[發(fā)明專(zhuān)利]語(yǔ)音指令檢測(cè)模型構(gòu)建方法、檢測(cè)方法及系統(tǒng)、人機(jī)交互方法及設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201610615977.3
• 申請(qǐng)日: 2016-07-29
• 公開(kāi)（公告）號(hào): CN107665704B
• 公開(kāi)（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 吳奎;陳凌輝;黃鑫;陳志剛;王智國(guó);胡郁;劉慶峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 科大訊飛股份有限公司
• 主分類(lèi)號(hào): G10L15/06
• 分類(lèi)號(hào): G10L15/06;G10L25/48;G06F3/16;G06F40/30
• 代理公司: 北京維澳專(zhuān)利代理有限公司 11252
• 代理人: 趙景平;宋少華

本發(fā)明公開(kāi)了一種語(yǔ)音指令檢測(cè)模型構(gòu)建方法，該方法包括：確定語(yǔ)音指令檢測(cè)模型的拓?fù)浣Y(jié)構(gòu)；收集大量人機(jī)交互的語(yǔ)音數(shù)據(jù)及其對(duì)應(yīng)的識(shí)別文本；對(duì)所述識(shí)別文本中用戶(hù)提問(wèn)或回答語(yǔ)句文本進(jìn)行分詞，并以單輪回答或提問(wèn)為單位，獲取分詞詞串；對(duì)所述分詞詞串中的每個(gè)詞，依據(jù)對(duì)話(huà)歷史信息，依次對(duì)各詞進(jìn)行語(yǔ)音指令結(jié)束點(diǎn)賦值，并標(biāo)注業(yè)務(wù)類(lèi)別、以及信息槽或狀態(tài)槽；利用所述識(shí)別文本及其賦值信息和標(biāo)注信息，訓(xùn)練得到語(yǔ)音指令檢測(cè)模型的參數(shù)。本發(fā)明還公開(kāi)了一種語(yǔ)音指令檢測(cè)方法及系統(tǒng)、以及一種人機(jī)交互方法及設(shè)備。本發(fā)明可以提高語(yǔ)音指令點(diǎn)檢測(cè)的準(zhǔn)確性，進(jìn)而提高人機(jī)交互過(guò)程中機(jī)器響應(yīng)的成功率及響應(yīng)速度。

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音信號(hào)處理、人機(jī)交互領(lǐng)域，具體涉及一種語(yǔ)音指令檢測(cè)模型構(gòu)建方法、一種語(yǔ)音指令檢測(cè)方法及系統(tǒng)、以及一種人機(jī)交互方法及設(shè)備。

背景技術(shù)

隨著人工智能技術(shù)的進(jìn)步，人機(jī)語(yǔ)音交互也取得了長(zhǎng)足的發(fā)展，各種語(yǔ)音助手APP和人機(jī)交互機(jī)器人大肆興起。這些語(yǔ)音助手和機(jī)器人與用戶(hù)進(jìn)行交互的流程通常如下：

