【技术实现步骤摘要】
本申请属于语音信息，尤其涉及一种车机语音助手的实现方法、系统、移动端语音助手的优化方法及存储介质。
技术介绍
1、随着人工智能在汽车行业的应用与普及，智能语音助手在车机的应用也越来越广泛，各种语音技能的支持也越来越强大，但是，现在普遍的车载语音助手都只能在汽车车内操作语音助手实现语音技能增补、优化等操作，一旦离开汽车就不能再进行任何操作，而且目前车机上支持的应用软件很少，很多成熟使用频率很高的应用在车机上都不能使用，这就导致车机语音助手能控制的应用极少，影响车载语音助手的用户体验。由于车机应用远没有手机应用成熟，很多手机支持的应用，在车机端都不支持或者体验远没有手机端好，导致语音能够控制的应用很少，很多语音技不能正常支持或者体验很差，以及没有根据用户的反馈持续对车机语音技能进行调优和更新。
技术实现思路
1、针对上述现有技术的缺陷，本申请提供了一种车机语音助手的实现方法、系统、移动端语音助手的优化方法及存储介质，通过所述实现方法来规避车机语音助手使用不方便、不能随时随地进行技能增补以及车机应用不成熟体验不好的情况，提升车机使用粘性和用户体验效果。
2、为实现上述目的，本申请提供了一种车机语音助手的实现方法，所述方法包括：
3、s100：调用并解析移动端的语音技能副本，得到预设语音技能配置信息。
4、s200：当接收到用户的语音指令时，对所述语音指令与所述预设语音技能配置信息进行匹配，按预设规则生成指令执行策略，并根据所述指令执行策略自行执行所述语
5、s300：在所述用户的语音指令被执行时或执行后的预设时间范围内，获得用户的多模态特征变化以确定用户使用满意度或将用户的多模态特征变化输出。
6、在本申请中，所述移动端的语音技能副本是通过移动端创建后上传至云端存储和技能协议封装的或者是在云端创建并存储和技能协议封装的；所述步骤s100中，所述车机语音助手通过预设技能协议接口调用存储在云端的所述移动端的语音技能副本。
7、进一步地，在所述步骤s100中，所述得到预设语音技能配置信息的步骤包括：
8、s101：解析所述移动端的语音技能副本，获得技能指令信息和动作脚本信息；以及，
9、s102：对所述技能指令信息和动作脚本信息进行检验无误后，按照预设语音技能类型分类，并通过配置执行后得到所述预设语音技能配置信息。
10、在本申请中，所述步骤s200包括：
11、s201：将接收到的所述用户的语音指令进行语义解析后转换成文字信息；
12、s202：将所述文字信息与所述预设语音技能配置信息进行匹配，获得比对度最高的配置技能；
13、s203：根据所述比对度最高的配置技能生成所述指令执行策略。
14、其中，所述指令执行策略包括：
15、检测装载有所述车机语音助手的车机端与移动端之间的连接状态；仅当所述连接状态为成功连接时，在接收实时语音指令后，通过分别检测车机端与移动端的计算资源、存储容量、实时性能和人工反馈中的一种或多种，以比对车机端与移动端的执行性能高低；选择执行性能中更高的车机端或移动端作为指令执行策略的执行载体。
16、在本申请中，所述多模态特征至少包括以下中的一种：声音特征、脸部表情特征和手势。
17、当所述多模态特征包括声音特征时，实时监测并提取在所述预设时间范围内用户的声音特征，根据所述声音特征和声音评分模型进行用户使用满意度评分。
18、当所述多模态特征包括脸部表情特征时，实时监测并提取在所述预设时间范围内用户的脸部表情特征变化，根据所述脸部表情特征变化和表情评分模型进行用户使用满意度评分。
19、当所述多模态特征包括手势时，实时监测并提取在所述预设时间范围内用户的手势特征，根据所述手势特征和手势识别算法进行用户使用满意度评分。
20、在本申请中，所述声音评分模型具体为：
21、采集若干不同用户的语音样本数据，并从所述语音样本数据中提取样本声音特征；按预设规则一对所述样本声音特征生成对应的满意度标签后，通过机器学习算法进行样本声音特征的模型训练，以获得所述声音评分模型。
22、所述表情评分模型具体为：
23、采集若干不同用户的表情样本数据，并从所述表情样本数据中提取样本表情特征；按预设规则二对所述样本表情特征生成对应的满意度标签后，通过深度学习模型算法进行样本表情特征的模型训练，以获得所述表情评分模型。
24、进一步地，当所述用户使用满意度不超过预设评分阈值时，对用户满意度反馈迭代更新、进行机器学习模型优化和个性化设置自动调整。
