一种语音控制方法、装置、电子设备及存储介质与流程

1.本技术涉及数据处理技术领域，特别是涉及一种语音控制方法、装置、电子设备及存储介质。

背景技术：

2.为了方便用户在车辆行驶过程中使用应用程序，车载智能设备可以通过语音与用户进行交互，通过用户的语音输入判断是否执行某些功能。相关技术中，车载智能设备针对当前界面可以执行的操作进行交互，也就是“可见即可说”的语音控制功能。
3.但是，“可见即可说”的语音控制功能通常基于预设规则的方案，针对不同的应用程序分别设置不同的语音匹配规则，当车载智能设备增加新的应用程序，或应用程序发生较大更新时，需要同步增加预设规则。
4.因此，当前语音控制功能过拟合于具体的应用程序，不具有通用性，适应性较差。

技术实现要素：

5.为解决上述技术问题，本技术示出了一种语音控制方法、装置、电子设备及存储介质，以至少解决相关技术中当前语音控制功能过拟合于具体的应用程序，不具有通用性，适应性较差的问题。本技术的技术方案如下：。
6.第一方面，本技术示出了一种语音控制方法，所述方法包括：
7.获取用户输入的语音信息；
8.将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，所述待处理文本信息中包括掩码文本；
9.将所述待处理文本信息输入至预先训练得到的语言处理模型，对所述待处理文本信息进行语义分析，对所述掩码文本进行预测，将预测结果作为目标文本；
10.基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作。
11.可选地，所述将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，包括：
12.将所述语音信息转换为文本，得到语音文本信息；
13.将当前界面包括的控件作为候选控件，获取所述候选控件的控件文本信息，所述控件文本信息中包括所述候选控件的控件标识；
14.对所述控件文本信息及所述语音文本信息进行规范化处理，得到预设格式的待处理文本信息，所述掩码文本的取值范围包括至少一个所述控件标识。
15.可选地，所述获取所述候选控件的控件文本信息，包括：
16.在所述候选控件具有对应的图像信息的情况下，对所述图像信息进行特征解析，得到控件文本信息。
17.可选地，所述语言处理模型为遮盖语言模型。
18.可选地，所述基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作之后，还包括：
19.获取反馈数据；
20.基于所述反馈数据，对所述语言处理模型进行训练，更新所述语言处理模型的模型参数。
21.根据本技术实施例的第二方面，提供一种语音控制装置，包括：
22.获取单元，被配置为执行获取用户输入的语音信息；
23.转换单元，被配置为执行将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，所述待处理文本信息中包括掩码文本；
24.预测单元，被配置为执行将所述待处理文本信息输入至预先训练得到的语言处理模型，对所述待处理文本信息进行语义分析，对所述掩码文本进行预测，将预测结果作为目标文本；
25.控制单元，被配置为执行基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作。
26.可选地，所述转换单元，被配置为执行：
27.将所述语音信息转换为文本，得到语音文本信息；
28.将当前界面包括的控件作为候选控件，获取所述候选控件的控件文本信息，所述控件文本信息中包括所述候选控件的控件标识；
29.对所述控件文本信息及所述语音文本信息进行规范化处理，得到预设格式的待处理文本信息，所述掩码文本的取值范围包括至少一个所述控件标识。
30.可选地，所述转换单元，被配置为执行：
31.在所述候选控件具有对应的图像信息的情况下，对所述图像信息进行特征解析，得到控件文本信息。
32.可选地，语言处理模型为遮盖语言模型。
33.可选地，所述装置还包括：
34.更新单元，被配置为执行获取反馈数据；
35.基于所述反馈数据，对所述语言处理模型进行训练，更新所述语言处理模型的模型参数。
36.根据本技术实施例的第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一项所述的语音控制方法的步骤。
37.根据本技术实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的语音控制方法的步骤。
38.与现有技术相比，本技术包括以下优点：
