[发明专利]智能设备、服务器及语音交互方法

说明书

本申请实施例提供了一种智能设备、服务器及语音交互方法，其中，智能设备包括音频输入组件和控制器，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，在接收到的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。本申请实施例提高了语音交互效率，提升了语音交互体验。

技术领域

本申请涉及语音交互技术领域，尤其涉及一种智能设备、服务器及语音交互方法。

背景技术

现如今，随着越来越多的智能设备支持语音交互，语音交互逐渐成为一种越来越普及的交互方式。对于支持语音交互的智能设备，用户可通过发出语音指令的方式来对其进行控制。例如，通过语音指令控制智能设备调节音量、搜索资讯等等。语音交互分为在线语音交互与离线语音交互这两种实现方式，其中，在线语音交互方式能通过服务器对语音指令进行数据处理，能提高智能设备对语音指令的响应的准确性。为了方便与服务器进行多次数据交互，智能设备可与服务器建立长连接，从而不需要每次向服务器发送请求时都重新与服务器建立连接。相关技术中，智能设备与服务器建立的长连接是http长连接，然而，受限于http长连接的通信协议，智能设备每次向服务器请求数据时发送的http请求都需要携带请求头，在请求头中指明host(服务器域名和TCP端口号)、Content-Type(内容编码类型)、Accept-Encoding(接受的编码格式)、Connection(连接)、User-Agent(用户代理的字符串值)等信息，导致智能设备向服务器请求数据时的数据传输量较大，花费的时间较长，最终导致智能设备响应用户的速度较慢，影响了语音交互体验。

发明内容

为解决语音交互效率低的技术问题，本申请提供了一种智能设备、服务器及语音交互方法。

第一方面，本申请提供了一种智能设备，所述智能设备包括：

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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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；