[发明专利]一种基于动作引擎的语音交互方法、系统及存储介质

说明书

本发明涉及语音交互技术领域，提供一种基于动作引擎的语音交互方法、系统及存储介质，从动作引擎的驱动基础上着手，先根据用户的语音指令确定其目标动作，并在设置本地仲裁规则判断目标动作的技能属性，从而通过确定目标动作是否适用当前界面，来进一步的判断用户意图，进而控制根据技能属性响应目标动作。如此，使得用户可以借由语音指令在任何界面完成对应的实用操作，实现全局所见即可说、可说即可实现的语音交互控制，大幅度地扩大了设备可识别的语音指令集；另外，从动作引擎上响应目标动作，无需额外增加第三方应用适配，降低了设备的开发成本，提高了语音交互的可移植性与兼容性。

技术领域

本发明涉及语音交互技术领域，尤其涉及一种基于动作引擎的语音交互方法、系统及存储介质。

背景技术

目前的语音功能交互是基于预先设计好的场景和语法，也就是说某个应用对应的语音指令是相对固定的。同时语音指令和界面存在分离现象，语音指令无法跟随界面变化，缺乏沉浸式体验。不管是离线还是云端语义识别，用户能说的指令都是预先训练好，然后通过语音识别模块进行匹配。这种模式下，用户是有一定学习成本，需要了解哪些指令是支持的，要按什么语法来说。如果用户在界面获取到信息并想当然地发出语音指令，通常得到的回复是“对不起，我没听懂”、“暂不支持改功能”等回复，用户体验差。而扩展不支持的指令，需要通过更新版本来修复，代价较大。

同时，由于功能代码是提前预置的，支持该功能的应用也相对固定，需要提前适配好。如果是从市场下载的第三方应用，基本是不支持任何指令的。在这种模式下，语音功能的兼容性和扩展性很差。例如：用户设备上预置了QQ音乐，所有音乐控制是通过QQ音乐的定制接口实现的。如果用户不喜欢QQ音乐的体验，换成网易云音乐，这时之前的音乐控制接口会全部失效，相当于功能缺失。

即，现有的语音交互方法存在以下问题：

1)语音指令固定，指令和界面分离，用户体验感较差；

2)语音功能对应的应用需要提前适配，对非预置的第三方应用基本不支持，兼容性和扩展性差。

发明内容

本发明提供一种基于动作引擎的语音交互方法、系统及存储介质，解决了现有的语音交互功能因语音指令固定导致指令和界面分离，以及兼容性和扩展差无法兼容非预置的第三方应用的技术问题。

为解决以上技术问题，本发明提供一种基于动作引擎的语音交互方法，包括步骤：

S1、获取用户的语音指令；

S2、识别所述语音指令，确定对应的目标动作；

S3、获取并识别当前界面，根据本地仲裁规则和当前界面，判断所述目标动作的技能属性；

S4、动作引擎根据所述技能属性响应所述目标动作。

本基础方案从动作引擎的驱动基础上着手，先根据用户的语音指令确定其目标动作，并在设置本地仲裁规则判断目标动作的技能属性，从而通过确定目标动作是否适用当前界面，来进一步的判断用户意图，进而控制根据技能属性响应目标动作。如此，使得用户可以借由语音指令在任何界面完成对应的实用操作，实现全局所见即可说、可说即可实现的语音交互控制，大幅度地扩大了设备可识别的语音指令集；另外，从动作引擎上响应目标动作，无需额外增加第三方应用适配程序，降低了设备的开发成本，提高了语音交互功能的可移植性与兼容性。

在进一步的实施方式中，所述步骤S1包括：

S11、获取唤醒指令唤醒语音交互模块；

S12、获取用户发出的语音指令并输出至语音交互模块。

在进一步的实施方式中，所述步骤S2包括：

S21、识别所述语音指令得到语音文本；

S22、解析所述语音文本，确认用户意图并确定对应的目标动作。