[发明专利]智能设备、服务器及语音交互方法

权利要求书

1.一种智能设备，其特征在于，包括：

音频输入组件，用于接收用户音频，所述用户音频包括唤醒指令和语音流数据；控制器，分别与所述音频输入组件和音频输出组件连接，所述控制器被配置为：

接收用户输入的唤醒指令，根据所述唤醒指令，与服务器建立websocket连接；

接收所述用户输入的语音流数据，在所述语音流数据达到预设的分片限值时，将所述语音流数据设置为语音分片数据，设置所述语音分片数据的分片参数；

封装包含所述语音分片数据和分片参数的TLV数据包；

向服务器发送所述TLV数据包，以使所述服务器对所述TLV数据包进行解析，得到响应数据；

根据服务器反馈的响应数据进行响应。

2.根据权利要求1所述的智能设备，其特征在于，封装包含所述语音分片数据和分片参数的TLV数据包，包括：

封装包含所述语音分片数据、分片参数和会话标识的TLV数据包，其中，所述会话标识与所述websocket连接相对应，用于将所述服务器反馈的包含所述会话标识的响应数据确定为所述TLV数据包的响应数据。

3.根据权利要求2所述的智能设备，其特征在于，封装包含所述语音分片数据和分片参数的TLV数据包，包括：

按照所述数据类型、数据长度、数据内容的格式生成所述会话标识对应的TLV数据。

4.根据权利要求1所述的智能设备，其特征在于，封装包含所述语音分片数据和分片参数的TLV数据包，包括：

按照数据类型、数据长度、数据内容的格式生成所述语音分片数据对应的TLV数据；

按照所述数据类型、数据长度、数据内容的格式生成所述分片参数对应的TLV数据；

按照校验位、状态位、总数据长度的格式生成包头，其中，所述总数据长度为全部TLV数据中的数据长度的和值；

封装包含所述包头，以及包含全部TLV数据的包体的TLV数据包。

5.根据权利要求4所述的智能设备，其特征在于，按照数据类型、数据长度、数据内容的格式生成所述语音分片数据对应的TLV数据，包括：

设置所述语音分片数据对应的数据类型表示pcm数据；

计算所述语音分片数据对应的数据长度；

设置所述语音分片数据对应的数据内容为所述语音分片数据；

按照数据类型、数据长度、数据内容的格式组合成所述语音分片数据对应的TLV数据。

6.根据权利要求4所述的智能设备，其特征在于，按照所述数据类型、数据长度、数据内容的格式生成所述分片参数对应的TLV数据，包括：

设置所述分片参数对应的数据类型表示参数；

设置所述分片参数对应的数据长度为预设长度；

设置所分片参数对应的数据内容为所述分片参数；

按照数据类型、数据长度、数据内容的格式组合成所述分片参数对应的TLV数据。

7.根据权利要求1所述的智能设备，其特征在于，所述控制器还被配置为：

根据服务器反馈的响应数据中的状态位表示服务器已发送数据完毕，主动断开所述websocket连接。

8.一种服务器，其特征在于，所述服务器被配置为：

接收智能设备发送的websocket连接请求，根据所述websocket连接请求与所述智能设备建立websocket连接；

接收智能设备发送的第一TLV数据包，解析所述第一TLV数据包，得到语音分片数据以及分片参数；

根据所述分片参数对所述语音分片数据进行语音处理，得到处理结果；

封装包含所述处理结果的第二TLV数据包，将所述第二TLV数据包作为响应数据反馈给所述智能设备，使所述智能设备根据所述语音识别结果进行响应。