(1)通過(guò)語(yǔ)音或者設(shè)定操作進(jìn)行喚醒；

(2)通過(guò)語(yǔ)音數(shù)據(jù)的停頓時(shí)長(zhǎng)判斷用戶(hù)是否說(shuō)完；

(3)檢測(cè)到用戶(hù)說(shuō)完后，將識(shí)別結(jié)果傳入語(yǔ)義理解引擎，進(jìn)行語(yǔ)義理解；

(4)根據(jù)語(yǔ)義理解結(jié)果，系統(tǒng)做出響應(yīng)。

現(xiàn)有交互系統(tǒng)中，僅通過(guò)語(yǔ)音數(shù)據(jù)的停頓時(shí)長(zhǎng)檢測(cè)語(yǔ)音指令的結(jié)束點(diǎn)，確定交互指令是否完整，為此需要設(shè)定停頓時(shí)長(zhǎng)閾值，判斷應(yīng)用是否說(shuō)完，即根據(jù)語(yǔ)音數(shù)據(jù)的停頓時(shí)長(zhǎng)是否大于閾值來(lái)確定語(yǔ)音指令結(jié)束點(diǎn)的位置，得到相應(yīng)語(yǔ)音指令后，進(jìn)行語(yǔ)音識(shí)別及自然語(yǔ)言理解，給出相應(yīng)反饋。這種設(shè)定硬性閾值的方式會(huì)導(dǎo)致由于語(yǔ)音指令內(nèi)部的長(zhǎng)停頓導(dǎo)致語(yǔ)音指令被截?cái)嗟那闆r，嚴(yán)重影響語(yǔ)音識(shí)別及語(yǔ)義理解；此外，當(dāng)語(yǔ)音數(shù)據(jù)中存在噪聲等干擾因素時(shí)，很難準(zhǔn)確檢測(cè)到語(yǔ)音數(shù)據(jù)的停頓位置，造成語(yǔ)音指令結(jié)束點(diǎn)檢測(cè)產(chǎn)生較大延遲，嚴(yán)重影響用戶(hù)體驗(yàn)。

發(fā)明內(nèi)容

針對(duì)上述現(xiàn)有技術(shù)通過(guò)語(yǔ)音數(shù)據(jù)的停頓時(shí)長(zhǎng)進(jìn)行語(yǔ)音指令結(jié)束點(diǎn)檢測(cè)存在的問(wèn)題，本發(fā)明一方面提供一種語(yǔ)音指令檢測(cè)模型構(gòu)建方法、以及一種基于語(yǔ)音指令檢測(cè)模型的語(yǔ)音指令檢測(cè)方法及系統(tǒng)，以避免由于語(yǔ)音指令內(nèi)部的長(zhǎng)停頓導(dǎo)致語(yǔ)音指令被截?cái)嗟膯?wèn)題，并防止噪聲等干擾因素對(duì)語(yǔ)音指令結(jié)束點(diǎn)檢測(cè)的影響。

本發(fā)明另一方面提供一種人機(jī)交互方法及設(shè)備，以提高人機(jī)交互過(guò)程中機(jī)器響應(yīng)的成功率及響應(yīng)速度。

為此，本發(fā)明實(shí)施例提供如下技術(shù)方案：

一種語(yǔ)音指令檢測(cè)模型構(gòu)建方法，包括：

確定語(yǔ)音指令檢測(cè)模型的拓?fù)浣Y(jié)構(gòu)；

收集大量人機(jī)交互的文本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)；

對(duì)所述訓(xùn)練數(shù)據(jù)中用戶(hù)提問(wèn)或回答語(yǔ)句文本進(jìn)行分詞，并以單輪回答或提問(wèn)為單位，獲取分詞詞串；

對(duì)所述分詞詞串中的每個(gè)詞，依據(jù)對(duì)話(huà)歷史信息，依次對(duì)各詞進(jìn)行語(yǔ)音指令結(jié)束點(diǎn)賦值，并標(biāo)注業(yè)務(wù)類(lèi)別、以及信息槽或狀態(tài)槽，所述信息槽表示業(yè)務(wù)當(dāng)前所包含的信息單元，所述狀態(tài)槽表示業(yè)務(wù)當(dāng)前的狀態(tài)信息；

利用所述訓(xùn)練數(shù)據(jù)及其賦值信息和標(biāo)注信息，訓(xùn)練得到語(yǔ)音指令檢測(cè)模型的參數(shù)。

優(yōu)選地，所述語(yǔ)音指令檢測(cè)模型的拓?fù)浣Y(jié)構(gòu)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(dāng)前詞的詞向量w_n(t)、截止到上一個(gè)詞的隱層向量h(t-1)、對(duì)話(huà)歷史信息，其中，所述對(duì)話(huà)歷史信息包括：截止到上一個(gè)詞的業(yè)務(wù)分類(lèi)信息c(t-1)、以及信息槽填充情況s(t-1)或狀態(tài)槽填充情況st(t-1)；所述輸出層的輸出包括：檢測(cè)結(jié)果p(t)，所述檢測(cè)結(jié)果p(t)具體為當(dāng)前詞為語(yǔ)音指令結(jié)束點(diǎn)的概率得分、或者為表征當(dāng)前詞是否為語(yǔ)音指令結(jié)束點(diǎn)的數(shù)值。