具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例的一个方面，提供了一种联动场景执行方法，可选地，上述联动场景执行方法可以但不限于应用于如图1所示的环境中。至少两个终端设备104构成目标设备网络102，并为目标设备网络102中的至少两个终端设备104配置联动场景。至少两个终端设备104中包含具备语音采集功能的设备。目标设备网络102通过网络110与服务器112进行数据交互。服务器112中运行有数据库114和处理引擎116，数据库114用于接收并存储数据，处理引擎116用于通对数据库114中数据依次执行S102至S108。

将音频数据转换为文本数据。通过网络110接收目标设备网络102发送的音频数据，并将音频数据转换为文本数据。音频数据是目标设备网络102中的语音设备在目标范围内采集的语音数据。对文本数据执行文本识别，在从文本数据中识别出场景文本的情况下，从文本数据中获取指令文本。指令文本是文本数据中去除场景文本剩余的文本。在获取到指令文本的情况下，将指令文本与指令文本集合中包含的执行文本进行比较，指令文本集合中包括与目标设备网络中的联动场景匹配的执行文本。在指令文本集合中包含与指令文本的相似度大于预设阈值的目标文本的情况下，将目标文本对应的目标联动场景确定为与指令文本匹配的联动场景。执行目标联动场景。服务器112将执行目标联动场景的执行指令通过网络110发送给目标设备网络102，以使目标设备网络102执行目标联动场景。

可选地，在本实施例中，上述终端设备可以是配置有语音采集功能的终端设备，可以包括但不限于以下至少之一：手机(如Android手机、IOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(Mobile Internet Devices，移动互联网设备)、PAD、台式电脑、智能电视等。上述网络可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络。上述服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述仅是一种示例，本实施例中对此不作任何限定。

作为一种可选的实施方式，如图2所示，上述联动场景执行方法包括：

S202，在接收到音频数据的情况下，将音频数据转换为文本数据，其中，音频数据是语音设备在目标范围内采集的语音数据，语音设备位于目标网络中；

S204，在从文本数据中识别出场景文本的情况下，从文本数据中获取去除场景文本的指令文本；

S206，在指令文本集合中包含与指令文本的相似度大于预设阈值的目标文本的情况下，将目标文本对应的目标联动场景确定为与指令文本匹配的联动场景，其中，指令文本集合中包括与目标网络中的联动场景匹配的执行文本；

S208，执行目标联动场景。

可选地，目标网络可以但不限于是包括语音设备、由至少两个设备构成的设备网络。在设备网络中，语音设备可以是独立于目标网络中的其他设备、用于语音采集的语音设备，也可以是目标网络中具备语音采集功能的任一设备。例如，语音设备可以是包含在目标网络中的智能音箱，也可以是具备语音采集功能的智能电视。

可选地，联动场景用于指示至少两个终端设备共同执行的场景。目标网络中可以但不限于配置多个联动场景。例如，将照明设备、智能音箱、智能电视、智能空调构建的设备网络中，可以配置第一联动场景，用于指示在打开照明设备的同时，打开智能电视，并打开智能空调。同时可以配置第二联动场景，用于指示通过智能音箱播放音乐，同时关闭照明设备。在第一联动场景中，具备语音采集功能的智能电视作为采集音频数据的语音设备，在第二联动场景中，智能音箱作为采集音频数据的语音设备。

可选地，在目标网络中包含多个可以作为语音设备的终端设备的情况下，接收多个终端设备采集的音频数据，并对每一个音频数据进行单独处理，以得到更为准确的文本数据。从而避免对于音频数据的遗漏。

可选地，在作为语音设备的终端设备被唤醒的情况下，采集音频数据。终端设备可以但不限于是在待机状态采集到唤醒词的情况下，调整至被唤醒状态，从而采集音频数据。唤醒词可以是应用与目标网络的唤醒词，或者应用于语音设备的唤醒词，通常是为目标网络或语音设备预设的固定词语。

可选地，在文本数据中包含场景文本的情况下，确定从文本数据中识别出场景文本，并将文本数据中去除场景文本的剩余文本作为指令文本。场景文本是用于区分执行联动场景的指令与执行其他指令的标识文本。场景文本是预先配置的用于标识联动场景执行的文本。

可选地，指令文本集合用于存储目标网络全部联动场景中各个联动场景对应的执行文本。通过比对指令文本与执行文本，以确定与指令文本匹配的联动场景，并执行与指令文本对应的联动场景。

