本發(fā)明專利涉及一種具備語音控制功能的智能手機(jī)。

背景技術(shù)：

最早出現(xiàn)的手機(jī)采用鍵盤撥號控制，主要功能是打電話，后來發(fā)展了短信等功能，都是通過鍵盤控制。隨著技術(shù)發(fā)展，智能手機(jī)軟件采用操作系統(tǒng)，可同時進(jìn)行多個程序和任務(wù)，控制輸入方式以觸摸屏為主，保留少量快捷按鈕，信息輸出則以屏幕顯示為主，根據(jù)程序需求也有輸出語音信息通過揚(yáng)聲器輸出信息。當(dāng)前對手機(jī)操縱都必須用手操作，在某些場合使用者手脫不開，會影響手機(jī)使用，或一些肢體或眼睛殘疾者根本無法使用手及對手機(jī)屏幕觀察完成對現(xiàn)有智能手機(jī)操縱和使用。同時隨著語音識別技術(shù)和人工智能（ai）飛速發(fā)展，在一些手機(jī)的文字輸入應(yīng)用程序中已有一些成熟的語音輸入應(yīng)用，為該技術(shù)用于智能手機(jī)作為用口控制輸入手段提供一定技術(shù)基礎(chǔ)和可能。

聲音（sound)是由物體振動產(chǎn)生的聲波。是通過介質(zhì)（空氣或固體、液體）傳播并能被人或動物聽覺器官所感知的波動現(xiàn)象。最初發(fā)出振動（震動）的物體叫聲源。聲音以波的形式振動（震動）傳播。聲音是聲波通過任何物質(zhì)傳播形成的運(yùn)動。聲音作為一種波，頻率在20hz~20khz之間的聲音是可以被人耳識別的。人耳聽到聲音是環(huán)境中各種聲源總和，強(qiáng)度與聲源強(qiáng)度有關(guān)，也與聲源距離相關(guān)，聲波強(qiáng)度會隨傳播距離增加而衰減。

語音是人的發(fā)音器官發(fā)出的具有一定社會意義的聲音。語音的物理基礎(chǔ)主要有音高、音強(qiáng)、音長、音色，這也是構(gòu)成語音的四要素。人發(fā)音器官包括動力部分（肺、器官、支氣管）、發(fā)聲體聲帶以及共鳴器（口腔和鼻腔），再加上每個人在生長過程中形成不同說話習(xí)慣導(dǎo)致每個人語音都有不同特點(diǎn)，可從其說話的音頻特征用于發(fā)聲者身份識別。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明專利充分利用現(xiàn)有的語音識別、音頻處理技術(shù)，結(jié)合人工智能技術(shù)將輸入音頻信息轉(zhuǎn)化為主流智能手機(jī)控制指令，去控制各應(yīng)用程序運(yùn)行，程序運(yùn)行的結(jié)果仍可轉(zhuǎn)化為音頻信息輸出反饋給手機(jī)操控者。

本發(fā)明專利解決其技術(shù)問題所采用的技術(shù)方案是：智能手機(jī)通過其通話的麥克風(fēng)獲得外部聲音信號；再通過音頻處理技術(shù)，識別出權(quán)限身份者的語音或捕捉近人語音（距離越近，音強(qiáng)越大）；經(jīng)語音識別轉(zhuǎn)化為文字；再利用ai技術(shù)從文字中識別是否是使用者語音控制指令，并提取與手機(jī)中安裝的app程序關(guān)聯(lián)關(guān)鍵字和參數(shù)；啟動相應(yīng)app程序，并填入?yún)?shù)值；程序運(yùn)行結(jié)果可在手機(jī)屏幕上顯示，也可以將程序運(yùn)行文字結(jié)果對應(yīng)語音庫中的音頻通過手機(jī)揚(yáng)聲器輸出，語音反饋給手機(jī)控制者。從而完成手機(jī)的語音控制。此外為了避免手機(jī)擁有者正常說話時被手機(jī)獲取聲音誤操作，手機(jī)上應(yīng)配備一個撥動開關(guān)，只有該開關(guān)處有效狀態(tài)時，手機(jī)操作系統(tǒng)軟件才允許語音控制指令關(guān)聯(lián)應(yīng)用程序，啟動語音控制功能，否則應(yīng)屏蔽輸入聲音的音頻處理，不進(jìn)行身份識別和語音文字轉(zhuǎn)化，可避免使用者再正常與人語言交流時手機(jī)誤執(zhí)行指令。

