一种智能音箱的交互方法、装置及智能音箱与流程

本申请属于智能控制技术领域，尤其涉及一种智能音箱的交互方法、装置及智能音箱。

背景技术：

随着计算机技术的不断发展，各种智能家用电器不断走进人们的生活，例如，智能冰箱、智能空调以及智能音箱等。目前基于语音交互的智能音箱设备已经大量上市，作为音箱的升级产物用户在使用智能音箱时可以通过发出语音指令的方式与智能音箱进行交互，以实现控制音箱的目的；但用户与现有的智能音箱进行交互时，用户往往都是通过语音这种单一方式进行，并不能根据不同用户进行个性化的交互过程。

技术实现要素：

有鉴于此，本申请实施例提供了一种智能音箱的交互方法、装置及智能音箱，以解决现有技术中用户与智能音箱的交互形式单一、交互过程中不能对用户提供个性化反馈的问题。

本申请实施例的第一方面提供了一种智能音箱的交互方法，所述智能音箱的交互方法包括：

智能音箱接收交互对象发出的语音唤醒信息，其中，所述智能音箱安装有显示装置；

根据所述语音信息对所述交互对象进行身份识别，确定所述交互对象的身份信息；

根据所述身份信息在所述显示装置中显示与所述交互对象对应的虚拟形象，以通过所述显示装置中显示的虚拟形象实现所述交互对象与所述智能音箱的交互。

本申请实施例的第二方面提供了一种智能音箱的交互装置，所述智能音箱的交互装置包括：

接收模块，用于使智能音箱接收交互对象发出的语音信息，其中，所述智能音箱安装有显示装置；

识别模块，用于根据所述语音信息对所述交互对象进行识别，确定所述交互对象的身份信息；

交互模块，用于根据所述身份信息在所述显示装置中显示与所述交互对象对应的虚拟形象，以通过所述显示装置中显示的虚拟形象实现所述交互对象与智能音箱的交互。

本申请实施例的第三方面提供了一种智能音箱，包括存储器、处理器以及存储在所述存储器中并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所述智能音箱的交互方法中任一项所述方法的步骤。

本申请实施例的第四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所述智能音箱的交互方法中任一项所述方法的步骤。

本申请提供的实施例中安装有显示装置的智能音箱接收到交互对象的语音唤醒信息后，对语音唤醒信息进行识别以确定交互对象的身份信息，然后根据交互对象的身份信息调用该交互对象定制的虚拟象形，在所述显示装置中显示所述虚拟象形，并通过所述虚拟象形实现交互对象与智能音箱的互动交流。这一过程中智能音箱中安装的足够大的显示装置显示交互对象设置的虚拟形象，从而可使交互对象在与智能音箱进行互动交流时，可通过个性化的虚拟象形实现与智能音箱的互动，提高交互过程中的趣味性和交互对象体验。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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是本申请提供的一种智能音箱的交互方法的系统结构示意图；

图2是本申请实施例一提供的一种智能音箱的交互方法的流程示意图；

图3是本申请实施例二提供的一种智能音箱的交互装置的示意图；

图4是本申请实施例三提供的智能音箱的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

本申请实施例中提供的智能音箱交互方法构成的系统中包括虚拟形象数据库、语音处理模块、音频输入模块、音频播放模块、显示装置、声纹识别模块以及中央处理器；上述各个模块以及数据库均与中央处理器相连接。如图1所示。在与交互对象交互的过程中，交互对象通过语音输入模块输入语音唤醒信息，声纹识别模块对语音唤醒信息进行分析后识别出交互对象的身份，由中央处理器调用与该交互对象对应的虚拟形象并在显示装置中显示，通过显示的虚拟形象和音频输出模块实现交互对象与智能音箱的交互。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图2是本申请实施例一提供的一种智能音箱的交互方法的实现流程示意图，详述如下：

