[发明专利]语音对话方法和装置

权利要求书

1.一种语音对话方法，适用于机器人对话服务平台，其特征在于，包括：

从用户端获取用户语音数据流，并识别语音数据流对应的服务使用方；

对用户语音数据流执行语音端点检测，并获取语音数据流对应的语音识别文本；

当检测到静音时长达到第一时长阈值，对语音识别文本进行句尾检测；

响应于检测到文本句尾且检测到静音时长达到第二时长阈值，或者，响应于未检测到文本句尾且检测到静音时长达到第三时长阈值，根据语音识别文本和对话服务使用方提供的数据，执行语音回复处理；

其中第一时长阈值小于第二时长阈值，第二时长阈值小于第三时长阈值。

2.根据权利要求1所述的方法，其特征在于，还包括：

响应于检测到文本句尾之后，根据语音识别文本的文意展示句尾承接语；或者

响应于未检测到文本句尾之后，根据语音识别文本的文意展示句中承接语。

3.根据权利要求2所述的方法，其特征在于，

根据语音识别文本的文意展示句尾承接语或句中承接语，包括：

根据语音识别文本的文意，从对话服务使用方提供的多个句尾承接语或句中承接语中选取目标句尾承接语或目标句中承接语进行展示。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取语音数据流的语速信息；

根据语速信息，调整第一时长阈值、第二时长阈值和第三时长阈值。

5.根据权利要求1所述的方法，其特征在于，还包括：

从用户端获取服务质量反馈数据，所述服务质量反馈数据包括用户对机器人回复速度相关的评价数据；

根据服务质量反馈数据，调整第一时长阈值、第二时长阈值和第三时长阈值。

6.根据权利要求1所述的方法，其特征在于，还包括：

从服务使用方获取第一时长阈值、第二时长阈值和第三时长阈值。

7.根据权利要求1所述的方法，其特征在于，还包括：

当检测到文本句尾后但未检测到静音时长达到第二时长阈值时又获取语音数据流，执行重新检测静音时长的处理。

8.一种语音对话装置，其特征在于，包括：

服务使用方识别单元，用于机器人对话服务平台获取用户语音数据流，并识别语音数据流针对的服务使用方；

语音处理单元，用于对用户语音数据流执行语音端点检测，并获取语音数据流对应的语音识别文本；

文本句尾检测单元，用于当检测到静音时长达到第一时长阈值，对语音识别文本进行句尾检测；

动态VAD断句回复单元，用于响应于检测到文本句尾且检测到静音时长达到第二时长阈值，或者，响应于未检测到文本句尾检测到静音时长达到第三时长阈值，根据语音识别文本和对话服务使用方提供的数据，执行语音回复处理；

其中第一时长阈值小于第二时长阈值，第二时长阈值小于第三时长阈值。

9.根据权利要求8所述的语音对话装置，其特征在于，所述动态VAD断句回复单元还用于响应于检测到文本句尾之后，根据语音识别文本的文意展示句尾承接语；或者响应于未检测到文本句尾之后，根据语音识别文本的文意展示句中承接语。

10.一种电子设备，其特征在于，包括：

处理器和存储器；

存储器，用于存储实现语音对话方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：从用户端获取用户语音数据流，并识别语音数据流对应的服务使用方；对用户语音数据流执行语音端点检测，并获取语音数据流对应的语音识别文本；当检测到静音时长达到第一时长阈值，对语音识别文本进行句尾检测；响应于检测到文本句尾且检测到静音时长达到第二时长阈值，或者，响应于未检测到文本句尾且检测到静音时长达到第三时长阈值，根据语音识别文本和对话服务使用方提供的数据，执行语音回复处理；其中第一时长阈值小于第二时长阈值，第二时长阈值小于第三时长阈值。