CN113674739B - 一种时间确定方法、装置、设备及存储介质 - Google Patents

Abstract

在本申请实施例提供的时间确定方法中，可以通过音源播放预设的第一语音，以使语音交互设备根据预设的第一语音进行响应，播放第二语音。通过部署在音源和语音交互设备之间的音频采集模块，可以采集到测试过程中产生的音频信号，得到第一语音对应的第一音频信号和第二语音对应的第二音频信号。这样，根据第一音频信号的时间参数和第二音频信号的时间参数，可以确定语音交互设备在接收到语音指令之后，发出响应之前的等待时间，即交互等待时间。如此，通过部署音源和音频采集模块，可以实现对语音交互设备的交互等待时间的自动化测试。

Description

一种时间确定方法、装置、设备及存储介质

技术领域

本申请涉及计算机领域，尤其涉及一种时间确定方法、装置、设备及存储介质。

背景技术

随着计算机技术的发展，智能音箱等语音交互设备得到了广泛的应用。语音交互设备可以通过麦克风等音频接收模块采集用户发出的音频信号，并对音频信号进行解析，确定用户发出的指令并执行相应的操作。可选地，在采集到用户发出的音频信号后，语音交互设备可以通过扬声器等发声模块播放音频信号，对用户发出的音频信号进行反馈，完成与用户交互的过程。

对于通过音频信号与用户进行交互的语音交互设备，从用户发声结束的时刻，到语音交互设备开始播放反馈的音频信号的时刻之间的时间间隔被称为交互等待时间。在交互等待时间中，用户需要等待语音交互设备的响应。显然，交互等待时间越长，用户的体验也就越差。为了对语音交互设备进行优化，就需要确定语音设备的交互等待时间。但是，传统的确定交互等待时间的方法存在不够准确的问题。

发明内容

为了解决现有技术的问题，本申请实施例提供了一种时间确定方法及装置。

第一方面，本申请实施例提供了一种时间确定方法，所述方法包括：

获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；

根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间。

第二方面，本申请实施例提供了一种时间处理装置，包括：

获取模块，用于获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

第一处理单元，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；

第二处理单元，用于根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间。

第三方面，本申请实施例提供了一种时间确定系统，所述系统包括音源、语音交互设备和时间确定设备，所述时间确定设备包括获取模块和处理模块，所述获取模块部署在所述音源和所述语音交互设备之间；

所述音源，用于播放预设语音；

所述语音交互设备，用于接收预设语音，并根据预设语音发出响应语音；

所述获取模块，用于获取音频信号，所述音频信号包括所述预设语音对应的第一音频信号和所述响应语音对应的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

所述处理模块，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间；

所述时间确定设备，还用于执行如本申请实施例任一所述的时间确定方法。

第四方面，本申请实施例提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例任一所述的时间确定方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例任一所述的时间确定方法。

在本申请实施例提供的时间确定方法中，可以通过音源播放预设的第一语音，以使语音交互设备根据预设的第一语音进行响应，播放第二语音。通过部署在音源和语音交互设备之间的音频采集模块，可以采集到测试过程中产生的音频信号，得到第一语音对应的第一音频信号和第二语音对应的第二音频信号。这样，第一语音对应的第一音频信号表示音源发出的语音指令，得让语音对应的第二音频信号表示语音交互设备对语音指令的响应。因此，根据第一音频信号的时间参数和第二音频信号的时间参数，可以确定语音交互设备在接收到语音指令之后，发出响应之前的等待时间，即交互等待时间。如此，通过部署音源和音频采集模块，可以实现对语音交互设备的交互等待时间的自动化测试。相较于传统人工测试的方法，一方面可以提高测试的准确性，另一方面可以节省人力物力。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的时间确定系统的一种场景示意图；

图2为本申请实施例提供的语音及音频信号在传输过程中的交互图；

图3本申请实施例提供的一种时间确定方法的流程示意图；

图4为本申请实施例提供的时间确定的装置的一种结构示意图；

图5为本申请实施例提供的电子设备的一种结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。

应当理解，本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

语音交互设备可以通过音频数据与用户进行交互。具体地，在用户可以通过语音发出指令，该指令被称为语音指令。语音交互设备可以采集语音指令对应的音频信号，并根据音频信号确定用户要求语音交互设备执行的任务，进而进行相应的操作。在一些可能的实现中，为了让用户知晓语音交互设备已收到指令，语音交互设备可以在接收到语音指令后播放反馈音频。

