一种语音取号方法、存储介质和机器人与流程

本发明涉及信息处理领域，尤其涉及一种语音取号方法、存储介质和机器人。

背景技术：

近年来，随着各类服务种类的增加及服务量的增大，各营业场所排队等待需要专门的取号设备或系统供用户自助取号排队。一般地，取号设备是固定大小的，取号设备的麦克风也是固定位置的，若用户身高高于取号按键或高于取号设备麦克风很多时，或者用户身高低于取号按键或低于取号设备麦克风很多时，取号需要弯腰或者垫脚尖，有些用户可能因为身体的原因不方便站着，不能有效取号，需要工作人员或者其他客户帮助取号。

综上所述，现有的取号方法没有考虑到用户的差异性，取号效率较低，用户体验差。

技术实现要素：

本发明实施例提供了一种语音取号方法、存储介质和机器人，以解决现有的取号方法没有考虑到用户的差异性，取号效率较低，用户体验差。

本发明实施例的第一方面提供了一种语音取号方法，包括：

在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式；

判断检测到的语音信号的语音参数是否达到预设参数值；

若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式；

对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作。

本发明实施例的第二方面提供了一种机器人，包括存储器以及处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：

在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式；

判断检测到的语音信号的语音参数是否达到预设参数值；

若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式；

对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：

在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式；

判断检测到的语音信号的语音参数是否达到预设参数值；

若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式；

对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作。

本发明实施例中，默认在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式，判断所述检测到的语音信号的语音参数是否达到预设参数值，若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式，根据用户的差异性切换采集语音的模式，避免用户因个体差异性影响语音输入的效果，提高语音输入的效率，再对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作，从而提高语音取号的效率，增强用户体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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。

图1是本发明实施例提供的语音取号方法的实现流程图；

图2是本发明实施例提供的麦克风阵列排列方式的示意图；

图3是本发明实施例提供的在增强语音模式下采集语音信号的一种具体实现流程流程图；

图4是本发明实施例提供的在增强语音模式下采集语音信号的另一种具体实现流程图；

图5是本发明实施例提供的语音取号装置的结构框图；

图6是本发明另一实施例提供的语音取号装置的结构框图；

图7是本发明实施例提供的机器人的示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示出了本发明实施例提供的语音取号方法的实现流程，该方法流程包括步骤s101至s104。各步骤的具体实现原理如下：

s101：在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式。

所述机器人是指带有麦克风的智能机器人，所述机器人通过麦克风采集用户输入的语音信号。在本发明实施例中，所述机器人设有麦克风阵列，在所述麦克风阵列中包括主麦克风和辅助麦克风。机器人采集语音信号的语音模式包括标准语音模式和增强语音模式。所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式。所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式。在标准语音模式下，只调度启动一个麦克风采集语音信号，在增强语音模式下，调度启动多个麦克风同时采集语音信号，从而增强采集的语音信号的信号强度。

可选地，如图2所示，机器人的麦克风阵列的排列方式包括但不限于(1)十字星型、(2)环形以及(3)树形，可根据实际情况实施合适的拓扑模型，同时，机器人中麦克风阵列中麦克风的个数在此不作限定。

具体地，指定麦克风阵列中的某一麦克风为主麦克风，所述麦克风阵列中的其它麦克风为辅助麦克风，本发明实施例中，机器人默认处于标准语音模式下，在标准语音模式下启用一个主麦克风实时采集用户输入的语音信号，辅助麦克风处于关闭状态。而在增强语音模式下，调度启用主麦克风和至少一个辅助麦克风实时采集用户输入的语音信号，例如，如图2所示，麦克风1为主麦克风，麦克风2-5为辅助麦克风。

示例性地，当麦克风阵列的排列方式如图2(1)所示，在标准语音模式下，调度启用麦克风1实时采集用户输入的语音，麦克风2-5处于关闭状态；在增强语音模式下，启动麦克风1、麦克风2和麦克风3同时采集用户输入的语音。当麦克风阵列的排列方式如图2(2)所示，在标准语音模式下，启用麦克风1实时采集用户输入的语音，麦克风2-5处于关闭状态；在增强语音模式下，调度启用麦克风1、麦克风2和麦克风5同时采集用户输入的语音。

s102：判断检测到的语音信号的语音参数是否达到预设参数值。

具体地，若检测到的语音信号的语音参数达到预设参数值，则在标准语音模式下采集语音信号，对所述标准语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作。若检测到的语音信号的语音参数未达到预设参数值，则切换语音模式。其中，语音参数包括声源的声源位置和/或音量。本发明实施例考虑到待取号的用户的差异性，比如用户身高以及声音大小的差异，通过判断检测到的语音信号的语音参数是否达到预设参数值来确定是否切换语音模式，增强用户体验，同时，避免实时开启全部麦克风检测语音信号，降低机器人的耗电量。

