摘要：本发明公开语音数据处理方法和装置，其中，一种语音数据处理方法，用于客户端，包括：接收用户的第一语音指令，基于第一语音指令和预设唤醒词向服务器端发送开启预设唤醒词的自动语音识别训练和识别的请求；接收服务器端返回的是否成功唤醒的结果；响应于成功唤醒，根据设置的第一时间段检测用户是否在第一时间段内发出第二语音指令；响应于在第一时间段内检测到用户发出的第二语音指令，将第二语音指令的音频数据的起点追溯到第一语音指令的音频数据的起点；自第一语音指令的音频数据的起点开始依次将第一语音指令和实时检测到的第二语音指令发送至服务器端进行识别直至第一时间段结束。

摘要：本发明公开一种唤醒识别处理方法和装置，其中，唤醒识别处理方法，包括：响应于所述蓝牙外设被唤醒，建立与所述主设备之间的蓝牙传输通道，其中，所述主设备具备语音识别能力，所述蓝牙外设不具备语音识别能力；经由所述蓝牙传输通道实时向所述主设备传输唤醒后接收的第一音频数据。通过蓝牙设备和主设备中的语音处理服务配合完成Oneshot功能，仅需要在特定唤醒事件后才开启音频的无线传输，从而可以实现能明显的降低蓝牙外设的功耗，增加待机时长，并提高识别的准确率。之后还能进一步降低蓝牙外设的质量和体积，并能支持后续的语音能力的拓展。

摘要：本发明公开一种动态手势识别归一化方法、装置、电子设备及存储介质，其中，所述方法包括：所述终端设备监听动态手势信号，检测与所述动态手势信号对应的图片流的多个图片帧，识别每一图片帧的手势；所述终端设备至少根据时间排序最前且满足预设条件的图片帧确定所述动态手势的归一化识别结果；当所述终端设备识别到手势为空的图片帧，并且该识别到的手势为空的图片帧位于图片流的终止位置时，所述终端设备进入下一轮监听。本发明实施例的方法中，对图片帧的手势识别结果进行处理，简单直接、开发和维护成本低，便于大规模的部署和应用，抗干扰性强、容错能力强、输出可控、能够动态调整输出间隔。

摘要：本发明公开一种语音控制方法及装置，其中，该方法包括：接收第一用户语音指令；根据所述第一用户语音指令确定多个备选项并呈现给用户；对每一个所述备选项的内容信息进行分词处理，每一个所述备选项分别对应于至少一个分词；接收用户根据所呈现的内容发出的第二用户语音指令；确定所述第二用户语音指令所命中的分词所对应的备选项。基于本发明实施例的语音控制方法支持人性化的说法，用户能够直接说出自己所看到的内容信息并得到自己想要的结果。而不必确定并说出想要选择的备选项的位置，相较于现有方式，能够更加快速准确的使用语音控制指令来从众多选项中精准的选中目标选项。

摘要：本发明公开离线对话实现方法和装置，其中，一种离线对话实现方法，包括：获取初始化阶段开发者配置的语音功能参数，其中，所述语音功能参数至少包括语法文件路径和启用的语音技术，所述语音技术包括语音识别技术、语义理解技术、对话管理技术和语音合成技术；若开发者启用所述语音识别技术，获取用户的音频数据；基于所述语法文件和所述语音识别技术对所述音频数据进行识别并输出语音识别结果；若开发者未启用所述语音识别技术且启用了所述语义理解技术或对话管理技术，获取用户输入的第一文本信息。本实施例的方案能够实现全链路的离线对话及其定制，方便开发者的个性化定制及用户在无网络状态下的使用。

摘要：本发明公开一种用于客户端版本更新的方法及系统。本发明的用于客户端版本更新的方法包括：确定客户端的标识信息，所述标识信息包括客户端当前版本的版本标识以及客户端当前对应的分支的分支标识；根据存储的版本标识与分支标识的对应关系以及所述标识信息，判断是否对所述当前版本进行更新；根据所述判断的结果，对所述客户端进行数据传输。该方法通过版本标识与分支标识的对应关系，实现资源隔离。以及，可通过变更客户端的标识信息，使得客户端获取到不同版本的资源数据以及配置数据，将客户端的资源控制在云端更新，保障了客户端的稳定性，同时也便于版本资源的及时更新。

摘要：本发明公开一种用于智能语音对话的前端页面定制方法，用于智能语音对话平台，包括：响应于用户针对语音对话产品的前端页面定制请求，向所述用户展示前端页面定制界面；响应于所述用户在所述前端页面定制界面的提交请求，将用户定制的前端页面与用户的语音对话产品进行绑定并发布，本发明方法通过平台提供的资源提交入口来提交资源，iOS端创建一个WKWebView的控件实例，用以后续展现AI对话形式和对话中的表现形式，从而达到展示用户自定义样式的目的。

摘要：本发明公开一种离线语义解析方法和系统，方法包括：根据多个语言字段获取与其对应的多个功能语义字段，在语言模型的gram语法编译内容中，对应多个功能语义字段创建多个语义分类字段skill_id；判断当前字段是否有对应多个语义分类字段skill_id，若是，则根据当前字段、语义对应关系获取对应的当前语义分类字段skill_id；若否，则根据当前字段及本地导航解析程序获取导航信息返回字段。本发明通过在gram语法编译的流程中添加skill id字段，为每一个说法都注明其分类，在给出识别结果的同时，给出当前说法属于哪一类的信息：skill id。通过skill id直接定位到对应类别的语义进行解析。

摘要：本申请公开一种全双工语音对话方法，包括：当语音对话终端被唤醒之后，开始录制并上传音频至云端服务器，用于云端服务器确定答复内容以及为确定答复内容所分析的音频的第一时长；语音对话终端接收云端服务器发送的答复内容和所述第一时长；语音对话终端判断第一时长与第二时长是否一致，第二时长为语音对话终端所上传音频的总时长；当第一时长与第二时长一致时，将语音对话终端将答复内容呈现给用户。本申请实施例中语音对话终端不仅仅获取了云端服务器所确定的答复内容，而且还获取了云端服务器为确定该答复内容所分析的音频的时长，并且在确定第一时长和第二时长一致的情况下才将答复内容呈现给用户，确保了提供正确的答复内容。

摘要：本发明公开一种移动设备终端的声纹识别方法及装置，其中，该方法包括：采集录音数据；从触发唤醒库的录音数据中截取唤醒音频；当唤醒音频的信噪比小于第一阈值时，重新截取唤醒音频的步骤，当唤醒音频的信噪比不小于第一阈值时，将信噪比大于第一阈值的唤醒音频进行性别识别。将所述唤醒音频注册声纹；根据注册声纹成功的次数，确定是否启动移动设备终端的声纹识别功能。本方案通过在唤醒阶段，利用唤醒功能提取特定内容的音频，如唤醒音频，通过与第一阈值的比对，筛选出优质信噪比的音频，而且通过重复提取信噪比符合要求的音频，既筛选出了优质音频，也控制了声纹库的大小，从而实现在提升声纹识别率的同时也降低了声纹识别的耗时。