举例说明。假设用户说出了“给我放点歌手A的歌”的语音，语音交互设备可以通过麦克风采集音频信号，并对音频信号进行解析，确定用户想要控制语音交互设备播放歌手A的歌曲。接着，语音交互设备播放预先设置的反馈音频，例如通过扬声器播放“您的指令已收到”，向用户表示自身已收到用户发出的指令。接着，语音交互设备可以从网络中查找歌手A的歌曲并播放。

在这个过程中，从用户发声结束，到语音交互设备首次开始发出声音之间的时间间隔被称为交互等待时间。即，在前文所举的例子中，从用户说完“给我放点歌手A的”这句话的时刻，到语音交互设备开始播放“您的指令已收到”的时刻之间的时间间隔为交互等待时间。在交互等待时间内，语音交互设备不与用户进行语音交互，用户处于等待状态。显然，交互等待时间越长，用户处于等待状态的时间越久，用户体验越差。

因此，技术人员可以确定语音交互设备的交互等待时间，再根据交互等待时间对语音交互设备进行优化。目前，大多由测试人员手动对语音交互设备的交互等待时间。例如，测试人员可以向语音交互设备发出指令，在发出指令后开始计时，并在到听到语音交互设备反馈的语音后停止计时，记录的时间即为语音交互设备的交互等待时间。

可见，由于依赖技术人员手动计时，传统的测试交互等待时间的方法存在不准确的问题，且耗费人力较多。

为了解决现有技术的问题，本申请实施例提供了一种时间确定方法、装置、设备及存储介质，下面结合说明书附图进行详细介绍。

为了便于理解本申请实施例提供的技术方案，首先结合图1所示的场景示例进行说明。

参见图1，该图为本申请实施例提供的示例性应用场景的框架示意图。在图1中，包括音源10、语音交互设备20、音频采集模块30和处理模块40。其中，音源10可以播放语音，发出第一音频信号；语音交互设备20可以采集音源10发出的音频信号，并对该音频信号进行响应，发出第二音频信号；音频采集模块30位于音源10和语音交互设备20之间，可以采集音源10发出的第一音频信号和语音交互设备20发出的第二音频信号；处理模块40与音频采集模块30连接，可以接收音频采集模块30采集的第一音频信号和第二音频信号，并根据第一音频信号和第二音频信号确定语音交互设备的交互等待时间。本申请实施例提供的时间确定方法可以由处理模块40执行。

可选地，音源10可以是人工嘴或具有扬声器的音箱，被测试的语音交互设备20可以是智能音箱、智能台灯或其他具有语音交互功能的终端设备(例如可以是手机、平板电脑的等设备)，音频采集模块30可以包括麦克风列阵，麦克风列阵可以包括一个或多个麦克风。

需要说明的是，在图1所示的实施例中，音频采集模块30和处理模块40可以是不同的设备，也可以是同一设备中不同的实体模块。例如，音频采集模块30可以是测试设备的麦克风或麦克风列阵，处理模块40可以是同一测试设备的处理器。

在本申请实施例提供的时间确定方法中，可以通过音源模拟用户向语音交互设备发出指令，模拟实际的语音交互场景。通过计算音源播放语音的时间到语音交互设备播放响应语音的之间的时间间隔，即可确定语音交互设备的交互等待时间。

首先以图1所示实施例为例，对本申请实施例中语音及音频信号的传播过程进行介绍。参见图2，图2为本申请实施例提供的语音及音频信号在传输过程中的交互图，包括：

S201：音源播放第一语音。

在测试语音交互设备的交互等待时间的过程中，可以先通过音源播放第一语音。其中，第一语音可以是预设的一段话，例如可以是语音交互设备的唤醒词，或语音交互设备的预设指令。

S202：语音交互设备和音频采集模块接收第一语音。

在音源播放第一语音之后，位于音源和语音交互设备之间的音频采集模块可以采集第一语音，将第一语音转换为音频信号。相似地，语音交互设备也可以采集第一语音，并将第一语音转换为音频信号，以便进行后续处理。

