用于唤醒设备的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于唤醒设备的方法和装置。

背景技术：

随着人工智能技术的发展，智能语音设备(例如智能音箱、智能手机、智能电视等)逐渐被广大用户使用。用户可以通过语音与智能终端设备进行交互，以唤醒智能语音设备。

现有的唤醒方案中，通常是利用智能语音设备固有的唤醒词来唤醒。

技术实现要素：

本申请实施例提出了用于唤醒设备的方法和装置。

第一方面，本申请实施例提供了一种用于唤醒设备的方法，包括：采集设备所处环境的声音信号；响应于确定上述声音信号包括自定义唤醒词，确定用户预先设置的、与上述自定义唤醒词对应的应答策略；根据上述应答策略，确定目标应答文本；生成上述目标应答文本的应答语音以及播放上述应答语音。

在一些实施例中，上述根据上述应答策略，确定目标应答文本，包括：响应于当前网络连接状态正常，向云端服务器发送上述自定义唤醒词；将从上述云端服务器接收的应答文本确定为目标应答文本。

在一些实施例中，上述根据上述应答策略，确定目标应答文本，包括：响应于确定当前的网络连接状态异常，从预设的应答文本集合中确定出与上述自定义唤醒词匹配的目标应答文本，或者从历史应答文本集合中确定出目标应答文本。

在一些实施例中，上述从历史应答文本集合中确定出目标应答文本，包括：响应于确定上述历史应答文本集合为空，将预设的应答文本确定为目标应答文本。

在一些实施例中，上述方法还包括：接收用户发送的唤醒词设置请求，上述唤醒词设置请求包括自定义唤醒词；将上述自定义唤醒词设置为设备的自定义唤醒词。

在一些实施例中，上述唤醒词设置请求还包括应答文本；以及上述根据上述应答策略，确定目标应答文本，包括：将上述唤醒词设置请求中的应答文本确定为目标应答文本。

第二方面，本申请实施例提供了一种用于唤醒设备的装置，包括：声音信号采集单元，被配置成采集设备所处环境的声音信号；应答策略确定单元，被配置成响应于确定上述声音信号包括自定义唤醒词，确定用户预先设置的、与上述自定义唤醒词对应的应答策略；应答文本确定单元，被配置成根据上述应答策略，确定目标应答文本；应答语音播放单元，被配置成生成上述目标应答文本的应答语音以及播放上述应答语音。

在一些实施例中，上述应答文本确定单元进一步被配置成：响应于当前网络连接状态正常，向云端服务器发送上述自定义唤醒词；将从上述云端服务器接收的应答文本确定为目标应答文本。

在一些实施例中，上述应答文本确定单元进一步被配置成：响应于确定当前的网络连接状态异常，从预设的应答文本集合中确定出与上述自定义唤醒词匹配的目标应答文本，或者从历史应答文本集合中确定出目标应答文本。

在一些实施例中，上述应答文本确定单元进一步被配置成：响应于确定上述历史应答文本集合为空，将预设的应答文本确定为目标应答文本。

在一些实施例中，上述装置还包括自定义唤醒词设置单元，被配置成：接收用户发送的唤醒词设置请求，上述唤醒词设置请求包括自定义唤醒词；将上述自定义唤醒词设置为设备的自定义唤醒词。

在一些实施例中，上述唤醒词设置请求还包括应答文本；以及上述应答文本确定单元进一步被配置成：将上述唤醒词设置请求中的应答文本确定为目标应答文本。

第三方面，本申请实施例提供了一种终端设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一实施例所描述的方法。

本申请的上述实施例提供的用于唤醒设备的方法和装置，首先可以采集设备所处环境的声音信号。然后，在确定上述声音信号包括自定义唤醒词的情况下，确定用户预先设置的、与上述自定义唤醒词对应的应答策略。并根据应答策略，确定目标应答文本。最后，生成目标文本的应答语音以及播放应答语音。本实施例的方法，允许用户设置自定义唤醒词，并允许用户设置上述自定义唤醒词的应答语音，丰富了用户与设备的交互方式。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于唤醒设备的方法的一个实施例的流程图；

图3是根据本申请的用于唤醒设备的方法的一个应用场景的示意图；

图4是根据本申请的用于唤醒设备的方法中确定目标应答文本的一个实施例的流程图；

图5是根据本申请的用于唤醒设备的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于唤醒设备的方法或用于唤醒设备的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备102、103上可以安装有各种通讯客户端应用，例如音频处理类应用、音频播放类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备102、103为硬件时，可以是具有麦克风或扬声器的各种电子设备，包括但不限于智能音箱、智能手机、智能电视、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103采集的声音信号进行处理的后台服务器。后台服务器可以对接收到的声音信号等数据进行分析等处理，并将处理结果(例如目标应答文本)反馈给终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于唤醒设备的方法一般由终端设备101、102、103执行。相应地，用于唤醒设备的装置一般设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于唤醒设备的方法的一个实施例的流程200。本实施例的用于唤醒设备的方法，包括以下步骤：