39.获取用户输入的语音信息；将候选控件的控件文本信息及语音信息转换为预设格式的待处理文本信息，待处理文本信息中包括掩码文本；将待处理文本信息输入至预先训练得到的语言处理模型，对待处理文本信息进行语义分析，对掩码文本进行预测，将预测结果作为目标文本；基于目标文本，从候选控件中确定目标控件，并对目标控件执行预设操
作。
40.这样，通过获取候选控件的控件文本信息，对控件文本信息和用户输入的语音信息进行语义分析，得到输出的目标文本，目标文本中对用户所操作的候选控件进行预测，从而实现了对候选控件的语音控制，而且，相比于为每个应用程序制定特定规则的语音控制方案，本发明更为通用，可以适用于各种不同的应用程序。
附图说明
41.图1是本技术的一种语音控制方法的步骤流程图；
42.图2是本技术的一种语音控制方法的逻辑示意图；
43.图3是本技术的一种语音控制装置的结构框图；
44.图4是本技术的一种电子设备的示意图。
具体实施方式
45.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
46.需要说明的是，本技术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，以便这里描述的本技术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。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
47.参照图1，示出了本技术的一种语音控制方法的步骤流程图，应用于车辆的控制器，具体可以包括如下步骤：
48.在步骤s11中，获取用户输入的语音信息。
49.为了方便用户在车辆行驶过程中使用应用程序，车载智能设备可以通过语音与用户进行交互，通过用户的语音输入判断是否执行某些功能。在本步骤中，获取的语音信息即为用户进行语音控制时发出的语音指令。
50.在本技术中，可以响应于接收到的任意语音信息，执行后续的语音控制步骤，或者，也可以对接收到的语音信息进行特征识别，仅响应于特定人物发出的语音信息，或包含某个关键词的语音信息，执行后续的语音控制步骤，具体不做限定。
51.在步骤s12中，将候选控件的控件文本信息及语音信息转换为预设格式的待处理文本信息，待处理文本信息中包括掩码文本。
52.在本步骤中，候选控件即为电子设备当前界面所展示的控件，通常，每个候选控件都具有对应的控件文本信息，比如，可以是该候选控件的名称、标识或对应的功能，等等。另外，用户输入的语音信息也可以利用语音识别技术转换为文本信息，这样，就可以得到与候选控件及用户输入的语音信息对应的待处理文本信息，待处理文本信息中包括掩码文本，掩码文本也就是尚未确定其具体内容的文本。可以理解，将待处理文本信息规范为预设格式，可以消除干扰信息的影响，有利于提高后续语音控制的准确度。
53.一种实现方式中，将候选控件的控件文本信息及语音信息转换为预设格式的待处
理文本信息，包括：将语音信息转换为文本，得到语音文本信息；将当前界面包括的控件作为候选控件，获取候选控件的控件文本信息，控件文本信息中包括候选控件的控件标识；对控件文本信息及语音文本信息进行规范化处理，得到预设格式的待处理文本信息，掩码文本的取值范围包括至少一个控件标识。
54.具体来说，通过语音识别模型，可以将用户输入的语音信息转换为文本信息，同时，当前界面上所有候选控件的控件文本信息，可以理解，用户的语音控制通常是通过语音对当前界面的控件进行操作，而控件文本信息对应于不同的候选控件，因此，语音文本信息与控件文本信息会有一部分相匹配的内容，可以用于后续的语音控制。
55.将候选控件的控件文本信息及语音信息转换为预设格式的待处理文本信息，可以减少控件文本信息及语音信息中的冗余及错误信息对后续处理造成的影响，从而提高语音控制的准确度。
56.在上述实现方式中，可以直接获取候选控件的控件文本信息，而在另外的场景中，候选控件可能并不具有对应的控件文本信息，仅具有对应的图像信息，那么，可以通过对图像信息的处理，从候选控件的图像信息中识别出其对应的文本信息，作为候选控件的控件文本信息。
57.其中，获取候选控件的控件文本信息的步骤，包括：在候选控件具有对应的图像信息的情况下，对图像信息进行特征解析，得到控件文本信息。比如，可以将图像中包括的文字识别出来，作为控件文本信息，或者，也可以对图像特征进行识别，归纳出图像中包括的特征信息，作为控件文本信息，等等，具体不做限定。
58.这样，可以进一步完善待处理文本信息中包括的内容，使得用户可以通过语音对当前界面中的任意候选控件进行操作，提高语音控制的准确度。