采用本專利語音控制功能智能手機(jī)技術(shù)方案所涉及音頻處理技術(shù)的技術(shù)方案為預(yù)先錄取手機(jī)控制者（身份有效者）的聲音，并獲取其聲音的音頻特征。自然界中每種聲源包括不同人、動物、物體等不管聲音大小一般都有獨(dú)特音頻特點(diǎn)，而手機(jī)通過麥克風(fēng)獲得的環(huán)境聲音轉(zhuǎn)化的模擬量是不同聲源頻率和幅度疊加總和，甚至包括手機(jī)自身揚(yáng)聲器發(fā)出的聲音?，F(xiàn)有語音處理技術(shù)已經(jīng)可以把不同音源根據(jù)頻率特征區(qū)分開來，可以采用專用的語音處理芯片實(shí)現(xiàn)，也可以直接由手機(jī)cpu用專門軟件來處理和分析，不過用軟件實(shí)現(xiàn)占用手機(jī)cpu計算資源，同時實(shí)時性差。將環(huán)境聲音中區(qū)分出來的不同音頻段提取音頻特征與事先獲得有權(quán)限控制者音頻特征進(jìn)行匹配，匹配成功，則識別出使用者身份，同時可將這段音頻單獨(dú)保存，用于語音識別為文字。此外也可根據(jù)聲強(qiáng)大小獲取近人語音音頻用于語音控制。

采用本專利語音控制功能智能手機(jī)技術(shù)方案所涉及語音文字轉(zhuǎn)化技術(shù)方案可借鑒訊飛或百度等文字輸入法程序語音識別的方案和程序，將已保存有效音頻數(shù)據(jù)采用標(biāo)準(zhǔn)音庫進(jìn)行比對分析，轉(zhuǎn)化為文字，由于中文同一音可能對多個字，因此該分析程序也需一定智能化，現(xiàn)有的技術(shù)已能將語音文字識別率提高到一個比較高的水準(zhǔn)。如果分析困難或音頻信息帶地方口音，手機(jī)本地程序難以準(zhǔn)確分析時，該功能程序可通過手機(jī)自帶的wifi功能與互聯(lián)網(wǎng)連接，將音頻信息推送指定的專業(yè)服務(wù)器上進(jìn)行更復(fù)雜的智能分析，分析結(jié)果將音頻信息識別為文字信息再通過無線網(wǎng)絡(luò)反饋給手機(jī)程序進(jìn)行下一步處理。

采用本專利語音控制功能智能手機(jī)技術(shù)方案所涉及文字處理方案為將語音轉(zhuǎn)化的文字根據(jù)語法分割為字或詞，再根據(jù)關(guān)鍵詞去識別出控制字，并將控制字去關(guān)聯(lián)手機(jī)上需要執(zhí)行的app程序，同時從字和詞中識別出關(guān)鍵字作為程序運(yùn)行參數(shù)，啟動相應(yīng)程序后自動填入。由于中文表達(dá)復(fù)雜性，同一意思，每個人可能有不同表達(dá)方式，因此在語音轉(zhuǎn)化的文字處理時需模擬人類說話表達(dá)方式，采用ai（人工智能）去處理。此外為了方便控制程序識別，可建立一套標(biāo)準(zhǔn)詞與程序關(guān)聯(lián)表，人在發(fā)出語音控制指令時遵照該表語法，會顯著提高指令識別準(zhǔn)確率和效率，同時也可根據(jù)個人用詞習(xí)慣將一些常用詞通過人工編輯加到關(guān)聯(lián)表中，也便于控制指令識別。手機(jī)在安裝新app程序時都可將新的關(guān)聯(lián)信息添加到該表中。除此之外，新開發(fā)的app可根據(jù)語音接口標(biāo)準(zhǔn)增加相關(guān)程序輸入輸出接口，便于語音控制的無縫連接。