步骤201，采集设备所处环境的声音信号。

在本实施例中，用于唤醒设备的方法的执行主体(例如图1所示的终端设备101、102、103)可以利用设备中安装的麦克风或集声器来采集设备所处环境的声音信号。然后，可以对采集到的声音信号进行分析。

步骤202，响应于确定声音信号包括自定义唤醒词，确定用户预先设置的、与自定义唤醒词对应的应答策略。

执行主体可以对声音信号进行语音识别，以判断上述声音信号中是否包括自定义唤醒词。如果上述语音信号中包括自定义唤醒词，则执行主体可以确定用户预先设置的、与上述自定义唤醒词对应的应答策略。本实施例中，应答策略可以包括自定义应答策略、默认应答策略以及自动应答策略。其中，自定义应答策略包括用户预先设置的、与自定义唤醒词对应的自定义应答文本；默认应答策略包括设备默认的应答文本；自动应答策略可以是执行主体或与执行主体连接的云端服务器自动为自定义唤醒词匹配的应答文本。

步骤203，根据应答策略，确定目标应答文本。

执行主体在确定应答策略后，可以确定目标应答文本。具体的，执行主体可以将应答策略中包括的应答文本作为目标应答文本。例如，执行主体确定应答策略为自定义应答策略，则可以将自定义应答策略中包括的自定义应答文本确定为目标应答文本。

在本实施例的一些可选的实现方式中，同一自定义唤醒词可以对应多个目标应答文本。

本实现方式中，如果应答策略为自动应答策略，则对于同一自定义唤醒词，可能匹配不同的应答文本。例如，自定义唤醒词“小兔子”，其对应的应答文本可以包括“牙齿刷干净了吗”、“我们又见面了”等等。

步骤204，生成目标应答文本的应答语音以及播放应答语音。

执行主体在确定目标应答文本后，可以生成目标应答文本的应答语音。具体的，执行主体可以利用tts(texttospeech，从文本到语音)技术来生成应答语音。在生成应答语音后，执行主体还可以播放上述应答语音，以回应用户的自定义唤醒词，实现了设备的唤醒。可以理解的是，执行主体中可以安装有或者连接有扬声器等声音播放装置，以播放应答语音。

在本实施例的一些可选的实现方式中，上述方法还可以包括图2中未示出的以下步骤：接收用户发送的唤醒词设置请求，唤醒词设置请求包括自定义唤醒词；将自定义唤醒词设置为设备的自定义唤醒词。

本实现方式中，执行主体可以接收用户发送的唤醒词设置请求。上述唤醒词设置请求可以是语音形式的，也可以是文本形式的。例如，用户可以对执行主体直接说“我想把小杜小杜设成唤醒词”。执行主体可以对上述语音进行语音识别，在识别成功后，可以将“小杜小杜”设置为自定义唤醒词。

在本实施例的一些可选的实现方式中，上述自定义唤醒词可以包括多个。

本实现方式中，用户可以多次发送多个唤醒词设置请求，每个唤醒词设置请求包括一个自定义唤醒词，来为设备设置多个自定义唤醒词。

在本实施例的一些可选的实现方式中，上述唤醒词设置请求还包括应答文本。则执行主体在确定目标应答文本时，可以直接将唤醒词设置请求中的应答文本作为目标应答文本。

本实现方式中，用户可以设置自定义应答文本。上述自定义应答文本可以同自定义唤醒词一起发送至执行主体。执行主体在解析后，可以将自定义应答文本作为自定义唤醒词的应答文本。

继续参见图3，图3是根据本实施例的用于唤醒设备的方法的一个应用场景的示意图。在图3的应用场景中，设备为智能音箱。用户预先设置了智能音箱的自定义唤醒词以及与自定义唤醒词对应的自定义应答文本。其中，自定义唤醒词为“众里寻他千百度”，自定义应答文本为“蓦然回首，那人却在灯火阑珊处”。当用户说出上述自定义唤醒词“众里寻他千百度”时，智能音箱播放应答语音“蓦然回首，那人却在灯火阑珊处”。

现有的设备唤醒方法中，通常允许用户利用系统设置的唤醒词来唤醒设备。这些系统设置的唤醒词可以称为主唤醒词。有些设备也支持用户设置自定义唤醒词。但自定义唤醒词的唤醒率普遍低于主唤醒词的唤醒率。这是因为，利用主唤醒词唤醒是采用了通过大量数据训练出来的唤醒模型，而自定义唤醒词是不需要任何数据来训练的。如果只是用自定义唤醒词替换主唤醒词，可能导致唤醒效果不佳，用户总是面临“唤不醒”或“误唤醒”的情况，给用户带来负面的用户体验。