25、其中，所述用户满意度反馈迭代更新包括：识别所述语音技能配置信息，获取用户使用满意度不超过预设评分阈值时的交互模式后，对所述交互模式进行迭代更新。
26、所述机器学习模型优化包括：当检测到机器学习模型中训练数据的类别比例不满足预设比例阈值时，通过调整预设模型参数或预设模型结构对所述声音评分模型和表情评分模型进行优化。
27、所述个性化设置自动调整包括：根据用户的语音技能使用习惯自动调整语音技能配置信息中的语音响应的速度、音量或者优先执行响应用户使用程度较高的语音指令。
28、为实现上述目的，本申请还提供了一种车机语音助手的实现系统，所述系统包括：
29、语音技能配置信息互通单元、指令执行策略处理单元和用户使用满意度判断单元。
30、其中，所述语音技能配置信息互通单元，用于调用并解析移动端的语音技能副本，得到预设语音技能配置信息。
31、所述指令执行策略处理单元，用于当接收到用户的语音指令时，对所述语音指令与所述预设语音技能配置信息进行匹配，按预设规则生成指令执行策略，并根据所述指令执行策略自行执行所述语音指令或发送至移动端执行。
32、以及，用户使用满意度判断单元，用于在所述用户的语音指令被执行时或执行后的预设时间范围内，获得用户的多模态特征变化以确定用户使用满意度或将用户的多模态特征变化输出。
33、为实现上述目的，本申请还提供了一种移动端语音助手的优化方法，包括：
34、在移动端与车机端匹配后，从所述车机端接收如上所述的用户使用满意度，当所述用户使用满意度不超过预设评分阈值时，对所述预设语音技能配置信息进行优化更新，并将优化更新后的语音技能配置信息发送至车机端。
35、其中，所述优化更新包括：
36、用户满意度反馈迭代更新、机器学习模型优化和个性化设置自动调整。
37、其中，所述用户满意度反馈迭代更新包括：识别所述语音技能配置信息，获取用户使用满意度不超过预设评分阈值时的交互模式后，对所述交互模式进行迭代更新。
38、所述机器学习模型优化包括：当检测到机器学习模型中训练数据的类别比例不满足预设比例阈值时，通过调整预本文档来自技高网...
【技术保护点】
1.一种车机语音助手的实现方法，其特征在于，包括：
2.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，
3.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，在所述步骤S100中，所述得到预设语音技能配置信息的步骤包括：
4.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，所述步骤S200包括：
5.根据权利要求4所述的一种车机语音助手的实现方法，其特征在于，所述指令执行策略包括：
6.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，
7.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，进一步包括当所述用户使用满意度不超过预设评分阈值时，对用户满意度反馈迭代更新、进行机器学习模型优化和个性化设置自动调整；
8.一种车机语音助手的实现系统，其特征在于，包括：
9.一种移动端语音助手的优化方法，其特征在于，包括：
10.一种存储介质，为计算机可读存储介质中的一种，其特征在于，其上存储有计算机程序，所述计算机程序被处理器
...【技术特征摘要】
1.一种车机语音助手的实现方法，其特征在于，包括：
2.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，
3.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，在所述步骤s100中，所述得到预设语音技能配置信息的步骤包括：
4.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，所述步骤s200包括：
5.根据权利要求4所述的一种车机语音助手的实现方法，其特征在于，所述指令执行策略包括：
6.根据权利要求1所述的一种车机语音助手的实现方法，其特征在于，
...【专利技术属性】
技术研发人员：银建军，王宇华，谢志华，陈波，朱渊，李向阳，邹凯，
申请(专利权)人：成都市卡蛙科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。