作为本发明的一个实施例，上述s102具体包括：

a1：获取所述检测到的语音信号对应声源的声源位置。

a2：判断所述声源位置与所述机器人之间的距离是否在预设距离范围内。

和/或，

a3：获取所述语音信号的音量。

a4：判断所述语音信号的音量是否达到所述预设音量。其中，所述预设音量是自定义设置的。具体地，当检测到语音信号时，获取所述语音信号的音量。本发明实施例通过判断所述语音信号的音量来判断是否需要从标准语音模式切换为增强语音模式。若所述语音信号的音量达到预设音量，则对所述语音信号进语音识别，执行与语音识别结果对应的操作。若所述语音信号的音量未达到所述预设音量，则将所述标准语音模式切换为增强语音模式。示例性地，判断语音信号的音量是否达到40分贝。若未达到40分贝，则需切换语音模式。

可选地，当检测到语音信号时，定位所述语音信号对应声源的声源位置，利用距离传感器获取所述声源位置与所述机器人之间的距离值，判断所述距离值是否在预设距离范围内。具体地，所述机器人内置红外距离传感器，当机器人的麦克风检测到语音信号时，通过所述红外距离传感器发射红外信号，照射到声源位置的用户后反射信号，所述红外距离传感器接收所述反射信号，所述机器人根据发射红外信号与接收反射信号的时间差，基于信号处理器处理计算出与发出所述语音信号的用户的距离，使用红外距离传感器可准确测距。

可选地，所述机器人内置超声波距离传感器，在机器人检测到语音信号时，通过所述超声波距离传感器采用超声波回波测距，确定机器人与发出语音信号的用户之间的距离。

在本发明实施例中，为进一步提高语音模式切换的效率，不仅判断所述声源位置与所述机器人之间的距离是否在预设距离范围内，同时判断所述语音信号的音量是否达到预设语音音量。例如，在检测到语音信号时，若判断所述语音信号对应声源的声源位置与所述机器人之间的距离不在预设距离范围内，且所述语音信号的音量未到达预设音量，则需从标准与模式切换为增强语音模式。

s103：若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式。

具体地，若所述声源位置与所述机器人之间的距离超出预设距离范围，则将所述标准语音模式切换为增强语音模式。示例性地，预设用户与机器人的标准距离在15cm-40cm之间，若超过40cm则将标准语音模式切换为增强语音模式。

具体地，若所述语音信号的音量未达到所述预设音量，则将所述标准语音模式切换为增强语音模式。示例性地，预设语音信号的分贝值在40分贝-60分贝之间，若采集的语音信号的分贝值小于40分贝，则将标准语音模式切换为增强语音模式。

