[发明专利]用于处理语音请求的方法和装置

说明书

本申请实施例公开了用于处理语音请求的方法和装置。该方法的一具体实施方式包括：响应于接收到语音请求，对该语音请求进行解析；响应于对该语音请求的解析结果包括获取指定对象的相关信息的意图，获取包含该指定对象的图像；基于该图像确定该指定对象的相关信息；基于该语音请求的解析结果和该指定对象的相关信息，生成语音响应信息；输出该语音响应信息。本申请实施例通过获取包括指定对象的图像，能够确定指定对象的相关信息，进而更加准确地输出语音响应信息。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于处理语音请求的方法和装置。

背景技术

智能音箱等智能电子设备通常只能通过语音与用户进行交互，进而满足用户的需求。比如，用户问“天空是什么颜色的”，智能电子设备可以回答“蓝色的”。如果用户对对象描述的不够具体，智能电子设备无法获取足够的信息来判断用户的需求，通常无法给出准确的响应信息。

发明内容

本申请实施例提出了用于服务器的数据获取方法和装置。

第一方面，本申请实施例提供了一种用于处理语音请求的方法，包括：响应于接收到语音请求，对语音请求进行解析；响应于对语音请求的解析结果包括获取指定对象的相关信息的意图，获取包含指定对象的图像；基于图像确定指定对象的相关信息；基于语音请求的解析结果和指定对象的相关信息，生成语音响应信息；输出语音响应信息。

在一些实施例中，响应于对语音请求的意图解析结果包括获取指定对象的相关信息的意图，获取包含指定对象的图像，包括：响应于对语音请求的意图解析结果包括获取指定对象的相关信息的意图，发送采集包含指定对象的图像的指令；获取采集的包含指定对象的图像。

在一些实施例中，获取采集的包含指定对象的图像，包括：确定发出语音请求的用户的位置信息；获取基于用户的位置信息所采集的包含指定对象的图像。

在一些实施例中，确定发出语音请求的用户的位置信息，包括：通过声源定位确定发出语音请求的用户的位置信息。

在一些实施例中，对语音请求进行意图解析，包括：将语音请求转换为文本语句；确定文本语句是否包括预设的关键词；响应于确定文本语句包括预设关键词，确定意图解析结果包括获取指定对象的相关信息的意图。

在一些实施例中，基于图像确定指定对象的相关信息，包括：响应于确定语音请求的解析结果包含所指示的指定对象的类型关键词，在类型关键词所指示的类型的图像数据库中确定是否存在指定对象的图像所匹配的图像；若确定在类型关键词所指示的类型的图像数据库中存在指定对象的图像所匹配的图像，将所匹配的图像所对应的信息确定为指定对象的相关信息；若确定在类型关键词所指示的类型的图像数据库中不存在指定对象的图像所匹配的图像，在总图像数据库中查找指定对象的图像所匹配的图像，将所匹配的图像所对应的信息确定为指定对象的相关信息；响应于确定语音请求的解析结果不包含所指示的指定对象的类型关键词，在总图像数据库中查找指定对象的图像所匹配的图像，将所匹配的图像所对应的信息确定为指定对象的相关信息。

第二方面，本申请实施例提供了一种用于处理语音请求的装置，包括：解析单元，配置用于响应于接收到语音请求，对语音请求进行解析；获取单元，配置用于响应于对语音请求的解析结果包括获取指定对象的相关信息的意图，获取包含指定对象的图像；确定单元，配置用于基于图像确定指定对象的相关信息；生成单元，配置用于基于语音请求的解析结果和指定对象的相关信息，生成语音响应信息；输出单元，配置用于输出语音响应信息。

在一些实施例中，获取单元进一步配置用于按照如下方式获取包含指定对象的图像：响应于对语音请求的意图解析结果包括获取指定对象的相关信息的意图，发送采集包含指定对象的图像的指令；获取采集的包含指定对象的图像。

在一些实施例中，获取单元进一步配置用于按照如下方式获取采集的包含指定对象的图像：确定发出语音请求的用户的位置信息；获取基于用户的位置信息所采集的包含指定对象的图像。