S203：语音交互设备根据接收到的第一语音生成并播放第二语音。

在接收到第一语音之后，语音交互设备可以根据第一语音生成用于响应第一语音的第二语音，并通过语音交互设备的扬声器等设备播放第二语音。具体地，语音交互设备可以识别第一语音的含义，从而根据第一语音确定需要完成的指令，再根据指令生成第二语音并播放。例如，假设第一语音为语音交互设备的唤醒词，那么第二语音可以是预先设置的用于回答唤醒词的响应词。

S204：音频采集模块接收第二语音。

在语音交互设备播放第二语音之后，音频采集模块可以接收第二语音，并将第二语音转换为音频信号。

S205：音频采集模块向处理模块发送采集的音频信号。

在将第一语音和/或第二语音转换为音频信号之后，音频采集模块可以向处理模块发送音频信号。可选地。音频采集模块可以在采集到第一语音对应的音频信号之后先向处理模块发送音频信号，并在采集到第二语音对应的音频信号之后再次向处理模块发送音频信号。音频采集模块也可以采集到第一集语音对应的音频信号之后存储该音频信号并记录音频信号的时间信息。在采集到第二语音对应的音频信号之后，音频采集模块可以向处理模块统一发送第一语音和第二语音分别对应的音频信号及相关的时间信息。

在一些可能的实现中，音频采集模块可以包括一个或多个具有采集音频功能的单元。例如，音频采集模块可以包括麦克风列阵，麦克风列阵可以包括一个或多个麦克风，每个麦克风都可以独立地接收语音并将语音转换为音频信号，那么音频采集模块向处理模块发送的音频信号可以包括多段音频信号。可选地，当音频采集模块包括多个具有采集音频功能的单元时，不同的具有采集音频功能的单元以部署在不同的位置。

处理模块在接收到音频采集模块采集的音频信号后，可以执行本申请实施例提供的时间确定方法，具体执行过程可以参见下文介绍。

图3本申请实施例提供的一种时间确定方法的流程示意图，本实施例可适用于对语音交互设备的交互等待时间进行测试的场景。该方法可以由任意具有数据处理能力的设备执行，且该设备具有音频采集能力或与具有音频采集能力的设备执行。

下面以该方法由测试设备的处理模块执行为例进行介绍。如图3所示，该方法具体包括以下步骤：

S301：处理模块获取音频信号。

为了确定语音交互设备的交互等待时间，处理模块可以向获取音频信号。根据前文介绍可知，音频信号可以是音频采集模块在音源与语音交互设备的交互过程中采集的音频信号，包括第一音频信号和第二音频信号。其中第一音频信号为来自音源的音频信号，第二音频信号为语音交互设备在接收到第一音频信号之后发出的音频信号。

在本申请实施例中音频采集模块向还处理模块发送的音频信号可以包括多段音频信号，每段音频信号的开始时间不同。那么在确定交互等待时间之前，处理模块可以先从音频采集模块采集的多段音频信号中确定第一音频信号和第二音频信号。根据前文介绍可知，本申请实施例中音频采集模块可以包括一个具有采集音频功能的单元，也可以包括多个具有采集音频功能的单元。下面分别介绍这两种情况下，处理模块确定第一音频信号和第二音频信号的方法。

如果音频采集模块仅包括一个具有采集音频功能的单元，例如音频采集模块仅包括一个麦克风，处理模块可以根据音频信号的开始时间确定第一音频信号和第二音频信号。

具体地，在音源与语音交互设备进行语音交互的过程中，音频采集模块仅采集到两段语音。其中开始时间较早的语音为音源播放的第一语音，开始时间较晚的语音为语音交互设备对第一语音的响应，即第二语音。那么，当音频采集模块发送给处理模块的音频信号包括两段音频信号时，处理模块可以将这两段音频信号中开始时间较早的音频信号确定为第一音频信号，将开始时间较晚的音频信号确定为第二音频信号。

如果音频采集模块包括多个具有采集音频功能的单元，例如音频采集模块包括多个麦克风，每个单元可以独立采集音频信号。在音源与语音交互设备进行语音交互的过程中，每个具有采集音频功能的单元都可以采集到两段音频信号。音频采集模块会向处理模块发送两段以上的音频信号，那么处理模块可以采用以下两种方法确定第一音频信号和第二音频信号。下面分别进行介绍。

