[发明专利]基于多媒体对象的语音交互方法、系统、车辆和程序载体

说明书

本发明涉及数字信息处理领域。本发明提供一种基于多媒体对象、例如名片的语音交互的方法，所述方法包括以下步骤：获取多媒体对象；提取多媒体对象包含的信息；将所提取的信息关联到至少一个语音技能模型；以及根据用户的语音指令输出所述至少一个语音技能模型对应的语音服务。本发明还涉及一种基于多媒体对象的语音交互的系统、一种相应的车辆和一种机器可读程序载体。本发明旨在将从多媒体对象提取的信息匹配到适合的语音技能模型并利用所述信息对其进行训练，从而用户能够通过语音交互直接定向到语音技能模型并调用相关语音服务，由此实现了一种更高效、快捷的信息处理方式。

技术领域

本发明涉及一种基于多媒体对象的语音交互的方法、一种基于多媒体对象的语音交互的系统、一种相应的车辆和一种机器可读程序载体。

背景技术

随着个人智能化设备的普及与发展，将纸质媒体对象的信息以电子方式进行存储和读取逐渐成为主流。但是，提取媒体对象的信息往往需要耗费大量人力和物力，如何自动化地完成这一过程并且良好地利用提取出的信息至关重要。

为了解决这一问题，现有技术中提出了基于媒体消息的智能助理以及自动化名片识别方法，其中，尤其提出了可通过图像识别等手段录入纸质媒体信息，并在执行语音功能时考虑所录入的信息的上下文状态，由此能够智能地响应于用户需求来调用相关信息。

但是上述解决方案仍存在诸多不足，特别是目前的信息处理方式只能实现简单的信息问询和调用，当对媒体对象信息的查询密度高、请求内容复杂的情况下，目前的解决方案仍无法充分满足用户的这些个性化需求。

发明内容

本发明的目的在于提供一种基于多媒体对象的语音交互的方法、一种基于多媒体对象的语音交互的系统、一种相应的车辆和一种机器可读程序载体。

根据本发明的第一方面，提供一种基于多媒体对象的语音交互的方法，所述方法包括以下步骤：

S1)获取多媒体对象；

S2)提取多媒体对象包含的信息；

S3)将所提取的信息关联到至少一个语音技能模型；以及

S4)根据用户的语音指令输出所述至少一个语音技能模型对应的语音服务。

本发明尤其包括如下技术构思：在对不同格式的多媒体对象执行自动化信息提取之后，这些信息不再仅仅以字段列表条目的形式存在并且基于触发指令被抽取，与此不同地，在本发明中还将提取的信息有利地匹配到适合的语音技能模型，从而用户可以通过语音交互直接定向到语音技能模型并且调用相关语音服务，由此实现了一种更高效、快捷的信息处理方式。

可选地，所述步骤S3包括：根据所提取的信息中的表征多媒体对象的主体身份的信息生成标识符；为所提取的信息中的附加信息分配所述标识符，使得所述附加信息及其关联的语音技能模型链接到所述主体身份。

可选地，所述步骤S3包括：将所提取的信息中的人员姓名、职业、物理地址、电子邮件地址、手机号码、固话号码关联到通讯录模型和/或日历模型；以及，将所提取的信息中的物理地址关联到天气模型和/或导航模型。

可选地，所述步骤S3还包括：将多媒体对象的所提取的信息存储到语音技能模型的语料库中并作为训练数据来训练相应的语音技能模型。

可选地，所述步骤S2包括：借助光学字符识别技术识别多媒体对象中的文本字段；对所述文本字段进行预处理；对所述文本字段执行特征选择；以及，按照预定义的标准对所提取的特征进行分类。

可选地，在步骤S4之前还执行以下步骤：将所关联的语音技能模型存储在云端并且与用户的身份信息进行绑定。这意味着当用户进入到新的语音交互环境时也可以快速调用相关服务，例如用户可以直接输出相关语音请求，云端便可以为其查询。