59.在步骤s13中，将待处理文本信息输入至预先训练得到的语言处理模型，对待处理文本信息进行语义分析，对掩码文本进行预测，将预测结果作为目标文本。
60.在本步骤中，语言处理模型为mlm(mask language model，遮盖语言模型)，也就是说，语言处理模型可以实现遮盖语言模型的功能，比如，可以为albert模型(a lite bert，轻量级bert)。在遮盖语言模型中，通常屏蔽给定句子中特定百分比的单词，模型期望基于该句子中的其他单词预测这些被屏蔽的单词。
61.可以理解，如果用户需要对某个候选控件执行某些操作，那么，通常在用户输入的语音信息中，会包含该候选控件的部分或全部的控件文本信息，那么，在将候选控件的控件文本信息及语音信息转换为预设格式的待处理文本信息之后，将待处理文本信息输入至语言处理模型，由语言处理模型对待处理文本信息进行分析，根据控件文本信息及语音信息对应的文本信息，预测出掩码文本的内容，也就是目标文本，目标文本代表语言处理模型对用户输入的语音信息的推测，目标文本对应于用户所选择的候选控件。
62.由前述可知，一种实现方式中，掩码文本的取值范围包括至少一个控件标识，也就是说，目标文本中包括至少一个控件标识。比如，在待处理文本信息中可以包括“选第[mask][mask][mask]个”这样的语句，其中，“[mask][mask][mask]”即为掩码文本，也就是语言处理模型需要进行预测的文本，而预测结果即为某个控件标识，目标文本可以是“选第003个”，或者，也可以是“003”，“003”则代表某个候选控件的控件标识，具体不做限定。
[0063]
在步骤s14中，基于目标文本，从候选控件中确定目标控件，并对目标控件执行预
设操作。
[0064]
其中，目标文本中可以对应于一个目标控件，也可以对应于多个目标控件，另外，对目标控件执行的预设操作，可以是预设的点击操作或滑动操作，也可以是根据用输入的语音信息确定的某个操作，具体不做限定。
[0065]
一种实现方式中，基于目标文本，从候选控件中确定目标控件，并对目标控件执行预设操作之后，还包括：获取反馈数据；基于反馈数据，对语言处理模型进行训练，更新语言处理模型的模型参数。
[0066]
举例而言，反馈数据可以为用户的行为日志，比如，若对目标控件执行预设操作之后，用户下一步执行了返回操作，那么，可以认为前一步的语音控制是失误的，识别出的目标控件并不是用户想要操作的候选控件，进而，可以根据用户接下来执行的操作，对语言处理模型的参数进行调整；反之，如果对目标控件执行预设操作之后，用户在一段时间内并未执行新的操作，或至少并未执行返回操作，那么，可以认为前一步的语音控制是准确的，识别出的目标控件是用户想要操作的候选控件。
[0067]
这样，随着版本迭代，训练数据增加，语言处理模型的泛化能力会越来越强，为应对应用程序增加或更新而添加新训练数据的需求会逐渐变小，进一步提高语音控制的准确度。
[0068]
举例而言，如图2所示，为本技术的一个具体实施例，其中，语言处理模型为albert模型，首先，获取用户语音输入及界面信息，界面信息也就是候选控件的控件文本信息，控件文本信息中包括控件标识id，比如，用户语音输入可以表示为：
[0069]“用户输入”：“打开程序a”[0070]
控件文本信息可以表示为：
[0071]“当前界面控件信息”：[{“id”：1，“文本”：“蓝牙电话”}，{“id”：2，“文本”：“公司”}]
[0072]
然后，将用户语音输入及界面信息转换为预设格式的待处理文本，可以表示为：
[0073]
[cls]1蓝牙电话，[sep]2公司，[sep]3蓝牙未连接，[sep]输入：打开程序a[sep]选第[mask][mask][mask]个[sep]
[0074]
将待处理文本输入至albert模型后，可以得到预测结果，比如，预测结果可以为：
[0075]
[cls]1蓝牙电话，[sep]2公司，[sep]3蓝牙未连接，[sep]输入：打开程序a[sep]选第000个[sep]
[0076]
这种情况下，表示目标文本为“000”，那么，可以认为用户输入语音中没有对任一候选控件执行操作，则不点击任意控件；
[0077]
或者，预测结果可以为：
[0078]
[cls]1蓝牙电话，[sep]2公司，[sep]3蓝牙未连接，[sep]输入：打开程序a[sep]选第003个[sep]
[0079]
这种情况下，表示目标文本为“003”，那么，可以认为用户输入语音中没有对控件标识为3的候选控件执行了操作，则点击第三个控件“蓝牙未连接”。
[0080]