步骤s11，智能音箱接收交互对象发出的语音唤醒信息，其中，所述智能音箱安装有显示装置；

本申请提供的实施例中，在交互对象与智能音箱进行互动时，向智能音箱发出语音唤醒信息，所述语音唤醒信息可交互对象唤醒智能音箱；另外，也可在智能音箱被唤醒后再向其发送语音唤醒信息。智能音箱中设置远场mic(microphone)阵列，通过远场mic阵列采集交互对象的输入的语音唤醒信息；所述交互对象包括智能音箱的用户。

其中，所语音唤醒信息包括语音指令，如唤醒智能音箱的开启指令、音乐播放指令、音量调节指令等。所述智能音箱中安装有显示装置，所述显示装置包括液晶显示器(liquidcrystaldisplay，lcd)等。所述显示装置用于显示与用户互动时的虚拟形象。显示装置的大小及位置可根据智能音箱的尺寸及结构设置在合适的位置处，并保证用户在与智能音箱之间存在一定距离时，用户也可以与智能音箱进行正常的交互过程。

步骤s12，根据所述语音唤醒信息对所述交互对象进行身份识别，确定所述交互对象的身份信息；

本申请实施例提供的智能音箱中同时具备声纹识别模块，用于根据采集到的语音唤醒信息通过智能音箱中的声纹识别模块对交互对象的语音唤醒信息进行识别。例如可以根据交互对象的声纹特点对交互对象进行识别，以确定交互对象的身份信息。其中，所述身份信息包括所述交互对象的姓名或交互对象编号等；所述交互对象编号也用于对交互对象进行唯一标识，可以是该交互对象使用智能音箱的序号，例如，交互对象为第10个使用智能音箱的人，则其交互对象编号为10。

可选地，在本申请提供的另一实施例中，所述根据所述语音唤醒信息对所述交互对象进行身份识别，确定所述交互对象的身份信息，包括：

根据所述语音唤醒信息提取所述交互对象的声纹特征；

查询预先存储的声纹特征与交互对象的身份信息之间的关系列表，确定所述交互对象的身份信息。

该步骤中，在根据交互对象发出的语音唤醒信息确定交互对象身份时，提取所述交互对象发声时的声纹特征，然后根据所提取的声纹特征查询关系列表中对应的交互对象；其中，所述关系列表中将交互对象的身份信息与其声纹特征一一对应存储，因此，根据交互对象的声纹特征便可在关系列表中查询到该交互对象的身份。在对交互对象的声纹特征进行提取时，可根据实际情况选择相应的算法进行提取，具体采用何种算法在此不做限定。

可选地，在本申请提供的另一实施例中，所述智能音箱的交互方法，还包括：

当所述关系列表中查询不到所述交互对象的声纹特征时，则提示所述交互对象输入身份信息，并根据所述身份信息将交互对象的声纹特征与该交互对象选定的虚拟形象进行存储并加入所述关系列表。

该步骤中，在提取出交互对象的声纹特征之后，查询关系列表中是否已存储有该声纹特征；若已存储有该声纹特征，说明智能音箱已对该交互对象的相关信息进行了记录，在该交互对象再次使用智能音箱时，只需根据交互对象已有信息查询出该交互对象身份即可；若所述关系列表中不存在，则提示交互对象输入自己的身份信息，然后根据交互对象的身份信息与将其声纹特征与其选择的虚拟象形形成的对应关系存储在所述关系列表中，以方便该交互对象再次使用智能音箱时，对其身份的确定。

步骤s13，根据所述身份信息在所述显示装置中显示与所述交互对象对应的虚拟形象，以通过所述显示装置中显示的虚拟形象实现所述交互对象与智能音箱的交互。

本申请提供的实施例中在确定交互对象的身份信息后，根据交互对象的身份信息调用该交互对象设置的虚拟象形，所述虚拟形象用于与该交互对象记性互动交流，并使所述虚拟形象对交互对象输入的语音唤醒信息作出相应的反馈。所述虚拟形象包括动物、人物的动画形象等，所述虚拟象形为交互对象根据个人喜好进行定制后得到。