假设音频采集模块包括麦克风列阵，且该麦克风列阵包括第一麦克风和第二麦克风为例进行说明。在音源和语音交互设备进行语音交互的过程中，音源播放了第一语音，语音交互设备播放第二语音。在该过程中，第一麦克风可以采集第一语音和第二语音，得到第一段音频信号和第二段音频信号。同样，第二麦克风可以采集第一语音和第二语音，得到第三段音频信号和第四段音频信号。

在第一种可能的实现中，处理模块可以根据第一麦克风和第二麦克风的位置确定第一音频信号和第二音频信号。具体地，假设第一麦克风到音源的距离小于第二麦克风到音源的距离，且第二麦克风到语音交互设备的距离大于第一麦克风到语音交互设备的距离。那么音频设备可以从第一段音频信号和第二段音频信号中确定第一音频信号，从第三段音频信号和第四段音频信号中确定第二音频信号。

由于第一麦克风距离音源较近，第一麦克风对第一语音的采集效果更好，那么处理模块可以从第一麦克风采集的第一段音频信号和第二段音频信号中确定第一音频信号。

可选地，处理模块可以比较第一段音频信号和第二段音频信号的强度，如果第一段音频信号的强度大于第二段音频信号的强度，说明在第一麦克风的位置，第一段音频信号对应的语音的强度大于第二段音频信号对应的语音的强度。这样，处理模块可以确定发出第一段音频信号对应的语音的设备为音源，第一段音频信号为第一语音对应的音频信号，从而将第一段音频信号确定为第一音频信号。

可选地，处理模块可以比较第一段音频信号和第二段音频信号的开始时间，如果第一段音频信号的开始时间早于第二段音频信号的强度，说明第一麦克风先采集到第一段音频信号对应的语音，后采集到第二段音频信号对应的语音，第一段音频信号为第一语音对应的音频信号。这样，处理模块可以将第一段音频信号确定为第一音频信号。

同理，由于第二麦克风距离语音交互设备较近，第二麦克风对第二语音的采集效果更好，那么处理模块可以从第二麦克风采集的第三段音频信号和第四段音频信号中确定第二音频信号。

可选地，处理模块可以比较第三段音频信号和第四段音频信号的强度，如果第三段音频信号的强度大于第四段音频信号的强度，说明在第二麦克风的位置，第三段音频信号对应的语音的强度大于第四段音频信号对应的语音的强度。这样，处理模块可以确定发出第三段音频信号对应的语音的设备为语音交互设备，第三段音频信号为第二语音对应的音频信号，从而将第三段音频信号确定为第二音频信号。

可选地，处理模块可以比较第三段音频信号和第四段音频信号的开始时间，如果第三段音频信号的开始时间早于第四段音频信号的强度，说明第二麦克风先采集到第三段音频信号对应的语音，后采集到第四段音频信号对应的语音，第四段音频信号为第二语音对应的音频信号。这样，处理模块可以将第四段音频信号确定为第二音频信号。

在第二种可能的实现中，处理模块可以根据第一段音频信号、第二段音频信号、第三段音频信号和第四段音频信号各自的开始时间和强度确定第一音频信号和第二音频信号。

具体地，处理模块可以先比较相同麦克风采集的两段音频信号的开始时间，从同一麦克风采集的两段音频信号中确定第一语音对应的音频信号和第二语音对应的音频信号。

举例说明。处理模块可以比较第一段音频信号和第二段音频信号各自的开始时间，并比较第三段音频信号和第四段音频信号各自的开始时间。如果第一段音频信号的开始时间早于第二段音频信号的开始时间，说明第一段音频信号的采集时间较早，第一段音频信号是对第一语音进行采集得到的，进而可以确定第二段音频信号是对第二语音进行采集得到的。同理，如果第三段音频信号的开始时间早于第四段音频信号的开始时间，说明第三段音频信号的采集时间较早，第三段音频信号是对第一语音进行采集得到的，进而可以确定第四段音频信号是对第二语音进行采集得到的。

接着，处理模块可以比较同一语音对应的两段音频信号的强度，并将强度较高的音频信号确定为第一音频信号或第二音频信号。

例如，处理模块可以比较第一段音频信号和第三段音频信号的强度。由于第一段音频信号和第三段音频信号都是对第一语音采集得到的，第一段音频信号和第三段音频信号中强度较高的音频信号为对第一语音采集效果更好的音频信号。那么如果第一段音频信号的强度大于第三段音频信号的强度，说明第一麦克风对第一语音的采集效果比第二麦克风更好，处理模块可以将第一段音频信号确定为第一音频信号。