可选地，在配置每个联动场景的同时，为每个联动场景配置对应的执行文本，并将执行文本添加至指令文本集合中。

可选地，在从文本数据中未识别出场景文本的情况下，确定音频数据确定的语音指令不是联动场景的执行指令，对文本数据进行指令识别处理，以执行与音频数据对应的语音指令。

可选地，指令文本集合中不包括目标文本的情况下，确定没有与执行文本匹配的联动场景，对文本数据进行指令识别处理，以执行与音频数据对应的语音指令。

在本申请实施例中，采用在接收到音频数据的情况下，对音频数据转换的文本数据进行场景文本的识别，在识别出场景文本的情况下，获取文本数据中的指令文本，从而确定与指令文本的相似度大于预设阈值的目标文本，执行以目标文本对应的目标联动场景的方式，通过对音频数据进行场景文本的识别，以确定在包含联动场景执行的场景文本的情况下，确定匹配的目标联动场景从而执行目标联动场景，达到了通过语音指令执行联动场景的目的，从而实现了在音频数据中识别出联动场景的执行指令以执行联动场景的技术效果，进而解决了无法通过语音指令执行联动场景的技术问题。

作为一种可选的实施方式，如图3所示，在将音频数据转换为文本数据之后，还包括：

S302，对文本数据进行文本识别；

S304，在从文本数据中识别出场景文本的情况下，确定文本数据中包含场景文本。

可选地，对文本数据进行文本识别以确定是否包含场景文本，在文本数据中包含场景文本的情况下，确定从文本数据中识别出场景文本。场景文本是为联动场景的执行配置的文本。例如，将场景文本设置为“执行场景”，在音频数据转换的文本数据中包含“执行场景”的情况下，确定识别出场景文本。

可选地，对文本数据进行文本识别以识别场景文本不限于是利用纠错机制对场景文本进行识别，以保证场景文本的识别正确率和效率。

在本申请实施例中，通过联动场景的执行配置场景文本，从而在文本数据中包含场景文本的情况下，确定音频数据中包含联动场景的执行指令，从而按照执行指令执行联动场景，实现了通过语音指令执行联动场景的目的和效果。

作为一种可选的实施方式，如图4所示，在从文本数据中获取去除场景文本的指令文本之后，还包括：

S402，依次比对指令文本与指令文本集合中包含的执行文本；

S404，在指令文本集合中存在与指令文本一致的目标执行文本的情况下，将目标执行文本作为目标文本。

可选地，在确定文本数据中包括场景文本的情况下，将文本数据中去除场景文本之后的数据作为指令文本。在获取到指令文本的情况下，计算指令文本集合包含的每个执行文本与指令文本的相似度。在指令文本集合中包含与指令文本的相似度为百分之百的情况下，确定指令文本集合中存在与指令文本一致的目标执行文本，从而将目标执行文本作为目标文本，确定与目标文本匹配的目标联动场景，以实现确定与指令文本匹配的目标联动场景。

可选地，相似度参数可以但不限于是以下至少之一：公共子串长度，公共子序列长度，编辑距离，汉明距离，字符余弦值。在相似度参数确定为两个或两个以上参数构成的综合参数的情况下，预设每一个相似度参数的参数权值。

作为一种可选的实施方式，在指令文本集合中不包括目标执行文本的情况下，依次获取指令文本结合中包含的执行文本与指令文本的相似度参数；将相似度参数中数值最大对应的执行文本作为目标文本。

可选地，在指令文本集合中不包括与指令文本的相似度为百分之百的目标执行文本的情况下，确定指令文本集合中与指令文本的相似度大于预设阈值的候选执行文本。在候选执行文本的数量大于一的情况下，将相似度参数数值最大对应的候选执行文本作为目标文本。在候选执行文本的数量为一的情况下，将候选执行文本作为目标文本。在候选执行文本的数量小于一，即不存在相似度参数大于预设阈值的执行文本的情况下，确定在指令文本集合中未识别出目标文本。

在本申请实施例中，在指令文本集合中包括与联动场景匹配的执行文本，通过比对指令文本与执行文本的相似度，确定是否存在与已配置的联动场景对应的执行文本，以确定音频数据是否为联动场景的执行指令。通过比对执行文本与指令文本的相似度，简化指令文本的识别流程，降低识别难度，提高识别准确率。

作为一种可选的实施方式，如图5所示，将目标文本对应的目标联动场景确定为与指令文本匹配的联动场景包括：

S502，确定目标文本对应的场景标识，其中，场景标识用于标识目标网络中的联动场景；

S504，将与场景标识对应的联动场景确定为目标联动场景。

可选地，在为目标位网络配置联动场景时，为每一个联动场景配置场景标识。场景标识与联动场景具备关联关系，以用于标识联动场景。在确定目标文本的情况下，确定目标文本对应的场景标识，从而通过场景标识确定目标联动场景。