采用本專利語音控制功能智能手機(jī)技術(shù)方案所涉及文字轉(zhuǎn)化音頻的技術(shù)方案較為簡單，因?yàn)槊總€文字一般對應(yīng)一個發(fā)音，因此只要采用一個較全音標(biāo)字庫，由程序?qū)⑽淖职磫巫忠纛l處理并逐字拼接，就可實(shí)現(xiàn)該功能。為了豐富語音輸出效果，滿足不同人喜好，該音標(biāo)字庫可采用男聲或女聲，甚至可制作模擬某個人發(fā)聲或某地口音的個性音標(biāo)庫。

本專利具備語音控制功能智能手機(jī)采用最新語音技術(shù)和人工智能技術(shù)，豐富手機(jī)輸入輸出功能和工作模式，可為智能手機(jī)擺脫手動操作提出一個可行方案，同時有益于那些肢體或眼睛殘缺者對智能手機(jī)操縱和使用。此外該語音控制的技術(shù)方案還可被借鑒用于不需要或不方便手控制的智能電子系統(tǒng)的輸入輸出設(shè)計中，如頭盔顯示系統(tǒng)、vr眼鏡、智能音箱、以及各類可通過語音控制的智能家電、智能家居等。由于在對音頻轉(zhuǎn)化的文字進(jìn)行人工智能分析，配上手機(jī)自帶存儲器存儲功能，因此該功能手機(jī)還可以當(dāng)作以為“聽話”的秘書助理，協(xié)助機(jī)主記憶一些口述的信息和指令，甚至可以在適當(dāng)時間通過語音自動提醒機(jī)主事件。

附圖說明

下面是結(jié)合附圖和實(shí)施例對本專利發(fā)明進(jìn)一步說明。

圖1語音控制功能智能手機(jī)工作流程說明圖

圖中1.附近聲音，2.手機(jī)麥克風(fēng)，3.語音處理專用電路，4.語音識別程序，5.文字智能分析程序，6.關(guān)聯(lián)手機(jī)app程序，7.執(zhí)行app程序，8.文字音頻轉(zhuǎn)化程序，9.發(fā)聲裝置控制輸出。

具體實(shí)現(xiàn)方式

參照圖1，智能手機(jī)實(shí)現(xiàn)語音控制功能工作流程為手機(jī)麥克風(fēng)（2）監(jiān)聽手機(jī)附近聲音采集外部信息，通過語音處理專用電路（3）識別和提取用戶音頻，經(jīng)語音識別程序（4）將用戶音頻信息技術(shù)轉(zhuǎn)化為文字信息，再通過文字智能分析程序（5）提取文字中用戶對手機(jī)的語音控制指令和參數(shù)，與手機(jī)app程序關(guān)聯(lián)（6），從而啟動和執(zhí)行相應(yīng)app程序（7），其中部分程序會返回文字結(jié)果，可通過文字音頻轉(zhuǎn)化程序（8）獲得音頻信息通過手機(jī)發(fā)聲裝置控制輸出（9）揚(yáng)聲器或耳機(jī)為語音信息。

以下通過一些具體事例來說明由語音控制智能手機(jī)應(yīng)用程序功能。

語音控制打電話，短信：手機(jī)使用者可以說“打電話給xx”，可以獲得文字的“打電話”、“xx”等信息，通過“打電話”關(guān)聯(lián)手機(jī)“電話撥號”功能，再在手機(jī)通訊捕中獲得“xx”的電話號碼，電話通話功能自動撥出，電話接通后，使用者就可以與對方直接通話，在此期間獲得的語音信息不進(jìn)行app程序關(guān)聯(lián)，直到聽到結(jié)束時使用者說聲“拜拜”，手機(jī)自動斷開通信鏈路，退出“通話”程序；如果手機(jī)使用者說“發(fā)短信告訴xxyyy”，手機(jī)在語音控制模式下應(yīng)自動啟動短信程序，在通訊簿中找到xx電話號碼發(fā)送內(nèi)容為“yyy”信息，發(fā)送完了還可以語音提示“短信已發(fā)送”。

語音控制放音樂：手機(jī)使用者可以說“請播放xxx”、“我想聽xxx”，通過“播放”或“聽”關(guān)聯(lián)音頻播放程序，并在本地音頻文件中搜索歌名關(guān)鍵字為“xxx”的文件在程序中播放。

