[发明专利]一种语音控制多媒体播放内容的方法及系统

权利要求书

1.一种语音控制多媒体播放内容的方法，其特征在于，包括：

采集用户的语音数据，对所述语音数据进行预处理；

响应于语音控制的激活步骤，将预处理的语音数据上传至多媒体语音控制系统进行语音识别；通过调用多媒体语音控制系统的语音识别引擎，根据所述预处理的语音数据与语法规则识别出对应的词条名，根据所述词条名查找语音控制条目保存介质中对应的语音控制条目；

将语音控制条目对应的控制功能信息通过识别结果触发接口发送给多媒体功能模块，所述多媒体功能模块执行所述控制功能信息对应的操作，向用户提供相应的多媒体功能。

2.根据权利要求1所述的语音控制多媒体播放内容的方法，其特征在于，所述对所述语音数据进行预处理的步骤包括：

通过音色识别模块识别所述语音数据中多媒体功能模块的视频音色和用户的音色，并将视频音色过滤，得到用户的音色的语音数据。

3.根据权利要求1所述的语音控制多媒体播放内容的方法，其特征在于，所述激活步骤包括：向多媒体语音控制系统输入包含激活指令的文本或语音或识别到采集的语音数据包含激活指令。

4.根据权利要求1所述的语音控制多媒体播放内容的方法，其特征在于，所述控制功能信息的控制种类包括播放、暂停、快进、快退、音量调节和切换视频。

5.根据权利要求1所述的语音控制多媒体播放内容的方法，其特征在于，还包括：对多媒体功能模块进行监听；当监听到使用第三方应用时，对所述第三方应用解析以获取所述第三方应用的界面；

判断解析得到的所述第三方应用的界面是否存在播放界面；若存在播放界面，则在所述播放界面增加监听播放控制的回调函数；

当多媒体功能模块接收到控制功能信息时，通过所述回调函数计算播放控制的时间点，并调用预先设定的回调接口控制多媒体功能模块执行所述控制功能信息对应的操作。

6.根据权利要求2所述的语音控制多媒体播放内容的方法，其特征在于，所述对所述语音数据进行预处理的步骤还包括：

获取所述用户的音色的语音数据中的有效语音数据；具体的包括：对获取得到的语音数据进行分帧；对每一帧语音信号进行加汉明窗处理；计算每一帧语音信号的短时能量；计算每一帧语音信号的过零率；

若某一帧语音信号往前连续三帧语音信号的短时能量和过零率分别大于预设的短时能量判决门限上限值和预设的过零率判决门限上限值，则判定当前帧语音信号为开始帧；若某一帧语音信号往前连续三帧语音信号的短时能量和过零率分别小于预设的短时能量判决门限下限值和预设的过零率判决门限下限值，则判定当前帧语音信号为结束帧；根据开始帧和结束帧提取有效语音数据。

7.根据权利要求1所述的语音控制多媒体播放内容的方法，其特征在于，所述将预处理的语音数据上传至多媒体语音控制系统进行语音识别的步骤之前还包括：响应于用户发出的语音信号，获取用户的位置作为目标音源位置；将目标音源所在位置与预设多媒体控制位置进行对比，若目标音源所在位置与预设多媒体控制位置的差值大于预设距离差，则发出提醒语音或不响应于语音控制的激活步骤。

8.一种语音控制多媒体播放内容的系统，其特征在于，包括多媒体语音控制系统和多媒体功能模块，所述多媒体语音控制系统包括语音获取单元、语音处理单元和语音识别单元；

所述语音获取单元，用于采集用户的语音数据；

所述语音处理单元，用于对所述语音数据进行预处理；

所述语音识别单元，用于响应于语音控制的激活步骤，对预处理的语音数据进行语音识别；调用多媒体语音控制系统的语音识别引擎，根据所述预处理的语音数据与语法规则识别出对应的词条名，根据所述词条名查找语音控制条目存储介质中对应的语音控制条目；所述语音控制条目存储介质存储有一个或多个语音控制条目；并将对应的控制功能信息通过识别结果触发接口发送给多媒体功能模块；

所述多媒体功能模块，用于接收语音识别单元发送的所述控制功能信息，并执行所述控制功能信息对应的操作，向用户提供相应的多媒体功能。