基于音频数据执行目标联动场景的流程不限于如图6所示。执行S602，接收音频数据。在接收到音频数据的情况下，执行S604，将音频数据转换为文本数据。在得到音频数据转换的文本数据的情况下，执行S606，识别文本数据中是否包含场景文本。以为联动场景的执行配置的场景文本为“执行场景”为例，在文本数据中查找是否包含“执行场景”文本。在S606判断为否，即文本数据中不包含场景文本“执行场景”时，执行S616，执行文本数据对应的语音指令。

在S606判断为是，即文本数据中包含场景文本“执行场景”的情况下，执行S608，从文本数据中提取指令文本。将文本数据中去除场景文本之后的文本作为指令文本。在获取到指令文本的情况下，执行S610，判断指令文本集合中是否存在与指令文本相似度高于预设阈值的目标文本。计算指令文本集合中包含的每一个执行文本与指令文本的相似度，从而得到相似度参数大于预设阈值的目标文本。在S610判断为否，即指令文本集合中不包含目标文本的情况下，执行S616，执行文本数据对应的语音指令。

在S610判断为是，即指令文本集合中确定出目标文本的情况下，执行S612，确定与目标文本对应的场景标识。在确定了场景标识的情况下，执行S614，确定与场景标识对应的目标联动场景，执行目标联动场景。

作为一种可选的实施方式，在将音频数据转换为文本数据之前，还包括：为运行在目标网络中的目标设备组配置目标联动场景，其中，目标设备组中包括至少两个设备，目标联动场景用于指示在满足目标执行条件的情况下，调整目标设备组的工作状态。

可选地，为目标网络中包括的至少两个设备可以构成目标设备组，并配置目标联动场景。目标网络中的每个设备可以与不同的设备构成不同的设备组，并为设备组配置联动场景。例如，为上述示例中目标设备网络包括的照明设备分别配置第一联动场景与第二联动场景。

可选地，配置联动场景不限于包括配置场景标识，配置执行文本，配置执行条件，配置执行动作。配置场景标识和执行文本是为联动场景配置与其他联动场景区分的标识和文本，并建立关联关系。

可选地，配置联动场景的执行条件是为联动场景的执行配置触发条件。触发条件可以但不限于包括指令触发和自动触发。指令触发是在音频数据包括场景文本和执行文本的情况下，触发与执行文本匹配的联动场景的执行。自动触发是指在达到触发条件的情况下，自动触发联动场景的执行。例如，为上述的第二联动场景设置触发条件：每天22时自动触发。则在每天22时，自动打开智能音箱，并关闭照明设备。

可选地，配置联动场景的执行动作是为联动场景所指示的设备配置执行动作。执行动作可以是指示设备状态调整的动作。例如，智能音箱播放音乐，将照明设备调整至工作状态。

作为一种可选的实施方式，至少两个设备将设备属性上报至目标网络的控制系统；以使控制系统监控目标执行条件；在至少两个设备的设备属性满足目标执行条件的情况下，响应执行指令以执行目标联动场景。

可选地，目标网络的控制系统不限于是目标网络的服务器，目标执行条件不限于是识别出场景文本和执行文本或者满足联动场景的执行条件。

在本申请实施例中，通过配置联动场景的执行条件和执行动作，将至少两个设备构成的设备组可以联动执行。同时通过配置场景标识和执行文本，实现通过语音指令执行联动场景。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

根据本发明实施例的另一个方面，还提供了一种用于实施上述联动场景执行方法的联动场景执行装置。如图7所示，该装置包括：

转换单元702，用于在接收到音频数据的情况下，将音频数据转换为文本数据，其中，音频数据是语音设备在目标范围内采集的语音数据，语音设备位于目标网络中；

获取单元704，用于在从文本数据中识别出场景文本的情况下，从文本数据中获取去除场景文本的指令文本；

确定单元706，用于在指令文本集合中包含与指令文本的相似度大于预设阈值的目标文本的情况下，将目标文本对应的目标联动场景确定为与指令文本匹配的联动场景，其中，指令文本集合中包括与目标网络中的联动场景匹配的执行文本；

