[發明專利]一種交互系統的語音識別方法和裝置

在審

• 申請號: 201510463527.2
• 申請日: 2015-07-31
• 公開（公告）號: CN105161098A
• 公開（公告）日: 2015-12-16
• 發明（設計）人: 齊路;韓笑;苑一時
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件（北京）有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝;何立春

技術領域

本發明涉及語音識別技術領域，具體涉及一種交互式系統的語音識別方法和裝置。

背景技術

隨著多媒體技術的發展，各種交互式系統都采用了語音交互的方式，以提高與用戶的互動效率和提高趣味性。例如問答系統，先通過語音或圖像顯示的方式向用戶拋出問題，然后用戶語音回答。再例如一些展示系統，需要用戶發出語音指令來選擇展示哪些目錄中的內容。在這些場景下都需要對用戶的語音進行準確識別，才能在問答系統下判斷用戶給出的語音答案是否正確，以及在展示系統下判斷用戶到底選擇了哪些目錄，以便展示相應目錄中的內容。

因此在交互系統中對用戶的語音進行準確和快速的識別是亟需解決的問題。

發明內容

鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的一種交互式系統的語音識別方法和裝置。

依據本發明的一個方面，提供了一種交互系統的語音識別方法，其中，該方法包括：

根據互動狀態及所述互動狀態下的預期答案，在語音識別樣本庫中預先確定與互動狀態及所述預期答案對應的多個預期樣本；

將所述預期答案對應的多個預期樣本劃分為至少兩個樣本組，每個樣本組中至少包含一個預期樣本；

采集所述互動狀態下的用戶的語音信號；

將所述語音信號與至少兩個樣本組中的一個樣本組中的預期樣本進行匹配。

可選地，該方法進一步包括：

若在所述樣本組中發現匹配的預期樣本，則確定用戶給出的答案為該預期答案。

可選地，該方法進一步包括：

若未在所述樣本組中發現匹配的預期樣本，則將所述語音信號與所述至少兩個樣本組中另一個樣本組中的預期樣本進行匹配。

可選地，該方法進一步包括：

若在所述另一個樣本組中發現匹配的預期樣本，則確定用戶給出的答案為該預期答案。

可選地，該方法進一步包括：

若未在所述另一個樣本組中發現匹配的預期樣本，則確定用戶未給出預期答案。

可選地，該方法進一步包括：

計算所述語音信號與預期樣本的匹配度值，如果匹配度值達到預設值，則確定所述語音信號與該預期樣本匹配，反之如果匹配度值未達到預設值，則確定所述語音信號與該預期樣本不匹配。

可選地，所述將所述預期答案對應的多個預期樣本劃分為至少兩個樣本組包括：

將所述預期答案對應的多個預期樣本，按照與所述預期答案的相似程度的不同劃分為至少兩個樣本組，或者按照用戶可能答復的預期答案的概率的不同劃分為至少兩個樣本組。

可選地，將所述語音信號與至少兩個樣本組中的一個樣本組中的預期樣本進行匹配包括：

將所述語音信號與至少兩個樣本組中的與所述預期答案的相似程度最高的一個樣本組中的預期樣本進行匹配，或者將所述語音信號與至少兩個樣本組中的包含用戶可能答復的概率最高的預期答案的一個樣本組進行匹配。

可選地，將所述語音信號與至少兩個樣本組中的一個樣本組中的預期樣本進行匹配包括：

將所述語音信號與至少兩個樣本組中的一個樣本組中優先級最高的預期樣本進行匹配。

可選地，該方法進一步包括：

根據所采集的該互動狀態下的歷史語音信號，相應擴充所述預期答案對應的樣本組數量，或者，相應擴充所述預期答案對應的一個樣本組包含的預期樣本數量，或者相應擴充所述語音識別樣本庫中的樣本數量；

可選地，在采集所述互動狀態下的用戶的語音信號之前，該方法進一步包括：

通過結合語音、圖像和視頻中任一種或多種的形式，展現互動狀態。

依據本發明的另一個實施例，公開了一種交互系統的語音識別裝置，其中，該裝置包括：

預期樣本確定單元，適于根據互動狀態及所述互動狀態下的預期答案，在語音識別樣本庫中預先確定與互動狀態及所述預期答案對應的多個預期樣本；

分組單元，適于將所述預期答案對應的多個預期樣本劃分為至少兩個樣本組，每個樣本組中至少包含一個預期樣本；

采集單元，適于采集所述互動狀態下的用戶的語音信號；

匹配處理單元，適于將所述語音信號與至少兩個樣本組中的一個樣本組中的預期樣本進行匹配。

可選地，所述匹配處理單元，適于當在所述樣本組中發現匹配的預期樣本時，確定用戶給出的答案為該預期答案。

可選地，所述匹配處理單元，適于當未在所述樣本組中發現匹配的預期樣本時，將所述語音信號與所述至少兩個樣本組中另一個樣本組中的預期樣本進行匹配。