由以上可见，本技术的实施例提供的技术方案，通过获取候选控件的控件文本信息，对控件文本信息和用户输入的语音信息进行语义分析，得到输出的目标文本，目标文本中对用户所操作的候选控件进行预测，从而实现了对候选控件的语音控制，而且，相比于为
每个应用程序制定特定规则的语音控制方案，本发明更为通用，可以适用于各种不同的应用程序。
[0081]
需要说明的是，对于方法实施例，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，本技术并不受所描述的动作顺序的限制，因为依据本技术，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可选实施例，所涉及的动作并不一定是本技术所必须的。
[0082]
参照图3，示出了本技术的一种语音控制装置的结构框图，该装置具体可以包括如下模块：
[0083]
获取单元201，被配置为执行获取用户输入的语音信息；
[0084]
转换单元202，被配置为执行将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，所述待处理文本信息中包括掩码文本；
[0085]
预测单元203，被配置为执行将所述待处理文本信息输入至预先训练得到的语言处理模型，对所述待处理文本信息进行语义分析，对所述掩码文本进行预测，将预测结果作为目标文本；
[0086]
控制单元204，被配置为执行基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作。
[0087]
可选地，所述转换单元202，被配置为执行：
[0088]
将所述语音信息转换为文本，得到语音文本信息；
[0089]
将当前界面包括的控件作为候选控件，获取所述候选控件的控件文本信息，所述控件文本信息中包括所述候选控件的控件标识；
[0090]
对所述控件文本信息及所述语音文本信息进行规范化处理，得到预设格式的待处理文本信息，所述掩码文本的取值范围包括至少一个所述控件标识。
[0091]
可选地，所述转换单元202，被配置为执行：
[0092]
在所述候选控件具有对应的图像信息的情况下，对所述图像信息进行特征解析，得到控件文本信息。
[0093]
可选地，语言处理模型为遮盖语言模型。
[0094]
可选地，所述装置还包括：
[0095]
更新单元，被配置为执行获取反馈数据；
[0096]
基于所述反馈数据，对所述语言处理模型进行训练，更新所述语言处理模型的模型参数。
[0097]
由以上可见，本技术的实施例提供的技术方案，通过获取候选控件的控件文本信息，对控件文本信息和用户输入的语音信息进行语义分析，得到输出的目标文本，目标文本中对用户所操作的候选控件进行预测，从而实现了对候选控件的语音控制，而且，相比于为每个应用程序制定特定规则的语音控制方案，本发明更为通用，可以适用于各种不同的应用程序。
[0098]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0099]
图4是根据一示例性实施例示出的一种电子设备的框图。
[0100]
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指
令的存储器，上述指令可由电子设备的处理器执行以完成上述方法。可选地，计算机可读存储介质对于内存就是ram，统称为ddr；对于rom，根据技术的不同，会选择emmc或ufs。
[0101]
在示例性实施例中，还提供一种计算机程序产品，当其在计算机上运行时，使得计算机实现上述语音控制的方法。
[0102]
由以上可见，本技术的实施例提供的技术方案，通过获取候选控件的控件文本信息，对控件文本信息和用户输入的语音信息进行语义分析，得到输出的目标文本，目标文本中对用户所操作的候选控件进行预测，从而实现了对候选控件的语音控制，而且，相比于为每个应用程序制定特定规则的语音控制方案，本发明更为通用，可以适用于各种不同的应用程序。
[0103]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0104]
本领域内的技术人员应明白，本技术的实施例可提供为方法、装置、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0105]
本技术是参照根据本技术的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0106]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0107]
