(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211177957.4 (22)申请日 2022.09.27 (65)同一申请的已公布的文献号 申请公布号 CN 115273818 A (43)申请公布日 2022.11.01 (73)专利权人 小米汽车 科技有限公司 地址 100176 北京市北京经济技 术开发区 科创十街15号院5号楼6层618室 (72)发明人 李超　秦斌　王刚　刘黎　 (74)专利代理 机构 北京法胜知识产权代理有限 公司 11922 专利代理师 石茵汀 (51)Int.Cl. G10L 15/02(2006.01) G10L 15/18(2013.01)G10L 15/26(2006.01) G10L 15/30(2013.01) G06N 20/00(2019.01) 审查员 王玥 (54)发明名称 语音处理方法、 处理装置、 处理设备、 车辆和 介质 (57)摘要 本公开提出一种语音处理方法、 处理装置、 处理设备、 车辆和介质， 所述方法包括： 获取车载 终端采集到的语音的音 频数据； 在车载终端本地 对音频数据执行语音处理流程， 以得到语音处理 流程中最后一个处理环节的第一处理结果， 以及 语音处理流程中至少一个中间处理环节的第一 中间结果； 向服务器发送音频数据， 以使服务器 对音频数据执行语音处理流程得到语音处理流 程中最后一个处理环节的第三处理结果； 向服务 器发送至少一个中间处理环节的第一中间结果， 以使服务器对第一中间结果继续执行语音处理 流程得到第二处理结果； 根据三个处理结果对语 音进行响应。 本公开通过增加第二处理结果， 提 高了服务器接收到音频数据和车载终端本地接 收到处理结果的可能性。 权利要求书2页 说明书12页 附图2页 CN 115273818 B 2022.12.13 CN 115273818 B 1.一种语音处 理方法， 其特 征在于， 包括以下步骤： 获取车载终端采集到的语音的音频 数据； 在所述车载终端本地对所述音频数据 执行语音处理流程， 以得到所述语音处理流程中 最后一个处理环节的第一处理结果， 以及所述语音处理流程中至少一个中间处理环节的第 一中间结果； 向服务器发送所述音频数据， 以使所述服务器对所述音频数据执行所述语音处理流 程， 以得到所述语音处 理流程中最后一个处 理环节的第三处 理结果； 向所述服务器发送所述至少一个中间处理环节的第 一中间结果， 以使所述服务器对所 述第一中间结果继续执 行所述语音处 理流程， 以得到第二处 理结果； 根据所述第一处理结果、 所述第二处理结果和所述第三处理结果中的至少一个， 对所 述语音进行响应； 所述根据所述第一处理结果、 所述第二处理结果和所述第三处理结果中的至少一个， 对所述语音 进行响应， 包括： 在所述第一处理结果的置信度小于 阈值， 且在 设定时间内从所述服务器获取到所述第 二处理结果和所述第三处理结果中的多个处理结果， 则采用机器学习模型对所述多个处理 结果进行融合， 以得到目标处理结果； 其中， 所述置信度用于指示对应处理结果与所述语音 的匹配程度； 基于所述目标处 理结果， 对所述语音 进行响应。 2.根据权利要求1所述的方法， 其特征在于， 所述向所述服务器发送所述至少一个 中间 处理环节的第一中间结果， 包括： 每当所述车载终端本地执行一个所述中间处理环节完毕， 向所述服务器发送已执行完 毕的中间处 理环节的第一中间结果。 3.根据权利要求1所述的方法， 其特 征在于， 所述向服 务器发送所述音频 数据， 包括： 在所述语音处理流程中最后一个处理环节执行完毕的情况下， 向所述服务器发送所述 音频数据。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述根据所述第一处理结果、 所 述第二处 理结果和所述第三处 理结果中的至少一个， 对所述语音 进行响应， 包括： 根据所述第一处理结果、 所述第二处理结果和所述第三处理结果分别对应的置信度， 依据设定规则从所述第一处理结果、 所述第二处理结果和所述第三处理结果中确定目标 处 理结果； 其中， 所述置信度用于指示对应处 理结果与所述语音的匹配程度； 基于所述目标处 理结果， 对所述语音 进行响应。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述第一处理结果、 所述第二处 理结果和所述第三处理结果分别对应的置信度， 依据设定规则从所述第一处理结果、 所述 第二处理结果和所述第三处 理结果中确定目标处 理结果， 包括： 根据所述设定规则的指示， 在所述第一处理结果的置信度大于或等于阈值的情况下， 将所述第一处 理结果作为所述目标处 理结果； 和/或， 根据所述设定规则的指示， 在所述第一处理结果的置信度小于所述阈值的情况下， 根 据所述第二处 理结果和所述第三处 理结果中的至少一个， 确定所述目标处 理结果。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述第 二处理结果和所述第 三处权　利　要　求　书 1/2 页 2 CN 115273818 B 2理结果中的至少一个， 确定所述目标处 理结果， 包括： 在设定时间内从所述服务器获取到所述第二处理结果和所述第三处理结果中的一个 处理结果， 将获取到的所述 一个处理结果作为所述目标处 理结果。 7.根据权利要求1所述的方法， 其特征在于， 所述采用所述机器学习模型对所述多个处 理结果进行融合， 以得到所述目标处 理结果， 包括： 对所述多个处 理结果进行语义特 征提取， 以得到所述多个处 理结果的语义特 征； 将所述多个处理结果的语义特征， 以及所述多个处理结果的置信度， 输入所述机器学 习模型进行融合， 以得到所述机器学习模型输出的所述目标处 理结果。 8.一种语音处 理装置， 其特 征在于， 包括： 第一获取模块， 用于获取 车载终端采集到的语音的音频 数据； 第二获取模块， 用于在所述车载终端本地对所述音频数据执行语音处理流程， 以得到 所述语音处理流程中最后一个处理环节的第一处理结果， 以及所述语音处理流程中至少一 个中间处 理环节的第一中间结果； 第一发送模块， 用于向服务器发送所述音频数据， 以使所述服务器对所述音频数据执 行所述语音处 理流程， 以得到所述语音处 理流程中最后一个处 理环节的第三处 理结果； 第二发送模块， 用于向所述服务器发送所述至少一个中间处理环节的第一中间结果， 以使所述 服务器对所述第一中间结果继续执 行所述语音处 理流程， 以得到第二处 理结果； 响应模块， 用于根据所述第一处理结果、 所述第二处理结果和所述第三处理结果中的 至少一个， 对所述语音 进行响应； 所述根据所述第一处理结果、 所述第二处理结果和所述第三处理结果中的至少一个， 对所述语音 进行响应， 包括： 在所述第一处理结果的置信度小于 阈值， 且在 设定时间内从所述服务器获取到所述第 二处理结果和所述第三处理结果中的多个处理结果， 则采用机器学习模型对所述多个处理 结果进行融合， 以得到目标处理结果； 其中， 所述置信度用于指示对应处理结果与所述语音 的匹配程度； 基于所述目标处 理结果， 对所述语音 进行响应。 9.一种语音处 理设备， 其特 征在于， 包括： 处 理器和存 储器； 其中， 所述处理器通过读取所述存储器中存储的可执行程序代码来运行与 所述可执行 程序代码对应的程序， 以用于实现如权利要求1 ‑7中任一项所述的语音处 理方法。 10.一种车辆， 其特 征在于， 包括： 如权利要求9所述的语音处 理设备。 11.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现如权利要求1 ‑7中任一项所述的语音处 理方法。权　利　要　求　书 2/2 页 3 CN 115273818 B 3