[发明专利]一种语音分析用户对话情绪的方法及装置

说明书

本申请实施例提供的一种语音分析用户对话情绪的方法及装置，该方法通过抽取与用户语音数据相对应的若干真实语音部分；对每一真实语音部分进行切割处理，以获取若干短时语音片段；根据情绪识别模型将若干短时语音片段解码为若干短时情绪状态；将相邻且相同的若干短时情绪状态合并为第一稳定情绪状态，其中，一第一稳定情绪状态与一真实语音部分相对应，根据若干第一稳定情绪状态获取第二稳定情绪状态；通过本申请，解决了在将用户语音数据转换为文本数据而获取用户情绪的情况下，会获取错误的用户情绪以及具有滞后性和不确定性的问题，实现了在用户说话的同时，直接分析用户的语音信息，可以实时地获取说话人的情绪的技术效果。

技术领域

本申请涉及人机交互领域，特别是涉及一种语音分析用户对话情绪的方法及装置。

背景技术

目前在智能终端进行人机对话的情况下，智能终端可以将获取到的用户语音数据转换为文本数据，然后通过该文本数据获取用户情绪。具体地，智能终端可以通过语音识别系统将用户语音数据转换为文本数据，然后将该文本数据发送到语言理解系统，以获取与用户语音数据相对应的语义理解，然后智能终端根据该语义理解感知获取用户情绪。

相关技术中，感知用户情绪比较依赖于语音识别系统识别文本的准确性，若文本识别发出错误，那么也会直接导致智能终端获取错误的用户情绪，从而影响用户的人机对话体验；且语音识别系统也只能在用户说完一句话之后，才能将用户语音数据进行转换为文本数据，然后再获取与用户语音数据相对应的语义理解，从而具有严重的滞后性；且在智能终端与用户进行人机对话的情况下，用户可以使用不同的情绪表达出相同的用户语音数据，从而会使智能终端获取到错误的用户情绪，具有严重的不确定性。

目前针对相关技术中在将用户语音数据转换为文本数据而获取用户情绪的情况下，会获取错误的用户情绪以及获取用户情绪具有滞后性和不确定性的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种语音分析用户对话情绪的方法及装置，以至少解决相关技术中在将用户语音数据转换为文本数据而获取用户情绪的情况下，会获取错误的用户情绪以及具有滞后性和不确定性的问题。

第一方面，本发明提供了一种语音分析用户对话情绪的方法，包括：

获取用户语音数据，并抽取与所述用户语音数据相对应的若干真实语音部分，其中，若干所述真实语音部分均为非静音语音数据；

对每一所述真实语音部分进行切割处理，以获取若干短时语音片段，其中，每一所述真实语音部分包括至少一所述短时语音片段；

根据情绪识别模型将若干所述短时语音片段解码为若干短时情绪状态，其中，一所述短时语音片段与一所述短时情绪状态相对应；

将相邻且相同的若干所述短时情绪状态合并为第一稳定情绪状态，其中，一所述第一稳定情绪状态与一所述真实语音部分相对应；

判断若干所述第一稳定情绪状态是否相同；

在若干所述第一稳定情绪状态相同的情况下，将若干所述第一稳定情绪状态合并生成一第二稳定情绪状态，其中，所述用户语音数据与一所述第二稳定情绪相对应。

进一步地，在判断若干所述第一稳定情绪状态是否相同之后，还包括：

在若干所述第一稳定情绪状态不相同的情况下，将相邻且相同的若干所述第一稳定情绪状态合并生成若干第二稳定情绪状态，其中，所述用户语音数据与若干所述第二稳定情绪相对应。

进一步地，在根据情绪识别模型将若干所述短时语音片段解码为若干短时情绪状态之前，所述方法还包括：

获取带有情绪特征标签的若干训练语音数据，其中，所述情绪特征标签包括正面情绪特征、负面情绪特征；

根据若干所述训练语音数据，训练并构建情绪识别模型。