(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210616526.7 (22)申请日 2022.06.01 (71)申请人 合众新能源 汽车有限公司 地址 314500 浙江省嘉兴 市桐乡市梧桐街 道同仁路98 8号 (72)发明人 蒋磊　蔡勇　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 苏培华 (51)Int.Cl. G10L 15/22(2006.01) G10L 15/26(2006.01) G10L 15/34(2013.01) H04L 67/12(2022.01) G06V 10/74(2022.01)G06F 16/583(2019.01) (54)发明名称 语音处理方法、 装置、 电子设备、 存储介质及 产品 (57)摘要 本发明提供一种语音处理方法、 装置、 电子 设备、 存储介质及产品， 所述方法包括： 获取车内 的语音信息， 将所述语音信息发送给云端， 在通 过车机没有获取到与语音信息对应的页面内容 时， 对所述车机的屏幕进行截屏， 得到截屏图片； 将所述截屏图片发送给云端； 接收所述云端发送 的匹配结果， 所述匹配结果是基于语音信息与截 屏图片上的内容进行相似度匹配的结果； 根据匹 配结果进行模拟点击操作。 本发明中， 在检测到 车内的语音信息时， 若通过车机不能获取到与该 语音信息对应的页面内容， 就对 该车机的屏幕进 行截屏， 将该语音信息和对应的截屏图片发送给 云端， 以便于云端利用图片识别技术， 对该截屏 图片上的内容进行准确的识别， 提高了语音识别 的准确率。 权利要求书2页 说明书13页 附图7页 CN 115171677 A 2022.10.11 CN 115171677 A 1.一种语音处 理方法， 其特 征在于， 包括： 获取车内的语音信息； 将所述语音信息发送给云端； 在通过车机没有获取到与 所述语音信 息对应的页面内容 时， 对所述车机的屏幕进行截 屏， 得到截屏图片； 将所述截屏图片发送给云端； 接收所述云端发送的匹配结果， 所述匹配结果是基于所述语音信 息与所述截屏图片上 的内容进行相似度匹配的结果； 根据所述匹配结果进行模拟点击操作。 2.根据权利要求1所述的语音处理方法， 其特征在于， 在所述获取车内的语音信息后， 所述方法还 包括： 判断通过 车机是否能获取到与所述语音信息对应的页面内容； 若通过车机能获取到与所述语音信 息对应的页面内容， 则将 获取到的所述页面内容发 送给云端； 若通过车机不能获取到与 所述语音信 息对应的页面内容， 则执行对所述车机的屏幕进 行截屏， 得到截屏图片的步骤。 3.一种语音处 理方法， 其特 征在于， 包括： 接收车机发送的消息， 所述消息包括： 检测到车内的语音信 息， 以及车机屏幕的截屏图 片； 其中， 所述截屏图片为所述车机 没有获取到与所述语音信息对应的页面内容时， 对车机 屏幕进行截屏的截屏图片； 将所述消息中的所述语音信息转换为文本； 对所述消息中的车机屏幕的截屏图片进行识别， 得到识别结果； 将转换后的所述文本与所述识别结果进行相似度匹配， 得到相匹配的匹配结果； 将所述匹配结果发送给所述车机， 以使所述车机根据所述匹配结果进行模拟点击操 作。 4.根据权利要求3所述的语音处理方法， 其特征在于， 所述对所述消息中的车机屏幕的 截屏图片进行识别， 得到识别结果， 包括： 将所述消息 中的车机屏幕的截屏图片上的文字转换成文本， 以及提取所述文本在所述 车机屏幕上的位置信息； 以及 对所述消息 中的车机屏幕的截屏图片上的对象进行识别， 并得到所述对象的文本描述 及提取所述对象在所述车机屏幕上的位置信息 。 5.根据权利要求4所述的语音处理方法， 其特征在于， 所述将转换后的所述文本与 所述 识别结果进行相似度匹配， 得到相匹配的匹配结果， 包括： 将所述语音信息转换后的所述文本， 与所述识别结果中的文字转换的文本、 提取的所 述文本在所述车机屏幕上的位置信息、 所述对象的文本描述及提取的所述对象在所述车机 屏幕上的位置信息， 通过训练好的相似度模型进 行相似度匹配， 得到相匹配的匹配结果， 或 者 将所述语音信息转换后的所述文本， 与所述截屏图片上的文字转换的文本、 提取的所 述文本在所述车机屏幕上的位置信息、 所述对象的文本描述及提取的所述对象在所述车机权　利　要　求　书 1/2 页 2 CN 115171677 A 2屏幕上的位置信息， 分别按照关键词的关联关系和权重值进行相似度匹配， 得到相匹配的 匹配结果。 6.一种语音处 理装置， 其特 征在于， 包括： 获取模块， 用于获取 车内的语音信息； 第一发送模块， 用于将所述语音发送给云端； 截屏模块， 用于在通过车机没有获取到与所述语音信息对应的页面内容时， 对所述车 机的屏幕进行截屏， 得到截屏图片； 第二发送模块， 用于将所述截屏图片发送给云端； 接收模块， 用于接收所述云端发送的基于所述语音信 息与所述截屏图片上的内容进行 相似度匹配的匹配结果； 操作模块， 用于根据所述匹配结果进行模拟点击操作。 7.一种语音处 理装置， 其特 征在于， 包括： 接收模块， 用于接收车机发送 的消息， 所述消息包括： 检测到车内的语音信息， 以及车 机屏幕的截屏图片； 其中， 所述截屏图片为所述车机没有获取到与所述语音信息对应的页 面内容时， 对车机屏幕进行截屏的截屏图片； 转换模块， 用于将所述消息中的所述语音信息转换为文本； 以及 识别模块， 用于对所述消息中的车机屏幕的截屏图片进行识别， 得到识别结果； 匹配模块， 用于将转换后的所述文本与所述识别结果进行相似度匹配， 得到相匹配的 匹配结果； 发送模块， 用于将所述匹配结果发送给所述车机， 以使所述车机根据所述匹配结果进 行模拟点击操作。 8.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1至5中任一项所述的语 音处理方法。 9.一种计算机可读存储介质， 其特征在于， 当所述计算机可读存储介质中的指令由电 子设备的处理器执行时， 使得电子 设备能够执行如权利要求 1至5中任一项所述的语音处理 方法。 10.一种计算机程序产品， 包括计算机程序或指令， 其特征在于， 所述计算机程序或指 令被处理器执行时实现权利要求1至 5任一项所述的语音处 理方法。权　利　要　求　书 2/2 页 3 CN 115171677 A 3