[發明專利]語音指令檢測模型構建方法、檢測方法及系統、人機交互方法及設備

有效

• 申請號: 201610615977.3
• 申請日: 2016-07-29
• 公開（公告）號: CN107665704B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 吳奎;陳凌輝;黃鑫;陳志剛;王智國;胡郁;劉慶峰
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L25/48;G06F3/16;G06F40/30
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 趙景平;宋少華

1.一種語音指令檢測模型構建方法，其特征在于，包括：

確定語音指令檢測模型的拓撲結構；

收集大量人機交互的文本數據作為訓練數據；

對所述訓練數據中用戶提問或回答語句文本進行分詞，并以單輪回答或提問為單位，獲取分詞詞串；

對所述分詞詞串中的每個詞，依據對話歷史信息，依次對各詞進行語音指令結束點賦值，并標注業務類別、以及信息槽或狀態槽，所述信息槽表示業務當前所包含的信息單元，所述狀態槽表示業務當前的狀態信息；

利用所述訓練數據及其賦值信息和標注信息，訓練得到語音指令檢測模型的參數。

2.根據權利要求1所述的方法，其特征在于，所述語音指令檢測模型的拓撲結構采用RNN模型，包括輸入層、中間隱層和輸出層；

所述輸入層的輸入包括：當前詞的詞向量w_n(t)、截止到上一個詞的隱層向量h(t-1)、對話歷史信息，其中，所述對話歷史信息包括：截止到上一個詞的業務分類信息c(t-1)、以及信息槽填充情況s(t-1)或狀態槽填充情況st(t-1)；所述輸出層的輸出包括：檢測結果p(t)，所述檢測結果p(t)具體為當前詞為語音指令結束點的概率得分、或者為表征當前詞是否為語音指令結束點的數值。

3.根據權利要求2所述的方法，其特征在于，所述輸出層的輸出還包括：截止到當前詞的業務分類信息c(t)、以及信息槽填充情況s(t)或狀態槽填充情況st(t)。

4.根據權利要求2所述的方法，其特征在于，所述方法還包括：

利用文法匹配的方式得到所述對話歷史信息。

5.一種語音指令檢測方法，應用于人機交互過程，其特征在于，包括：

實時接收用戶語音數據，并對所述語音數據進行實時語音識別，得到識別文本；

依次對當前識別文本中的各詞，基于權利要求1-4任一項中所述的語音指令檢測模型進行語音指令檢測，得到模型輸出的檢測結果；

根據所述檢測結果確定語音指令結束點。

6.根據權利要求5所述的方法，其特征在于，所述檢測結果具體為當前詞為語音指令結束點的概率得分，并將該概率得分作為第一得分；

所述方法還包括：

基于當前識別文本對應的語音數據的聲學信息確定當前詞為語音指令結束點的概率得分，并將該概率得分作為第二得分；

所述根據所述檢測結果確定語音指令結束點包括：

對第一得分和第二得分進行融合，得到綜合得分；

如果所述綜合得分大于設定閾值，則確定當前詞為語音指令結束點。

7.根據權利要求6所述的方法，其特征在于，所述基于當前識別文本對應的語音數據的聲學信息確定當前詞為語音指令結束點的概率得分包括：

根據當前識別文本對應的語音數據獲取當前詞的停頓時長；

對當前詞的停頓時長進行量化處理，得到當前詞的量化停頓時長；

根據當前詞的量化停頓時長確定當前詞為語音指令結束點的概率得分。

8.根據權利要求7所述的方法，其特征在于，所述方法還包括：

預先利用統計方法建立量化停頓時長與語音指令結束點概率的對應關系表；

所述根據當前詞的量化停頓時長確定當前詞為語音指令結束點的概率得分包括：

根據當前詞的量化停頓時長查找所述對應關系表，得到當前詞為語音指令結束點的概率得分。

9.一種人機交互方法，其特征在于，包括：

實時接收用戶語音數據，并對所述語音數據進行實時語音識別，得到識別文本；

依次對當前識別文本中的各詞，基于權利要求1-4任一項中所述的語音指令檢測模型進行語音指令檢測，以確定當前詞是否為語音指令結束點，得到第一檢測結果；

根據檢測結果確定當前詞是否為語音指令結束點；

如果是，則對以當前詞為結束點的子句進行語義理解，得到語義理解結果；

根據所述語義理解結果生成交互結果。