本申请的上述实施例提供的用于唤醒设备的方法，首先可以采集设备所处环境的声音信号。然后，在确定上述声音信号包括自定义唤醒词的情况下，确定用户预先设置的、与上述自定义唤醒词对应的应答策略。并根据应答策略，确定目标应答文本。最后，生成目标文本的应答语音以及播放应答语音。本实施例的方法，允许用户设置自定义唤醒词，并允许用户设置上述自定义唤醒词的应答文本，丰富了用户与设备的交互方式，提升了用户的唤醒体验。

继续参见图4，其示出了根据本申请的用于唤醒设备的方法的另一个实施例的流程400。如图4所示，本实施例的用于唤醒设备的方法可以通过以下步骤来确定目标应答文本：

步骤401，判断当前网络连接状态是否正常。

本实施例中，执行主体可以首先判断当前的网络连接状态是否正常。如果正常，则执行步骤4021～步骤4022，否则执行步骤403或步骤404。可以理解的是，执行主体可以通过向云端服务器发送请求的方式来判断当前的网络连接状态是否正常。如果在预设时间段内接收到云端服务器的响应，则可以认定当前网络连接状态正常。否则，认定当前网络连接状态异常。

步骤4021，向云端服务器发送自定义唤醒词。

在当前网络连接状态正常的情况下，执行主体可以将自定义唤醒词发送给云端服务器，以使云端服务器根据诗词数据库或当前的网络热词来确定应答文本。

步骤4022，将从云端服务器接收的应答文本确定为目标应答文本。

执行主体可以从云端服务器处接收应答文本，然后将接收的应答文本作为目标应答文本。

步骤403，从预设的应答文本集合中确定出与自定义唤醒词匹配的目标应答文本。

本实施例中，在当前网络连接状态异常时，执行主体可以从预设的应答文本集合中确定出与自定义唤醒词匹配的目标应答文本。此处，预设的应答文本集合可以包括诗词集合、歇后语集合、网络热词集合等等。例如，当预设的应答文本集合为歇后语集合时，当自定义唤醒词为“芝麻开花”时，对应的应答文本可以为“节节高”。

步骤404，判断历史应答文本集合是否为空。

执行主体还可以从历史应答文本集合从确定出目标应答文本。则执行主体首先需要判断历史应答文本集合是否为空。如果是，则执行步骤405，否则，执行步骤406。

步骤405，将预设的应答文本确定为目标应答文本。

当历史应答文本集合为空时，执行主体可以将预设的应答文本确定为目标应答文本。此处，预设的应答文本可以为设备默认的应答文本。

步骤406，从历史应答文本集合中确定出目标应答文本。

当历史应答文本集合不为空时，执行主体可以从历史应答文本集合中确定出目标应答文本。具体的，执行主体可以从历史应答文本集合任取一个历史应答文本作为目标应答文本。

本申请的上述实施例提供的用于唤醒设备的方法，可以通过多种方式来确定出目标应答文本，从而提升了用户的唤醒体验。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于唤醒设备的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于唤醒设备的装置500包括：声音信号采集单元501、应答策略确定单元502、应答文本确定单元503以及应答语音播放单元504。

声音信号采集单元501，被配置成采集设备所处环境的声音信号。

应答策略确定单元502，被配置成响应于确定声音信号包括自定义唤醒词，确定用户预先设置的、与自定义唤醒词对应的应答策略。

应答文本确定单元503，被配置成根据应答策略，确定目标应答文本。

应答语音播放单元504，被配置成生成目标应答文本的应答语音以及播放应答语音。

在本实施例的一些可选的实现方式中，应答文本确定单元503可以进一步被配置成：响应于当前网络连接状态正常，向云端服务器发送上述自定义唤醒词；将从云端服务器接收的应答文本确定为目标应答文本。

在本实施例的一些可选的实现方式中，应答文本确定单元503可以进一步被配置成：响应于确定当前的网络连接状态异常，从预设的应答文本集合中确定出与自定义唤醒词匹配的目标应答文本，或者从历史应答文本集合中确定出目标应答文本。

在本实施例的一些可选的实现方式中，应答文本确定单元503可以进一步被配置成：响应于确定历史应答文本集合为空，将预设的应答文本确定为目标应答文本。

在本实施例的一些可选的实现方式中，装置500可以进一步包括图5中未示出的自定义唤醒词设置单元，被配置成：接收用户发送的唤醒词设置请求，唤醒词设置请求包括自定义唤醒词；将自定义唤醒词设置为设备的自定义唤醒词。

在本实施例的一些可选的实现方式中，唤醒词设置请求还可以包括应答文本。应答文本确定单元503可以进一步被配置成：将唤醒词设置请求中的应答文本确定为目标应答文本。

应当理解，用于唤醒设备的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于唤醒设备的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图6示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：采集设备所处环境的声音信号；响应于确定声音信号包括自定义唤醒词，确定用户预先设置的、与自定义唤醒词对应的应答策略；根据应答策略，确定目标应答文本；生成目标应答文本的应答语音以及播放应答语音。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括声音信号采集单元、应答策略确定单元、应答文本确定单元和应答语音播放单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，声音信号采集单元还可以被描述为“采集设备所处环境的声音信号的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。