[发明专利]用于语音识别的方法和产品以及信息处理设备

说明书

本申请涉及用于语音识别的方法和产品以及信息处理设备。实施方式提供了一种方法，包括：在设备处接收包括至少一个命令的语音输入；使用用户的图像来识别用户焦点的方向；以及响应于识别出用户焦点的方向指向设备，基于至少一个命令来执行动作。还描述和要求保护了其他方面。

技术领域

本发明涉及用于语音识别的方法和产品以及信息处理设备。

背景技术

随着智能数字个人助理(例如，SIRI、S Voice、GOOGLE NOW、CORTANA等)的产生，使用语音命令控制电子设备已经变得非常流行。通常，用户通过使用自然语言与例如包含在个人助理中的语音输入模块进行交互。这种类型的交互使设备接收来自用户的语音输入如语音命令(例如，“明天天气怎么样”、“给Dan打电话”)，处理这些请求，并且通过执行任务本身或将用户请求委托给期望的应用程序来执行用户期望的动作。SIRI是苹果公司在美国和其他国家的注册商标。S VOICE是三星电子公司在美国和其他国家的注册商标。GOOGLE是谷歌公司在美国和其他国家的注册商标。CORTANA是微软在美国和其他国家的未注册商标。

因为自然语言是人们通常感到舒服的通信方法，所以无论如何简单或复杂，使用语音命令的能力都提供了利用设备的操作系统或应用程序的功能的自然高效的方法。然而，利用个人助理时的主要问题之一是：确定用户语音的哪部分意在作为语音命令被接收。已经证实不断地聆听用户是太困难的任务，而不能达到可用的误报(即，助理响应不相关的语音)水平以及可用的漏报(即，助理忽略用户命令)水平。另外，个人助理可以是能源密集型应用程序，因此允许其在后台不断运行可能对电池寿命产生重大影响。为了克服这个问题，如今大多数语音控制的助理利用一些形式的触发器来启动语音识别处理。这种触发器假定紧跟该触发的任何语音是定向至助理的命令。一些普通触发器是物理按钮按压(例如，SIRI激活)或在任何系统定向的命令之前讲出的特定关键短语(例如，Okay GOOGLE)。

发明内容

总之，一个方面提供了一种方法，该方法包括：在设备处接收包括至少一个命令的语音输入；使用用户的图像来识别用户焦点的方向；以及响应于识别出用户焦点的方向指向设备，基于至少一个命令来执行动作。

另一方面提供了一种信息处理设备，该信息处理设备包括：处理器；音频捕获设备，其在操作上耦接至处理器；以及存储器，其存储有指令，所述指令能够由处理器执行以：在音频捕获设备处接收包括至少一个命令的语音输入；使用用户的图像来识别用户焦点的方向；以及响应于识别出用户焦点的方向指向信息处理设备，基于至少一个命令来执行动作。

又一方面提供了一种产品，该产品包括：存储设备，其存储有代码，所述代码能够由处理器执行并且所述代码包括：用于在音频捕获设备处接收包括至少一个命令的语音输入的代码；用于使用用户的图像来识别用户焦点的方向的代码；以及用于响应于识别到用户焦点的方向指向音频捕获设备而基于至少一个命令来执行动作的代码。

前述是总结性的并且因此可以包含对细节的简化、概括和省略；因此，本领域技术人员要理解的是，该总结仅是说明性的并且不意在以任何方式进行限制。

为了更好地理解实施方式连同实施方式的其他的和进一步的特征及优点，参照以下结合附图的描述。本发明的范围将在所附权利要求中指出。

附图说明

图1示出了信息处理设备线路的示例。

图2示出了信息处理设备线路的另一示例。

图3示出了启用用户焦点的语音识别的示例方法。

具体实施方式

将容易理解的是，可以用除了所描述的示例实施方式之外的多种不同的配置来布置和设计如本文附图中大体描述并示出的实施方式的部件。从而，如在附图中示出的示例实施方式的以下更详细的描述，不意在限制所要求保护的实施方式的范围，而是仅代表示例实施方式。