可选地，也可将交互对象的声纹特征与该交互对象设置的虚拟形象进行关联，在识别出交互对象的声纹特征后直接调用该声纹对应的虚拟象形。

可选地，在本申请提供的另一实施例中，所述通过所述显示装置中显示的虚拟形象实现所述交互对象与所述智能音箱的交互，包括：

当接收到语音交互信息时调用所述虚拟形象的相应肢体动作，所述语音交互信息与所述虚拟形象的肢体动作的关系列表预先存储在所述智能音箱中；

指示所述虚拟形象以所述交互对象所设定的发声方式并配合所调用的所述相应肢体动作与所述交互对象进行交互。

该步骤中，智能音箱所调用的与交互对象进行互动的虚拟形象可以根据交互对象发出的语音唤醒信息，以个性化的声音结合不同的动作与交互对象进行互动，因此，智能音箱通过语音处理算法对交互对象的语音唤醒信息进行分析处理，根据语音唤醒信息的内容，调用相应的动作，然后指示所选择的虚拟形象以交互对象设定的声音结合相应的动作与交互对象进行互动交流，并显示在所述显示装置中，以给交互对象一种与真实的人物进行交流的感觉，提高交互对象体验。

可选地，在本申请提供的另一实施例中，在所述根据所述身份信息在所述显示装置中显示与所述交互对象对应的虚拟形象之前，包括：

根据所述交互对象发送的虚拟形象设定指令，由所述显示装置向所述交互对象推送显示不同类别的动画角色；

根据所述交互对象选择的动画角色设定所述智能音箱与所述交互对象进行交互时的虚拟形象。

该步骤中，交互对象在初次使用智能音箱时，可对音箱中的虚拟形象进行个性化设置，即交互对象根据个人喜好，选择系统所推送的各种动画角色，然后给所选择的动画角色搭配相应的声音、语音、动作等；另外，交互对象还可为其所选的动画角色配置不同的发型、肤色、穿搭不同的服装等，以实现交互对象根据自身喜好定制个性化虚拟形象的目的；进一步地，设置所述虚拟象形是的相关数据可预先存储在虚拟形象数据库中，也可在智能音箱连接网络后进行在线下载获得。

进一步地，所述交动对象对所述动画角色的选择还包括人偶类别、人偶的性别以及人偶肢体动作的定义等。

本申请提供的实施例中安装有显示装置的智能音箱接收到交互对象的语音唤醒信息后，对语音唤醒信息进行识别以确定交互对象的身份信息，然后根据交互对象的身份信息调用该交互对象定制的虚拟象形，在所述显示装置中显示所述虚拟象形，并通过所述虚拟象形实现交互对象与智能音箱的互动交流。这一过程中智能音箱中安装的足够大的显示装置显示交互对象设置的虚拟形象，从而可使交互对象在与智能音箱进行互动交流时，可通过个性化的虚拟象形实现与智能音箱的互动，提高交互过程中的趣味性和交互对象体验。

实施例二：

对应于上文实施例所述的智能音箱的交互方法，图3示出了本申请实施例提供的智能音箱的交互装置的结构框图，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3，该智能音箱的交互装置包括：接收模块31、识别模块32以及交互模块33，其中：

接收模块31，用于使智能音箱接收交互对象发出的语音唤醒信息，其中，所述智能音箱安装有显示装置；

识别模块32，用于根据所述语音唤醒信息对所述交互对象进行身份识别，确定所述交互对象的身份信息；

交互模块33，用于根据所述身份信息在所述显示装置中显示与所述交互对象对应的虚拟形象，以通过所述显示装置中显示的虚拟形象实现所述交互对象与智能音箱的交互。

进一步地，所述识别模块32，包括：

提取单元，用于根据所述语音唤醒信息提取所述交互对象的声纹特征；

查询单元，用于查询预先存储的声纹特征与交互对象的身份信息之间的关系列表，确定所述交互对象的身份信息。

进一步地，智能音箱的交互装置还包括：

存储模块，用于当所述关系列表中查询不到所述交互对象的声纹特征时，则提示所述交互对象输入身份信息，并根据所述身份信息将交互对象的声纹特征与该交互对象选定的虚拟形象进行存储并加入所述关系列表。

