[发明专利]一种机器人多轮对话语音交互方法、系统和终端设备

说明书

本发明涉及语音处理技术领域，特别涉及一种机器人多轮对话语音交互方法、系统和终端设备。所述一种机器人多轮对话语音交互方法，包括步骤：终端设备接收语音数据，按帧读取语音数据；若存在连续多帧有效声音，若连续多帧有效声音的持续时间大于最大预设说话时间阈值，若用户停顿时间大于最小预设停顿时间且小于最大预设停顿时间，则进行语音识别，若用户停顿时间大于最大预设停顿时间，则分析得用户意图，根据所述用户意图播放目标音频文件。本方案中的处理方式可以使得处理效率大大提高，用户可以很快听到终端设备的回复，将大大提高互动效率，且当是有效声音的时候才发送给语音识别系统，亦可大大节约语音识别成本。

技术领域

本发明涉及语音处理技术领域，特别涉及一种机器人多轮对话语音交互方法、系统和终端设备。

背景技术

随着语音识别技术的发展，越来越多的终端设备都带有语音交互功能，目前语音交互通常是将录音音频流直接发送给语音识别接口，比如第三方阿里云、科大讯飞语音识别接口等，由第三方将音频流数据进行断句，返回每句识别结果。或者通过按住某个按钮将设备听筒处于激活状态，等待用户语音输入。在用户语音输入后停顿一段时间将输入语音提交到语音识别接口，进而返回语音识别文字。

对于完全交给第三方识别来反馈识别结果，第三方直接将所有的识别结果发送回来，不能实现机器人与人之间的多轮对话。通过按住某个键激发用户说话状态虽然能多轮对话，但是每次需要用户在说话时触发用户说话状态，对话不够自然。特别对于机器人与人通过电话通话的场景，需要实现多轮对话，用户不能像对讲机一样按住某个按键方式来对话，这样不够自然。

发明内容

为此，需要提供一种机器人多轮对话语音交互方法，用以解决现有语音识别技术中，人与机器人多轮对话时机器人回答慢、或需要人按住某个按键实现对话，对话过程不自然，用户体验差的问题。具体技术方案如下：

一种机器人多轮对话语音交互方法，包括步骤：

终端设备接收语音数据，按帧读取所述语音数据，判断每帧语音数据是否为有效声音；

若为有效声音，则持续收集有效声音帧，判断在最大预设说话时间阈值内是否遇到静音帧，若遇到静音帧，则当遇到所述静音帧时，判断用户停顿时间是否大于等于最小预设停顿时间，若用户停顿时间大于等于最小预设停顿时间，则判断所述静音帧前的有效声音帧的持续时间是否大于等于最小预设说话时间阈值，若大于等于最小说话时间阈值，则发送所述有效声音帧的语音数据至语音识别系统进行语音识别；

若在最大预设说话时间阈值内未遇到静音帧，则当超过最大预设说话时间阈值时直接发送所述有效声音帧的语音数据至语音识别系统进行语音识别；

语音识别系统根据语音识别得语义内容，并发送所述语义内容至终端设备；

所述终端设备根据预设知识图谱对所述语义内容进行分析得用户意图，根据所述用户意图播放所述目标音频文件。

进一步的，所述“若用户停顿时间大于等于最小预设停顿时间”后，还包括步骤：

判断所述静音帧前的有效声音帧的持续时间是否小于最小预设说话时间阈值，若小于最小预设说话时间阈值，则判定为无效声音。

进一步的，所述“所述终端设备根据预设知识图谱对所述语义内容进行分析得用户意图”，还包括步骤：

所述预设知识图谱上设置有多个节点，每个节点代表一个用户意图；

获取语义内容中的关键字，当语义内容中有多个关键字正则匹配上所述预设知识图谱上的节点时，则选定所述节点对应的用户意图为最终的用户意图；

或通过语义内容结合当前话题关联性，选取关联性大的用户意图为最终的用户意图；

或获取用户属性，结合用户属性、语义内容和预设知识图谱分析得用户意图。