作为本发明的一个实施例，图3示出了本发明实施例提供的在增强语音模式下采集语音信号的一种具体实现流程，详述如下：

b1：根据在标准语音模式下检测到的语音信号，获取所述检测到的语音信号对应声源的声源方向与音量。

b2：根据所述音量，确定所述检测到的语音信号的增强等级。具体地，根据音量的大小设立对应的增强等级，不同增强等级对应开启的辅助麦克风数量不同。

b3：开启所述机器人中与所述声源方向及所述增强等级对应的辅助麦克风采集语音信号。

示例性地，在增强语音模式下开启辅助麦克风时，获取所述语音信号对应声源的声源方向，确定所述声源方向对应位置的辅助麦克风，声源方向与辅助麦克风的对应关系预先设定。例如，若麦克风阵列的排列方式如图2(1)所示，在增强语音模式下，若声源方向在左下，则对应可调度启用的麦克风为麦克风1和麦克风4、麦克风5。若声源方向在右上，则对应可调度启用的麦克风为麦克风1、麦克风2和麦克风3。具体地，设置多个增强区间，建立声源方向与增强区间对应关系，如图2(1)所示，增强区间1麦克风组合包括：1-2、1-3、1-4、1-5，增强区间2麦克风组合：1-2-3、1-2-5、1-4-3、1-4-5，增强区间3麦克风组合：1-2-3-4、1-2-5-4、1-3-4-5、1-2-3-5，预设增强区间每个麦克风组合与声源方向的对应关系，从而根据声源方向选择开启增强区间中对应的一组麦克风。需说明的是，上述仅为示例，麦克风的拓扑模型以及麦克风的数量不限于图2(1)-图2(3)所示，可根据实际情况实施合适的拓扑模型以及设置合适数量的麦克风。

在本发明实施例中，增强语音模式下还设有不同的增强等级，不同的增强等级对应的麦克风数量不同，例如，设置4个增强等级1、2、3和4，增强等级1对应1个主麦克风和1个辅助麦克风，增强等级2对应1个主麦克风和2个辅助麦克风，增强等级3对应1个主麦克风和3个辅助麦克风，而在增强区间4中开启声源方向对应的全部麦克风。建立用户距离和/或音量与增强等级的对应关系，用户距离值指声源位置的用户与机器人之间的距离。例如，用户与声源方向距离范围40cm-45cm对应增强等级1；45cm-50cm对应增强等级2；50cm-55cm对应增强等级3。建立声音大小与增强等级的对应关系，例如，声音大小为35分贝-40分贝对应增强等级1；30分贝-35分贝对应增强等级2；25分贝-30分贝对应增强等级3。再例如，用户与声源方向距离范围40cm-45cm、声音大小为35分贝-40分贝时，对应增强等级1。

在本发明实施例中，根据检测到音量的大小确定该语音信号对应的增强等级，即确定需要开启的辅助麦克风数量，根据声源方向确定用户的方向，从而确定调度开启麦克风阵列中哪个位置的辅助麦克风，无需开启所有麦克风，可降低机器人的耗电量。

作为本发明的一个实施例，图4示出了本发明实施例提供的在增强语音模式下采集语音信号的另一种具体实现流程，详述如下：

c1：获取所述检测到的语音信号对应声源的声源位置。

c2：根据所述声源位置，获取所述声源位置处的用户的全身图像。

c3：根据所述全身图像，计算所述用户的身高。

c4：根据所述身高，调度开启所述机器人中与所述用户的身高对应的辅助麦克风采集语音信号。

在本发明实施例中，机器人设有摄像头，在检测到语音信号时，摄像头获取发送所述语音信号的用户的全身图像，根据所述全身图像计算用户的身高，根据用户的身高确定声源位置与机器人的距离，根据用户所在的方向开启对应的辅助麦克风。根据身高和用户所在的方向选择开启对应的辅助麦克风。

可选地，在本发明实施例中，所述步骤s103还包括：

c1：开启噪音检测。

c2：若检测到噪音信号，则开启降噪模式过滤所述噪音信号。

具体地，在增强语音模式下或者在标准语音模式下检测噪音，若噪音较大，则开启降噪模式。

在本发明实施例中，机器人的麦克风在全方向上拾取语音，全方向可以是水平方向上的360度，也可以是垂直方向上的360度。该语音信号包括来自各个声源方向的语音信号，因而接收到的语音信号包括来自不同声源方向的一个或者多个语音信号，但其中最多仅有一个语音信号为真语音信号。真语音信号是指需要取号排队的用户向机器人发送的带预定声音特征的语音信号，该预定声音特征的语音信号最终可以被识别为带预设词句的命令，其中预设词句可以根据用户实际需求进行设定，例如，“取号”、“查询”等，其中，预定声音特征包括预定音频和/或预定音色。当存在多个声源方向的语音信号时，机器人会识别出持续有较强的语音信号，并根据该语音信号的声音特征判断所述语音信号是否为噪声。如果语音信号的持续时间超过了预设时间阈值，并且在持续时间内没有匹配出带有预定声音特征的语音信号，则该语音信号识别为噪声。例如，若空间内某个方向的音箱在持续播放音乐，该声源方向上无法匹配出带有预设关键词的语音信号，则将该声源方向的语音识别为噪声。