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0108]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0109]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品
或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0110]
以上对本技术所提供的一种语音控制方法、装置、电子设备及存储介质，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：

1.一种语音控制方法，其特征在于，包括：获取用户输入的语音信息；将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，所述待处理文本信息中包括掩码文本；将所述待处理文本信息输入至预先训练得到的语言处理模型，对所述待处理文本信息进行语义分析，对所述掩码文本进行预测，将预测结果作为目标文本；基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作。2.根据权利要求1所述的方法，其特征在于，所述将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，包括：将所述语音信息转换为文本，得到语音文本信息；将当前界面包括的控件作为候选控件，获取所述候选控件的控件文本信息，所述控件文本信息中包括所述候选控件的控件标识；对所述控件文本信息及所述语音文本信息进行规范化处理，得到预设格式的待处理文本信息，所述掩码文本的取值范围包括至少一个所述控件标识。3.根据权利要求2所述的方法，其特征在于，所述获取所述候选控件的控件文本信息，包括：在所述候选控件具有对应的图像信息的情况下，对所述图像信息进行特征解析，得到控件文本信息。4.根据权利要求1所述的方法，其特征在于，所述语言处理模型为遮盖语言模型。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作之后，还包括：获取反馈数据；基于所述反馈数据，对所述语言处理模型进行训练，更新所述语言处理模型的模型参数。6.一种语音控制装置，其特征在于，包括：获取单元，被配置为执行获取用户输入的语音信息；转换单元，被配置为执行将候选控件的控件文本信息及所述语音信息转换为预设格式的待处理文本信息，所述待处理文本信息中包括掩码文本；预测单元，被配置为执行将所述待处理文本信息输入至预先训练得到的语言处理模型，对所述待处理文本信息进行语义分析，对所述掩码文本进行预测，将预测结果作为目标文本；控制单元，被配置为执行基于所述目标文本，从所述候选控件中确定目标控件，并对所述目标控件执行预设操作。7.根据权利要求6所述的装置，其特征在于，所述转换单元，被配置为执行：将所述语音信息转换为文本，得到语音文本信息；将当前界面包括的控件作为候选控件，获取所述候选控件的控件文本信息，所述控件文本信息中包括所述候选控件的控件标识；对所述控件文本信息及所述语音文本信息进行规范化处理，得到预设格式的待处理文
本信息，所述掩码文本的取值范围包括至少一个所述控件标识。8.根据权利要求7所述的装置，其特征在于，所述转换单元，被配置为执行：在所述候选控件具有对应的图像信息的情况下，对所述图像信息进行特征解析，得到控件文本信息。9.根据权利要求6所述的装置，其特征在于，语言处理模型为遮盖语言模型。10.根据权利要求6所述的装置，其特征在于，所述装置还包括：更新单元，被配置为执行获取反馈数据；基于所述反馈数据，对所述语言处理模型进行训练，更新所述语言处理模型的模型参数。11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任一项所述的语音控制方法的步骤。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的语音控制方法的步骤。

技术总结

本申请提供了一种语音控制方法，包括：获取用户输入的语音信息；将候选控件的控件文本信息及语音信息转换为预设格式的待处理文本信息，待处理文本信息中包括掩码文本；将待处理文本信息输入至预先训练得到的语言处理模型，对待处理文本信息进行语义分析，对掩码文本进行预测，将预测结果作为目标文本；基于目标文本，从候选控件中确定目标控件，并对目标控件执行预设操作。相比于为每个应用程序制定特定规则的语音控制方案，本发明更为通用，可以适用于各种不同的应用程序。以适用于各种不同的应用程序。以适用于各种不同的应用程序。