进一步地，所述交互模块33，包括：

动作调用单元，用于在接收到语音交互信息时调用所述虚拟形象的相应肢体动作，所述语音交互信息与所述虚拟形象的肢体动作的关系列表预先存储在所述智能音箱中；

指示单元，用于指示所述虚拟形象以所述交互对象所设定的发声方式并配合所调用的所述相应肢体动作与所述交互对象进行交互。

进一步地，智能音箱的交互装置还包括：

设定模块，用于根据交互对象发送的虚拟形象设定指令，向由所述显示装置向所述交互对象推送显示不同类别的动画角色；还用于根据所述交互对象选择的动画角色设定所述智能音箱与所述交互对象进行交互时的虚拟形象。

本申请提供的实施例中安装有显示装置的智能音箱接收到交互对象的语音唤醒信息后，对语音唤醒信息进行识别以确定交互对象的身份信息，然后根据交互对象的身份信息调用该交互对象定制的虚拟象形，在所述显示装置中显示所述虚拟象形，并通过所述虚拟象形实现交互对象与智能音箱的互动交流。这一过程中智能音箱中安装的足够大的显示装置显示交互对象设置的虚拟形象，从而可使交互对象在与智能音箱进行互动交流时，可通过个性化的虚拟象形实现与智能音箱的互动，提高交互过程中的趣味性和交互对象体验。

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，而不应对本申请实施例的实施过程构成任何限定。

实施例三：

图4是本申请一实施例提供的智能音箱的示意图。如图4所示，该实施例的智能音箱4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个智能音箱的交互方法实施例中的步骤，例如图2所示的步骤s11至s13。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块31至33的功能。

示例性的，所述计算机程序42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41中，并由所述处理器40执行，以完成本申请。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42在所述智能音箱4中的执行过程。例如，所述计算机程序42可以被分割成：接收模块、识别模块以及交互模块，其中：

接收模块，用于使智能音箱接收交互对象发出的语音唤醒信息，其中，所述智能音箱安装有显示装置；

识别模块，用于根据所述语音唤醒信息对所述交互对象进行身份识别，确定所述交互对象的身份信息；

交互模块，用于根据所述身份信息在所述显示装置中显示与所述交互对象对应的虚拟形象，以通过所述显示装置中显示的虚拟形象实现所述交互对象与智能音箱的交互。

进一步地，所述识别模块，包括：

提取单元，用于根据所述语音唤醒信息提取所述交互对象的声纹特征；

查询单元，用于查询预先存储的声纹特征与交互对象的身份信息之间的关系列表，确定所述交互对象的身份信息。

进一步地，智能音箱的交互装置还包括：

存储模块，用于当所述关系列表中查询不到所述交互对象的声纹特征时，则提示所述交互对象输入身份信息，并根据所述身份信息将交互对象的声纹特征与该交互对象选定的虚拟形象进行存储并加入所述关系列表。

进一步地，所述交互模块，包括：

动作调用单元，用于在接收到语音交互信息时调用所述虚拟形象的相应肢体动作，所述语音交互信息与所述虚拟形象的肢体动作的关系列表预先存储在所述智能音箱中；

指示单元，用于指示所述虚拟形象以所述交互对象所设定的发声方式并配合所调用的所述相应肢体动作与所述交互对象进行交互。

进一步地，智能音箱的交互装置还包括：

设定模块，用于根据交互对象发送的虚拟形象设定指令，向由所述显示装置向所述交互对象推送显示不同类别的动画角色；还用于根据所述交互对象选择的动画角色设定所述智能音箱与所述交互对象进行交互时的虚拟形象。

所述智能音箱可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是智能音箱4的示例，并不构成对智能音箱4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，例如所述智能音箱还可以包括输入输出设备、网络接入设备、总线等。

所称处理器40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41可以是所述智能音箱4的内部存储单元，例如智能音箱4的硬盘或内存。所述存储器41也可以是所述智能音箱4的外部存储设备，例如所述智能音箱4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41还可以既包括所述智能音箱4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述智能音箱所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请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，本申请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是电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。