[发明专利]语音交互的方法、装置、设备和计算机可读存储介质

说明书

根据本公开的实施例，提供了一种语音交互的方法、装置、设备和存储介质，涉及语音交互领域。该方法包括：从接收的语音数据中提取声学特征，所述声学特征指示所述语音数据的短时幅度谱特性；将所述声学特征应用于类型识别模型以确定所述语音数据的意图类型，所述意图类型为交互意图类型和非交互意图类型中的一种，所述类型识别模型是基于训练语音数据的所述声学特征而构建的；以及根据确定所述意图类型为交互意图类型，执行所述语音数据所指示的交互操作。以此方式，提高了语音交互过程的正确性和便利性，改善了交互体验。

技术领域

本公开的实施例主要涉及语音处理领域，并且更具体地，涉及语音交互的方法、装置、设备和计算机可读存储介质。

背景技术

随着工智能技术(Artificial Intelligence，AI)技术不断的开发和完善，语音交互作为人工智能领域的重要分支已经逐步走进日常生活中，针对语音交互的应用场景也逐渐增多。智能设备(诸如，移动终端、智能音箱、车载终端、智能家电等)可以识别输入的语音数据，并基于识别的结果执行交互操作。

在与智能设备进行交互的过程中，人们期望采用更贴近于自然语言的沟通方式。传统的语音交互方案通常基于预先制定的策略执行简单的语音交互，无法实现贴近自然语言的交互体验。

发明内容

根据本公开的示例实施例，提供了一种语音交互的方案。

在本公开的第一方面中，提供了一种语音交互的方法。该方法包括：从接收的语音数据中提取声学特征，所述声学特征指示所述语音数据的短时幅度谱特性；将所述声学特征应用于类型识别模型以确定所述语音数据的意图类型，所述意图类型为交互意图类型和非交互意图类型中的一种，所述类型识别模型是基于训练语音数据的所述声学特征而构建的；以及根据确定所述意图类型为交互意图类型，执行所述语音数据所指示的交互操作。

在本公开的第二方面中，提供了一种语音交互装置。该装置包括：特征提取模块，从被配置为接收的语音数据中提取声学特征，声学特征指示语音数据的短时幅度谱特性；类型识别模块，被配置为将声学特征应用于类型识别模型以确定语音数据的意图类型，意图类型为交互意图类型和非交互意图类型中的一种，类型识别模型是基于训练语音数据的声学特征而构建的；以及交互执行模块，被配置为根据确定意图类型为交互意图类型，执行语音数据所指示的交互操作。

在本公开的第三方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。

在本公开的第四方面中，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根据本公开的第一方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了根据本公开的多个实施例的语音交互方案的示例环境的示意图；

图2示出了根据本公开的一些实施例的语音交互方法的流程图；

图3示出了根据本公开的实施例的滤波器组特征提取过程的流程图；

图4示出了能够实施本公开的多个实施例的类型识别模型的示意框图；

图5示出了根据本公开的多个实施例的构建类型识别模型方案的示例环境的示意图；

图6示出了能够实施本公开的多个实施例的语音交互装置的示意框图；以及