执行单元708，用于执行目标联动场景。

可选地，上述联动场景执行装置还包括识别单元，用于在将音频数据转换为文本数据之后，包括：

识别模块，用于对文本数据进行文本识别；

第一确定模块，用于在从文本数据中识别出场景文本的情况下，确定文本数据中包含场景文本。

可选地，上述联动场景执行装置还包括比对单元，用于在从文本数据中获取去除场景文本的指令文本之后，包括：

比对模块，用于依次比对指令文本与指令文本集合中包含的执行文本；

第二确定模块，用于在指令文本集合中存在与指令文本一致的目标执行文本的情况下，将目标执行文本作为目标文本。

可选地，上述比对单元还包括第一获取模块，用于在指令文本集合中不包括目标执行文本的情况下，依次获取指令文本结合中包含的执行文本与指令文本的相似度参数；

第三确定模块，用于将相似度参数中数值最大对应的执行文本作为目标文本。

可选地，上述确定单元706包括：

第四确定模块，用于确定目标文本对应的场景标识，其中，场景标识用于标识目标网络中的联动场景；

第五确定模块，用于将与场景标识对应的联动场景确定为目标联动场景。

可选地，上述联动场景执行装置还包括配置单元，用于在将音频数据转换为文本数据之前，为运行在目标网络中的目标设备组配置目标联动场景，其中，目标设备组中包括至少两个设备，目标联动场景用于指示在满足目标执行条件的情况下，调整目标设备组的工作状态。

可选地，上述配置单元还用于至少两个设备将设备属性上报至目标网络的控制系统；以使控制系统监控目标执行条件；在至少两个设备的设备属性满足目标执行条件的情况下，响应执行指令以执行目标联动场景。

在本申请实施例中，采用在接收到音频数据的情况下，对音频数据转换的文本数据进行场景文本的识别，在识别出场景文本的情况下，获取文本数据中的指令文本，从而确定与指令文本的相似度大于预设阈值的目标文本，执行以目标文本对应的目标联动场景的方式，通过对音频数据进行场景文本的识别，以确定在包含联动场景执行的场景文本的情况下，确定匹配的目标联动场景从而执行目标联动场景，达到了通过语音指令执行联动场景的目的，从而实现了在音频数据中识别出联动场景的执行指令以执行联动场景的技术效果，进而解决了无法通过语音指令执行联动场景的技术问题。

根据本发明实施例的又一个方面，还提供了一种用于实施上述联动场景执行方法的电子设备，该电子设备可以是图1所示的终端设备或服务器。本实施例以该电子设备为服务器为例来说明。如图8所示，该电子设备包括存储器802和处理器804，该存储器802中存储有计算机程序，该处理器804被设置为通过计算机程序执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，在接收到音频数据的情况下，将音频数据转换为文本数据，其中，音频数据是语音设备在目标范围内采集的语音数据，语音设备位于目标网络中；

S2，在从文本数据中识别出场景文本的情况下，从文本数据中获取去除场景文本的指令文本；

S3，在指令文本集合中包含与指令文本的相似度大于预设阈值的目标文本的情况下，将目标文本对应的目标联动场景确定为与指令文本匹配的联动场景，其中，指令文本集合中包括与目标网络中的联动场景匹配的执行文本；

S4，执行目标联动场景。

可选地，本领域普通技术人员可以理解，图8所示的结构仅为示意，电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图8其并不对上述电子设备的结构造成限定。例如，电子设备还可包括比图8中所示更多或者更少的组件(如网络接口等)，或者具有与图8所示不同的配置。

其中，存储器802可用于存储软件程序以及模块，如本发明实施例中的联动场景执行方法和装置对应的程序指令/模块，处理器804通过运行存储在存储器802内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的联动场景执行方法。存储器802可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器802可进一步包括相对于处理器804远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器802具体可以但不限于用于存储音频数据，文本数据，联动场景，场景文本等信息。作为一种示例，如图8所示，上述存储器802中可以但不限于包括上述联动场景执行装置中的转换单元702，获取单元704，确定单元706和执行单元708。此外，还可以包括但不限于上述联动场景执行装置中的其他模块单元，本示例中不再赘述。

可选地，上述的传输装置806用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置806包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置806为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

此外，上述电子设备还包括：显示器808，用于显示上述文本数据和联动场景；和连接总线810，用于连接上述电子设备中的各个模块部件。

在其他实施例中，上述终端设备或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点(P2P，Peer To Peer)网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述联动场景执行方面的各种可选实现方式中提供的方法。其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，在接收到音频数据的情况下，将音频数据转换为文本数据，其中，音频数据是语音设备在目标范围内采集的语音数据，语音设备位于目标网络中；

S2，在从文本数据中识别出场景文本的情况下，从文本数据中获取去除场景文本的指令文本；

S3，在指令文本集合中包含与指令文本的相似度大于预设阈值的目标文本的情况下，将目标文本对应的目标联动场景确定为与指令文本匹配的联动场景，其中，指令文本集合中包括与目标网络中的联动场景匹配的执行文本；

S4，执行目标联动场景。

可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。