[發(fā)明專利]語音交互方法和裝置

在審

• 申請?zhí)枺?/td>: 201410670573.5
• 申請日: 2014-11-20
• 公開（公告）號: CN104391673A
• 公開（公告）日: 2015-03-04
• 發(fā)明（設(shè)計(jì)）人: 李秀林
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06F3/16
• 分類號: G06F3/16;G10L15/14;G10L15/08
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

1.一種語音交互方法，其特征在于，包括：

接收輸入語音，并對所述輸入語音進(jìn)行特征提取，得到所述輸入語音的特征信息；

根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別以及語音識(shí)別，得到語音特點(diǎn)和語音識(shí)別結(jié)果，其中，所述語音特點(diǎn)包括：方言，口音或者普通話；

根據(jù)所述語音識(shí)別結(jié)果和所述語音特點(diǎn)，獲取與所述輸入的語音對應(yīng)的答案；

根據(jù)所述語音特點(diǎn)和所述答案，生成輸出語音，所述輸出語音是與所述答案對應(yīng)的且具有所述語音特點(diǎn)的語音。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別以及語音識(shí)別，得到語音特點(diǎn)和語音識(shí)別結(jié)果，包括：

根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別，得到語音特點(diǎn)；

確定與所述語音特點(diǎn)對應(yīng)的語音識(shí)別模型，并采用與所述語音特點(diǎn)對應(yīng)的語音識(shí)別模型對所述輸入語音進(jìn)行識(shí)別，得到語音識(shí)別結(jié)果。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別，得到語音特點(diǎn)，包括：

根據(jù)所述特征信息及預(yù)先建立的判別模型，進(jìn)行語音特點(diǎn)識(shí)別，得到語音特點(diǎn)；或者，

根據(jù)所述特征信息及預(yù)先建立的判別模型，進(jìn)行語音特點(diǎn)識(shí)別，得到初步的語音特點(diǎn)，根據(jù)所述初步的語音特點(diǎn)和預(yù)先獲取的數(shù)據(jù)，得到最終的語音特點(diǎn)，其中，所述預(yù)先獲取的數(shù)據(jù)是距離當(dāng)前時(shí)間小于預(yù)設(shè)值的時(shí)間段內(nèi)收集的數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別以及語音識(shí)別，得到語音特點(diǎn)和語音識(shí)別結(jié)果，包括：

采用預(yù)設(shè)設(shè)置的至少兩個(gè)語音識(shí)別模型對所述輸入語音進(jìn)行識(shí)別，得到每個(gè)語音識(shí)別模型對應(yīng)的語音識(shí)別結(jié)果以及置信度數(shù)值，其中，不同的語音識(shí)別模型具有不同的語音特點(diǎn)；

將置信度數(shù)值最大的語音識(shí)別模型對應(yīng)的語音特點(diǎn)和語音識(shí)別結(jié)果，確定為所述要得到的語音特點(diǎn)和語義識(shí)別結(jié)果。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述語音識(shí)別結(jié)果和所述語音特點(diǎn)，獲取與所述輸入的語音對應(yīng)的答案，包括：

優(yōu)先在數(shù)據(jù)庫中，獲取具有所述語音特點(diǎn)的文本答案。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述語音特點(diǎn)和所述答案，生成輸出語音，包括：

如果所述答案包括具有所述語音特點(diǎn)的文本答案，設(shè)置語音合成參數(shù)，將具有所述語音特點(diǎn)的文本答案轉(zhuǎn)換為所述輸出語音；或者，

如果所述答案包括不具有所述語音特點(diǎn)的文本答案，則根據(jù)所述語音特點(diǎn)，設(shè)置語音合成參數(shù)，根據(jù)所述語音合成參數(shù)和所述不具有所述語音特點(diǎn)的文本答案，生成所述輸出語音；或者，

如果所述答案包括不具有所述語音特點(diǎn)的文本答案，將文本答案轉(zhuǎn)換成具有所述語音特點(diǎn)的文本答案，根據(jù)所述語音特點(diǎn)，設(shè)置語音合成參數(shù)，以及，根據(jù)所述語音合成參數(shù)和轉(zhuǎn)換后的文本答案，生成所述輸出語音。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述語音特點(diǎn)，設(shè)置語音合成參數(shù)，包括：

設(shè)置與所述語音特點(diǎn)匹配的語音合成參數(shù)；或者，

設(shè)置與所述語音特點(diǎn)相似度最高的語音合成參數(shù)。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，其特征在于，所述生成輸出語音之后，所述方法還包括：

保存所述輸出語音；或者，

輸出所述輸出語音。

9.一種語音交互裝置，其特征在于，包括：

輸入模塊，用于接收輸入語音，并對所述輸入語音進(jìn)行特征提取，得到所述輸入語音的特征信息；

識(shí)別模塊，用于根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別以及語音識(shí)別，得到語音特點(diǎn)和語音識(shí)別結(jié)果，其中，所述語音特點(diǎn)包括：方言，口音或者普通話；

獲取模塊，用于根據(jù)所述語音識(shí)別結(jié)果和所述語音特點(diǎn)，獲取與所述輸入的語音對應(yīng)的答案；

輸出模塊，用于根據(jù)所述語音特點(diǎn)和所述答案，生成輸出語音，所述輸出語音是與所述答案對應(yīng)的且具有所述語音特點(diǎn)的語音。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述識(shí)別模塊具體用于：

根據(jù)所述特征信息進(jìn)行語音特點(diǎn)識(shí)別，得到語音特點(diǎn)；

確定與所述語音特點(diǎn)對應(yīng)的語音識(shí)別模型，并采用與所述語音特點(diǎn)對應(yīng)的語音識(shí)別模型對所述輸入語音進(jìn)行識(shí)別，得到語音識(shí)別結(jié)果。