[發(fā)明專利]語音交互方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201410670573.5
• 申請(qǐng)日: 2014-11-20
• 公開（公告）號(hào): CN104391673A
• 公開（公告）日: 2015-03-04
• 發(fā)明（設(shè)計(jì)）人: 李秀林
• 申請(qǐng)（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(hào): G06F3/16
• 分類號(hào): 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

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)領(lǐng)域，尤其涉及一種語音交互方法和裝置。

背景技術(shù)

在人類的發(fā)展歷史上，語言對(duì)于文明的發(fā)展是至關(guān)重要的。語音，數(shù)千年來，一直作為人類進(jìn)行信息交流的重要載體，也在不斷變化和演進(jìn)。在不同地區(qū)，語言和語音，也會(huì)因環(huán)境和歷史的不同，而有明顯差異。因此，語言不僅包括普通話，還包括方言和口音。

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，人機(jī)交互也變得越來越重要，語音交互是一種人機(jī)交互形式。方言和口音的問題，一直以來，都是語音識(shí)別和合成領(lǐng)域的一個(gè)難點(diǎn)，很多研究者，是通過收集更多的數(shù)據(jù)，建立新的語音模型，或者優(yōu)化原有的模型，以改善識(shí)別和合成的效果。用戶在使用人機(jī)對(duì)話系統(tǒng)時(shí)，只能通過默認(rèn)的方言/口音設(shè)置，或者手工修改方言/口音設(shè)置，來實(shí)現(xiàn)期望的結(jié)果，造成對(duì)話效果不夠理想，用戶體驗(yàn)較差。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的一個(gè)目的在于提出一種語音交互方法，該方法可以提高語音交互效果，提升用戶體驗(yàn)。

本發(fā)明的另一個(gè)目的在于提出一種語音交互裝置。

為達(dá)到上述目的，本發(fā)明第一方面實(shí)施例提出的語音交互方法，包括：接收輸入語音，并對(duì)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(duì)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(duì)應(yīng)的且具有所述語音特點(diǎn)的語音。

本發(fā)明第一方面實(shí)施例提出的語音交互方法，通過對(duì)輸入語音進(jìn)行語音特點(diǎn)識(shí)別，可以選取與語音特點(diǎn)匹配的語音識(shí)別模型對(duì)輸入語音進(jìn)行語音識(shí)別，從而可以提高語音交互效果，提升用戶體驗(yàn)。

為達(dá)到上述目的，本發(fā)明第二方面實(shí)施例提出的語音交互裝置，包括：輸入模塊，用于接收輸入語音，并對(duì)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(duì)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(duì)應(yīng)的且具有所述語音特點(diǎn)的語音。

本發(fā)明第二方面實(shí)施例提出的語音交互裝置，通過對(duì)輸入語音進(jìn)行語音特點(diǎn)識(shí)別，可以選取與語音特點(diǎn)匹配的語音識(shí)別模型對(duì)輸入語音進(jìn)行語音識(shí)別，從而可以提高語音交互效果，提升用戶體驗(yàn)。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1是本發(fā)明一實(shí)施例提出的語音交互方法的流程示意圖；

圖2是本發(fā)明實(shí)施例中獲取語音特點(diǎn)的流程示意圖；

圖3是本發(fā)明實(shí)施例中獲取語音特點(diǎn)和語音識(shí)別結(jié)果的流程示意圖；

圖4是本發(fā)明實(shí)施例中生成輸出語音的流程示意圖；

圖5是本發(fā)明另一實(shí)施例提出的語音交互方法的流程示意圖；

圖6是本發(fā)明另一實(shí)施例提出的語音交互裝置的結(jié)構(gòu)示意圖；

圖7是本發(fā)明另一實(shí)施例提出的語音交互裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。相反，本發(fā)明的實(shí)施例包括落入所附加權(quán)利要求書的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。

圖1是本發(fā)明一實(shí)施例提出的語音交互方法的流程示意圖，該方法包括：

S11：接收輸入語音，并對(duì)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。

輸入語音是用戶輸入到語音交互系統(tǒng)中的語音，輸入語音具體可以是問題，例如，輸入語音是“今天天氣怎么樣”的語音。

語音交互系統(tǒng)可以通過麥克風(fēng)等設(shè)備接收輸入語音，接收到輸入語音后，可以對(duì)輸入語音進(jìn)行降噪等預(yù)處理，預(yù)處理后的輸入語音再進(jìn)行特征提取，例如提取譜特征，基頻特征，能量特征或者過零率等。