[发明专利]语音交互方法、装置、计算机可读存储介质及电子设备

说明书

本公开实施例公开了一种语音交互方法和装置，其中，该方法包括：获取目标空间内的摄像设备拍摄的视频和至少一个音频采集设备采集的至少一路音频；基于至少一路音频，确定目标空间内的每个音区分别对应的待识别音频；基于视频和至少一路待识别音频，从目标空间确定目标音区；对得到的至少一路待识别音频进行语音识别，得到识别结果；控制目标音区的语音交互设备基于识别结果在预设模式下进行语音交互。本公开实施例可以实现通过图像和语音融合的方法进行目标对象检测，根据检测结果自动进入目标对象对应的语音控制模式，提高对各类对象进行语音识别及相应的语音控制的针对性，有助于防止在语音控制时，因识别到目标对象的声音而造成的误操作。

技术领域

本公开涉及计算机技术领域，尤其是一种语音交互方法、装置、计算机可读存储介质及电子设备。

背景技术

近年来，随着语音产品的不断推广，语音输入作为一种重要的人机交互手段，被越来越多的人们所接受。例如在智能汽车领域，语音控制作为汽车智能化的表现之一，得到了极大的重视。通过语音控制功能，用户可免去手动操作，而仅仅利用语音就能够控制车机执行特定操作，如打开或关闭空调，设置导航，修改导航，开启音乐播放等，极大地提升了用户的使用体验。

发明内容

本公开的实施例提供了一种语音交互方法、装置、计算机可读存储介质及电子设备。

本公开的实施例提供了一种语音交互方法，该方法包括：获取目标空间内的摄像设备拍摄的视频和至少一个音频采集设备采集的至少一路音频；基于至少一路音频，确定目标空间内的每个音区分别对应的待识别音频；基于视频和至少一路待识别音频，从目标空间确定目标音区；对得到的至少一路待识别音频进行语音识别，得到识别结果；控制目标音区的语音交互设备基于识别结果在预设模式下进行语音交互。

根据本公开实施例的另一个方面，提供了一种语音交互装置，该装置包括：获取模块，用于获取目标空间内的摄像设备拍摄的视频和至少一个音频采集设备采集的至少一路音频；第一确定模块，用于基于至少一路音频，确定目标空间内的每个音区分别对应的待识别音频；第二确定模块，用于基于视频和至少一路待识别音频，从目标空间确定目标音区；识别模块，用于对得到的至少一路待识别音频进行语音识别，得到识别结果；控制模块，用于控制目标音区的语音交互设备基于识别结果在预设模式下进行语音交互。

根据本公开实施例的另一个方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序用于执行上述语音交互方法。

根据本公开实施例的另一个方面，提供了一种电子设备，电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行指令以实现上述语音交互方法。

基于本公开上述实施例提供的语音交互方法、装置、计算机可读存储介质及电子设备，通过获取对目标空间拍摄的视频和采集的至少一路音频，对视频和音频进行联合识别，从目标空间确定目标音区，以及对音频进行语音识别，得到识别结果，最后控制目标音区的语音交互设备基于识别结果在预设模式下进行语音交互，从而实现了通过图像和语音融合的方法进行目标对象检测，根据检测结果自动进入目标对象对应的语音控制模式，提高了对各类对象进行语音识别及相应的语音控制的针对性，有助于防止在语音控制时，因识别到目标对象的声音而造成的误操作。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开所适用的系统图。

图2是本公开一示例性实施例提供的语音交互方法的流程示意图。