例中，识别模块42，用于调用自然语音理解引擎对目标语音数据进行识别，得到第一条目信息，第一条目信息包括：在线识别结果以及语音命令词；调用离线识别引擎中的命令词列表对目标语音数据进行识别，得到第二条目信息，第二条目信息包括：离线识别结果以及语音命令词；基于第一条目信息和第二条目信息生成第二检测结果。
110.在本技术实施例中，语音命令词的处理装置还包括：更新模块，用于接收来自于语音交互设备的更新后的本地命令词列表；利用更新后的本地命令词列表对离线识别引擎中的命令词列表进行更新。
111.本技术实施例还提供一种电子设备，如图5所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。
112.存储器1503，用于存放计算机程序；
113.处理器1501，用于执行存储器1503上所存放的计算机程序时，实现上述实施例的步骤。
114.上述终端提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
115.通信接口用于上述终端与其他设备之间的通信。
116.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
117.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
118.在本技术提供的又一实施例中，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中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的语音命令词的处理方法。
119.在本技术提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的语音命令词的处理方法。
120.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk)等。
121.以上所述仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本技术的保护范围内。
122.以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术
将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。