同理，处理模块可以比较第二段音频信号和第四段音频信号的强度。由于第二段音频信号和第四段音频信号都是对第二语音采集得到的，第二段音频信号和第四段音频信号中强度较高的音频信号为对第二语音采集效果更好的音频信号。那么如果第四段音频信号的强度大于第二段音频信号的强度，说明第二麦克风对第二语音的采集效果比第一麦克风更好，处理模块可以将第四段音频信号确定为第二音频信号。

S302：处理模块确定第一音频信号的时间参数和第二音频信号的时间参数。

在确定第一音频信号和第二音频信号之后，处理模块可以得到第一音频信号的时间参数和第二音频信号的时间参数。在本申请实施例中，时间参数可以包括音频信号的开始时间和音频信号的结束时间。那么在确定第一音频信号的时间参数和第二音频信号的时间参数时，处理模块可以通过语音端点检测(Voice Activity Detection,VAD)的方法确定第一音频信号的开始时间、第一音频信号的结束时间、第二音频信号的开始时间和第二音频信号的结束时间。

S302：处理模块根据第一音频信号的时间参数和第二音频信号的时间参数确定语音交互设备的交互等待时间。

根据前文介绍可知，语音交互设备的交互等待时间可以是从用户发出语音指令之后，到语音交互设备开始响应用户的语音指令之间的时间间隔。在确定第一音频信号的结束时间和第二音频信号的开始时间之后，处理模块可以将第一音频信号的结束时间确定为交互等待时间的起始时间，将第二音频信号的开始时间确定为交互等待时间的结束时间。那么第二音频信号的开始时间与第一音频信号的结束之间之差即为语音交互设备的交互等待时间。

在本申请实施例提供的时间确定方法中，可以通过音源播放预设的第一语音，以使语音交互设备根据预设的第一语音进行响应，播放第二语音。通过部署在音源和语音交互设备之间的音频采集模块，可以采集到测试过程中产生的音频信号，得到第一语音对应的第一音频信号和第二语音对应的第二音频信号。这样，第一语音对应的第一音频信号表示音源发出的语音指令，得让语音对应的第二音频信号表示语音交互设备对语音指令的响应。因此，根据第一音频信号的时间参数和第二音频信号的时间参数，可以确定语音交互设备在接收到语音指令之后，发出响应之前的等待时间，即交互等待时间。如此，通过部署音源和音频采集模块，可以实现对语音交互设备的交互等待时间的自动化测试。相较于传统人工测试的方法，一方面可以提高测试的准确性，另一方面可以节省人力物力。

图4为本申请实施例提供的一种时间确定装置的结构示意图，本实施例可以适用于确定语音交互设备的相应时间的场景，该时间确定装置具体包括：获取单元410、第一处理单元420和第二处理单元430。

获取单元410，用于获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

第一处理单元420，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数。

第二处理单元430，用于根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间。

本公开实施例所提供时间确定装置可执行本公开任意实施例所提供的时间确方法，具备执行时间确定方法相应的功能单元和有益效果。

值得注意的是，上述时间确定装置的实施例中，所包括的各个单元和单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开的保护范围。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备(例如运行有软件程序的终端设备)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行图3所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

本公开实施例提供的电子设备与上述实施例提供的时间确定方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。

本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的时间确方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间。

计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一处理单元还可以被描述为“影响因素确定单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，【示例一】提供了一种时间确定方法，该方法包括：

获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；

根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间。

根据本公开的一个或多个实施例，【示例二】提供了一种时间确定方法，该方法还包括：可选地，所述根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间，包括：

根据所述第一音频信号的结束时间和所述第二音频信号的开始时间确定所述语音交互设备的交互等待时间。

根据本公开的一个或多个实施例，【示例三】提供了一种时间确定方法，该方法还包括：可选地，所述语音交互设备的交互等待时间为所述第二音频信号的开始时间与所述第一音频信号的结束信号之差。