個人秘書助理:手機(jī)使用者對手機(jī)說：“請記住xx生日為yy日”，手機(jī)可以自動關(guān)聯(lián)日歷程序或備忘錄程序，以文字方式存儲“xx生日為yyy日”信息，當(dāng)使用者對手機(jī)問：“請告訴我xx生日為哪天”，手機(jī)可以通過識別出關(guān)鍵字“xx”和“生日”在相關(guān)文件中獲得對應(yīng)信息，并以語音方式將這些信息“告訴”使用者。該功能除了根據(jù)語音自動存儲類似“生日”、“會議日程”、“家庭地址”等各種簡單日常信息，還可以根據(jù)語音要求自動搜索相關(guān)信息反饋給使用者。雖然用手操作也能在相關(guān)app應(yīng)用程序中實(shí)現(xiàn)這些功能，但需要手動完成這些操作，搜索時信息多時費(fèi)時也多，而采用語音控制完全由手機(jī)通過人工智能自動實(shí)現(xiàn)，對使用者來說非常方便。

自動搜索，自動翻譯：各種常識、人物事件信息、新聞時事、科學(xué)百科等都可以由使用者向手機(jī)“提問”，手機(jī)關(guān)聯(lián)百度、谷歌等搜索引擎連接互聯(lián)網(wǎng)，獲得相關(guān)信息以語音或屏幕文字圖片表現(xiàn)形式反饋提問者，成為使用者便捷的百科全書。

自拍功能：手機(jī)使用者可以口頭命令通過語音控制智能手機(jī)啟動照相程序，并在較遠(yuǎn)距離通過聲音執(zhí)行拍攝動作，為手機(jī)拍照功能提供更靈活和獨(dú)特控制方式。

智能家電遙控功能：對帶有智能家電遙控功能接口和程序的手機(jī)和家電，同樣可以通過語音發(fā)出控制指令，使家電按照手機(jī)將語言轉(zhuǎn)化的遙控指令工作。比如操縱者通過對手機(jī)發(fā)布“看電視xx頻道”的語音命令，手機(jī)自動啟動智能電視遙控app程序通過無線網(wǎng)絡(luò)向電視發(fā)出開機(jī)和切換到xx頻道的遙控指令；操縱者對手機(jī)發(fā)布“空調(diào)制冷到xx度”的語音命令，手機(jī)則自動啟動空調(diào)遙控app程序，并通過無線網(wǎng)絡(luò)或紅外接口向具備該輸入接口智能空調(diào)發(fā)出空調(diào)啟動制冷，溫度設(shè)定為xx度指令，空調(diào)接受控制指令執(zhí)行相應(yīng)動作。

通過上述事例可以看出，只要對手機(jī)操作響應(yīng)速度不高的智能手機(jī)應(yīng)用，語音控制功能大量采用人工智能識別后多數(shù)能使用，而且使用更便捷智能。

本發(fā)明專利請求保護(hù)的專利權(quán)利范圍主要包括：本專利權(quán)利書和說明書所提及的對語音采集、身份識別和音頻截取、語音文字轉(zhuǎn)化、控制指令參數(shù)智能識別提取和手機(jī)應(yīng)用程序關(guān)聯(lián)運(yùn)行的整個最終實(shí)現(xiàn)語音對手機(jī)控制的技術(shù)方案和流程以及各關(guān)鍵流程所采用技術(shù)方案；說明書提及采用專用撥動開關(guān)實(shí)現(xiàn)免于正常對話和語音控制相互干擾的技術(shù)方案；說明書提及采用標(biāo)準(zhǔn)關(guān)鍵詞與程序關(guān)聯(lián)簡化控制指令參數(shù)識別方法；說明書所提及一些具體語音控制智能手機(jī)應(yīng)用事例及其形式方式。以及采用上述語音控制技術(shù)方案用于手機(jī)以外智能電子產(chǎn)品具體包括頭盔顯示系統(tǒng)、vr眼鏡、智能音箱、以及各類可通過語音控制的智能家電、智能家居等也應(yīng)屬本專利保護(hù)范圍。