[发明专利]用于生成用于语音控制电子设备的命令的技术

说明书

公开了一种用于生成要由语音控制电子设备处理的命令的技术。该技术的一种方法实现包括：接收(S202)表示要由所述电子设备处理的命令的第一部分的语音输入；接收(S204)对显示在所述电子设备的屏幕上的内容的选择，所选择的内容表示要由所述电子设备处理的命令的第二部分；以及基于所述语音输入和所选择的内容的组合来生成(S206)命令。

技术领域

本公开总体上涉及电子设备领域。具体地，提出了一种用于生成要由语音控制电子设备处理的命令的技术。该技术可以体现在方法、计算机程序以及电子设备中。

背景技术

近几十年来，语音识别技术(也称为“语音到文本”技术)得到了发展，为将口语转录成文本提供计算机实现的帮助，同时也被广泛应用于各个领域。特别地，近年来，语音识别技术已经越来越多地用于电子设备的语音控制，诸如用于家用电器的语音控制或用于虚拟助理(即，能够根据用户的口头请求执行任务或提供服务的软件代理)的实现。例如，已知的虚拟助理包括苹果Siri、谷歌助理、亚马逊Alexa和微软Cortana。

当包括在语音命令中的关键字无法被明确地识别时，电子设备的语音控制通常可以达到其极限，使得输入的命令潜在地包含可能导致执行的控制的不期望结果的非期望元素。当语音命令包含与语音识别的默认语言不同的语言的术语时，当语音命令包含不包括在用于语音识别的词汇表中的术语时，或者当语音命令包含由用户以模糊方式发音的术语时，这种情况尤其可能发生。

作为示例，当语音识别的默认语言是英语并且用户尝试输入日语表达(例如，询问“電視是什么”)作为语音命令的元素时，由于用户的错误发音或由于不同语言的识别(其甚至可能基于不同字符集)不受识别引擎支持，日语表达的识别可能失败。作为另一示例，当用户试图输入一个不常见的名称作为语音命令的元素(例如，询问“谁是VladimirBeschastnykh”)时，名称的识别可能会失败，这可能是再次由于用户的发音错误，也可能是因为该名称不是用于语音识别的词汇的一部分。在另一个示例中，当用户试图输入术语(尽管包含在词汇表中)，如果发音不清楚，可能会导致不明确的转录，则由于用户发音不清楚(例如，询问“Vestel(伟视达)在哪里”，但识别“vessel(船)在哪里”)，对该术语的识别可能会失败。

考虑到这些示例，很明显，将命令输入到电子设备中的仅仅口头方式可能不总是产生令人满意的语音控制结果。因此，本公开的目的是提供一种用于生成要由语音控制电子设备处理的命令的技术，该技术避免了这些或其他问题中的一个或多个。

发明内容

根据第一方面，提供了一种用于生成将由语音控制电子设备处理的命令的方法。该方法包括：接收表示要由所述电子设备处理的命令的第一部分的语音输入；接收对显示在所述电子设备的屏幕上的内容的选择，所选择的内容表示要由所述电子设备处理的命令的第二部分；以及基于所述语音输入和所选择的内容的组合来生成命令。

所述电子设备可以是能够被语音控制的任何种类的电子设备。这可以包括消费电子设备，例如智能手机、平板计算机、膝上型计算机和个人计算机，以及家用电器，例如冰箱、炊具、洗碗机、洗衣机和空调，但不限于此。电子设备可以包括用于接收语音命令(或者更一般地，语音输入)的麦克风，并且可以执行代理(例如，软件代理)，该代理可以被配置为处理所接收的语音命令并根据其来采取动作。在一个实现中，可以以虚拟助理的形式来提供代理，该虚拟助理能够响应于从用户接收的语音命令(即，换句话说，基于用户的口头请求)来提供服务。