[发明专利]用于执行基于语音的人机交互的数据处理装置和方法

说明书

用于执行基于语音的人机交互、即HMI的方法，包括：获得用户语音；确定是否能生成对用户语音的应答；以及如果不能生成应答，则将与用户语音相对应的信息发送给呼叫中心。用于执行基于语音的人机交互、即HMI的数据处理装置(100)，包括：适于获取用户语音的获取模块；适于确定是否能生成对用户语音的应答的确定模块(112)；以及适于将与用户语音相对应的信息发送给呼叫中心的发送模块(113)。

技术领域

本发明总体上涉及人机交互、即HMI领域，并且更具体地涉及一种特别是在车辆中用于执行基于语音的人机交互的方法和装置。

背景技术

随着技术的飞速发展和日常使用的频繁，语音识别(SR)被广泛应用于许多分支领域和场景中，例如苹果公司的产品是众所周知的。这可能是非常有用的日常私人助理。最近，基于语音识别技术的个人助理功能也已在车载导航和信息娱乐系统中实现。受益于训练更有素的深度学习模型，以及通过移动互联网从用户那里收集的大量数据，语音识别的性能也越来越好。

自然语言理解(NLU)技术已得到显著改进，这使基于语音的人机交互(HMI)更加自然和智能。与5年前所谓的基于命令的控制系统不同，它可以正确理解驾驶员/用户并在许多领域回答用户的问题，例如设置导航、在特定区域中找到POI、调谐收音机、播放歌曲等。上述基于语音的人机交互功能作为在本领域中基于人工智能(AI)的服务已知，其不使用或很少使用人机交互来回答驾驶员的问题。

但是，由于种种原因，例如说话人的口音、不寻常的讲话方式、外地未知的目的地名称，语音识别和NLU有时无法正确理解驾驶员的要求或无法找不到相应的应答。有时，母语讲话人甚至很难理解用户想要提的问题，因为与不同口音相关的语言可能会非常多样化和灵活。例如，根据一项调查，有12种不同的中文表达方式来问如何打开汽车中的功能。对于当前的AI系统、例如NLU来说，不可能理解所有这些不同的表达方式和口音。即使SR和NLU技术已经足够成熟，但是如果POI不在数据库中，或者用户讲话的口音很不正常，仍然会出现故障。

另一个问题是关于HMI的对话设计，尤其是当语音识别和/或NLU系统出现故障时，AI系统通常会反复要求驾驶员再次说出问题，这在这种情况下无济于事，并且有时甚至使驾驶员感到困惑他能做什么。

目前，大多数用户宁愿使用礼宾服务(呼叫中心)来向人工助手讲话，也不愿使用AI辅助系统，在礼宾服务中坐席代表将回答驾驶员的问题。呼叫中心是一个集中式办公室，用于通过电话接收或传输大量请求。入站呼叫中心由公司运营，以管理传入的服务支持或来自消费者的信息查询。呼叫中心坐席代表配备有计算机、连接到电信交换机的电话机/耳机以及一个或多个主管站。它可以独立运行，也可以与其他中心联网，通常链接到企业计算机网络，包括大型机、微型计算机和LAN。进入中心的语音和数据路径越来越多地通过称为计算机电话集成的一组新技术进行链接。

如果车载系统将触发人工礼宾服务，则呼叫中心中的坐席代表将接管该服务。坐席代表可以与驾驶员互动并解决驾驶员遇到的问题。但是，在这种情况下，驾驶员不得不向人工助手重复他的问题和要求。

发明内容

本发明的任务是，提供一种在基于AI的系统发生故障的情况下可以解决用户问题的方法和装置。

上述任务由权利要求1以及权利要求7和13解决。在从属权利要求中还定义了有利的特征。

本发明的实施例提供了一种用于执行基于语音的人机交互的方法、装置和车辆，当基于AI的系统由于不同的原因而不能回答用户的问题时，其能够提供有效和舒适的用户体验。

因此，提供了一种计算机实现的用于执行基于语音的人机交互的方法。该方法包括：接收用户语音；确定是否能生成对该用户语音的应答；以及如果不能生成应答，则将与该用户语音相对应的信息发送给呼叫中心。