根据本公开的一个或多个实施例，【示例四】提供了一种时间确定方法，该方法还包括：可选地，所述获取音频信号包括：

获取麦克风阵列采集的音频信号，所述麦克风阵列包括一个或多个麦克风。

根据本公开的一个或多个实施例，【示例五】提供了一种时间确定方法，该方法还包括：可选地，在获取麦克风阵列采集的音频信号之后，所述方法还包括：

确定来自所述音源的所述第一音频信号；

确定来自所述语音交互设备的所述第二音频信号。

根据本公开的一个或多个实施例，【示例六】提供了一种时间确定方法，该方法还包括：可选地，所述麦克风阵列包括第一麦克风和第二麦克风，所述第一麦克风到所述音源的距离小于所述第二麦克风到所述音源的距离，所述第一麦克风到所述语音交互设备的距离小于所述第二麦克风所述语音交互设备的距离；

所述获取麦克风阵列采集的音频信号，包括：

获取所述第一麦克风采集的第一段音频信号和第二段音频信号；

获取所述第二麦克风采集的第三段音频信号和第四段音频信号；

所述确定来自所述音源的所述第一音频信号，包括：

响应于所述第一段音频信号的信号强度大于所述第二段音频信号的强度，将所述第一段音频信号确定为第一音频信号；或，

响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，将所述第一段音频信号确定为第一音频信号；

所述确定来自所述语音交互设备的所述第二音频信号，包括：

响应于所述第三段音频信号的信号强度大于所述第四段音频信号的强度，将所述第三段音频信号确定为第二音频信号；或，

响应于所述第四段音频信号的采集时间晚于所述第三段音频信号的采集时间，将所述第四段音频信号确定为第二音频信号。

根据本公开的一个或多个实施例，【示例七】提供了一种时间确定方法，该方法还包括：

所述获取麦克风阵列采集的音频信号，包括：

获取所述第一麦克风采集的第一段音频信号和第二段音频信号；

获取所述第二麦克风采集的第三段音频信号和第四段音频信号；

所述确定来自所述音源的所述第一音频信号，包括：

响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，所述第三段音频信号的采集时间早于所述第四段音频信号的采集时间，且所述第一段音频信号的信号强度大于所述第三段音频信号的强度，将所述第一段音频信号确定为第一音频信号；

所述确定来自所述语音交互设备的所述第二音频信号，包括：

响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，所述第三段音频信号的采集时间早于所述第四段音频信号的采集时间，且所述第四段音频信号的信号强度大于所述第二段音频信号的强度，将所述第四段音频信号确定为第二音频信号。

根据本公开的一个或多个实施例，【示例八】提供了一种时间确定方法，该方法还包括：可选地，所述音源包括以下一项或多项：

人工嘴和音箱。

根据本公开的一个或多个实施例，【示例九】提供了一种时间确定方法，该方法还包括：可选地，其特征在于，所述语音交互设备包括以下其中一项或多项：

智能音箱、智能台灯和移动终端。

根据本公开的一个或多个实施例，【示例十】提供了一种时间确定装置，包括：

获取单元，用于获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

第一处理单元，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；

第二处理单元，用于根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间。

根据本公开的一个或多个实施例，【示例十一】提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请任一实施例所述的时间确定方法。

根据本公开的一个或多个实施例，【示例十二】提供了一种时间确定系统，所述系统包括音源、语音交互设备和时间确定设备，所述时间确定设备包括获取模块和处理模块，所述获取模块部署在所述音源和所述语音交互设备之间；

所述音源，用于播放第一语音；

所述语音交互设备，用于接收第一语音，并根据预设语音播放第二语音；

所述获取模块，用于获取音频信号，所述音频信号包括所述第一语音对应的第一音频信号和所述第二语音对应的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

所述处理模块，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间；

所述时间确定设备，还用于执行如本申请任一实施例所述的时间确定方法。

根据本公开的一个或多个实施例，【示例十三】提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任一实施例所述的时间确定方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种时间确定方法，其特征在于，所述方法包括：

获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；

根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间；

其中，所述获取音频信号包括：

获取麦克风阵列采集的音频信号，所述麦克风阵列包括多个麦克风；所述麦克风阵列包括第一麦克风和第二麦克风，所述第一麦克风到所述音源的距离小于所述第二麦克风到所述音源的距离，所述第一麦克风到所述语音交互设备的距离大于所述第二麦克风所述语音交互设备的距离；