可选地，在本发明实施例中，当检测到噪音信号时，开启降噪模式过滤噪音信号。具体地，在降噪模式下，获取噪音信号的音频和/或音色，调节麦克风阵列的增益至预设增益阈值，麦克风阵列根据调节后的增益将该噪音信号的音频和/或音色进行抑制，从而过滤所述噪音信号，提高语音信号采集的效率。

s104：对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作。

在本发明实施例中，识别所述语音信号中的关键词，执行与所述关键词对应的取号操作，具体地，根据所述关键词确定业务类型，查询所述业务类型的排队进程，并根据所述排队进行获取当前排队号码，完成取号操作。例如，当识别到所述语音信号中关键词“开户取号”，则立即查询当前办理开户业务的排队进程，输出当前排队号码给用户。

可选地，所述机器人还可执行取号以外的其它交互操作，例如，当识别到所述语音信号中关键词为“打印明细”，则立即根据用户输入的账户信息，打印账户明细。

本发明实施例中，默认在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式，判断检测到的语音信号的语音参数是否达到预设参数值，若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式，根据用户的差异性切换采集语音的模式，避免用户因个体差异性影响语音输入的效果，提高语音输入的效率，再对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作，从而提高语音取号的效率，增强用户体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的语音取号方法，图5示出了本申请实施例提供的语音取号装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图5，该语音取号装置包括：语音信号检测单元51，语音信号判断单元52，语音信号采集单元53，语音识别操作单元54，其中：

语音信号检测单元51，用于在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式；

语音信号判断单元52，用于判断检测到的语音信号的语音参数是否达到预设参数值；

语音信号采集单元53，用于若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式；

语音识别操作单元54，用于对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作。

可选地，所述语音信号判断单元52包括：

声源检测模块，用于获取所述检测到的语音信号对应声源的声源位置；

距离判断模块，用于判断所述声源位置与所述机器人之间的距离是否在预设距离范围内；

和/或，

音量获取模块，用于获取所述语音信号的音量；

音量判断模块，用于判断所述语音信号的音量是否达到所述预设音量。

可选地，所述语音信号采集单元53包括：

语音信息获取模块，用于根据在标准语音模式下检测到的语音信号，获取所述检测到的语音信号对应声源的声源方向与音量；

等级确定模块，用于根据所述音量，确定所述检测到的语音信号的增强等级；

第一语音采集模块，用于开启所述机器人中与所述声源方向及所述增强等级对应的辅助麦克风采集语音信号。

可选地，所述语音信号采集单元53包括：

声源位置获取模块，用于获取所述检测到的语音信号对应声源的声源位置；

图像获取模块，用于根据所述声源位置，获取所述声源位置处的用户的全身图像；

身高计算模块，用于根据所述全身图像，计算所述用户的身高；

第二语音采集模块，用于根据所述身高，调度开启所述机器人中与所述用户的身高对应的辅助麦克风采集语音信号。

可选地，如图6所示，所述语音取号装置还包括：

噪音检测单元61，用于开启噪音检测；

噪音过滤单元62，用于若检测到噪音信号，则开启降噪模式过滤所述噪音信号。

本发明实施例中，默认在标准语音模式下检测语音信号，所述标准语音模式是指仅开启所述机器人中主麦克风的语音模式，判断检测到的语音信号的语音参数是否达到预设参数值，若所述语音信号的语音参数未达到预设参数值，则将所述标准语音模式切换为增强语音模式，在所述增强语音模式下采集语音信号，所述增强语音模式是指开启所述机器人中所述主麦克风和至少一个辅助麦克风的语音模式，根据用户的差异性切换采集语音的模式，避免用户因个体差异性影响语音输入的效果，提高语音输入的效率，再对所述增强语音模式下采集的语音信号进行语音识别，并执行与所述语音识别的结果对应的取号操作，从而提高语音取号的效率，增强用户体验。

图7是本发明一实施例提供的机器人的示意图。如图7所示，该实施例的机器人7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如语音取号程序。所述处理器70执行所述计算机程序72时实现上述各个语音取号方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图5所示单元51至54的功能。

示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述机器人7中的执行过程。

所述机器人7可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是机器人7的示例，并不构成对机器人7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。

所述处理器70可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71可以是所述机器人7的内部存储单元，例如机器人7的硬盘或内存。所述存储器71也可以是所述机器人7的外部存储设备，例如所述机器人7上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器71还可以既包括所述机器人7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。