确定来自所述音源的所述第一音频信号；

确定来自所述语音交互设备的所述第二音频信号；

其中，所述获取麦克风阵列采集的音频信号包括：

获取所述第一麦克风采集的第一段音频信号和第二段音频信号；

获取所述第二麦克风采集的第三段音频信号和第四段音频信号；

所述确定来自所述音源的所述第一音频信号包括：

响应于所述第一段音频信号的信号强度大于所述第二段音频信号的强度，将所述第一段音频信号确定为第一音频信号；或，响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，将所述第一段音频信号确定为第一音频信号；

所述确定来自所述语音交互设备的所述第二音频信号包括：

响应于所述第三段音频信号的信号强度大于所述第四段音频信号的强度，将所述第三段音频信号确定为第二音频信号；或，响应于所述第四段音频信号的采集时间晚于所述第三段音频信号的采集时间，将所述第四段音频信号确定为第二音频信号。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间，包括：

根据所述第一音频信号的结束时间和所述第二音频信号的开始时间确定所述语音交互设备的交互等待时间。

3.根据权利要求2所述的方法，其特征在于，所述语音交互设备的交互等待时间为所述第二音频信号的开始时间与所述第一音频信号的结束信号之差。

4.根据权利要求1所述的方法，其特征在于，

所述确定来自所述音源的所述第一音频信号，还包括：

响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，所述第三段音频信号的采集时间早于所述第四段音频信号的采集时间，且所述第一段音频信号的信号强度大于所述第三段音频信号的强度，将所述第一段音频信号确定为第一音频信号；

所述确定来自所述语音交互设备的所述第二音频信号，还包括：

响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，所述第三段音频信号的采集时间早于所述第四段音频信号的采集时间，且所述第四段音频信号的信号强度大于所述第二段音频信号的强度，将所述第四段音频信号确定为第二音频信号。

5.根据权利要求1所述的方法，其特征在于，所述音源包括以下一项或多项：

人工嘴和音箱。

6.根据权利要求1所述的方法，其特征在于，所述语音交互设备包括以下其中一项或多项：

智能音箱、智能台灯和移动终端。

7.一种时间确定装置，其特征在于，包括：

获取单元，用于获取音频信号，所述音频信号包括来自音源的第一音频信号和来自语音交互设备的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

第一处理单元，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；

第二处理单元，用于根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间；其中，所述获取单元，具体用于获取第一麦克风采集的第一段音频信号和第二段音频信号；获取第二麦克风采集的第三段音频信号和第四段音频信号获取麦克风阵列采集的音频信号，响应于所述第一段音频信号的信号强度大于所述第二段音频信号的强度，将所述第一段音频信号确定为第一音频信号；或，响应于所述第一段音频信号的采集时间早于所述第二段音频信号的采集时间，将所述第一段音频信号确定为第一音频信号；响应于所述第三段音频信号的信号强度大于所述第四段音频信号的强度，将所述第三段音频信号确定为第二音频信号；或，响应于所述第四段音频信号的采集时间晚于所述第三段音频信号的采集时间，将所述第四段音频信号确定为第二音频信号；所述第一麦克风和所述第二麦克风属于麦克风阵列，所述第一麦克风到所述音源的距离小于所述第二麦克风到所述音源的距离，所述第一麦克风到所述语音交互设备的距离大于所述第二麦克风所述语音交互设备的距离。

8.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的时间确定方法。

9.一种时间确定系统，其特征在于，所述系统包括音源、语音交互设备和时间确定设备，所述时间确定设备包括获取模块和处理模块，所述获取模块部署在所述音源和所述语音交互设备之间；

所述音源，用于播放第一语音；

所述语音交互设备，用于接收第一语音，并根据预设语音播放第二语音；

所述获取模块，用于获取音频信号，所述音频信号包括所述第一语音对应的第一音频信号和所述第二语音对应的第二音频信号，所述第二音频信号为所述语音交互设备接收到所述第一音频信号之后发出的音频信号；

所述处理模块，用于确定所述第一音频信号的时间参数和所述第二音频信号的时间参数；根据所述第一音频信号的时间参数和所述第二音频信号的时间参数确定所述语音交互设备的交互等待时间；

所述时间确定设备，还用于执行如权利要求2-6任一项所述的时间确定方法。

10.一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，该程序被处理器执行时实现如权利要求1-6中任一所述的时间处理方法。