[發明專利]一種語音交互方法、裝置及系統

有效

• 申請號: 201811513712.8
• 申請日: 2018-12-11
• 公開（公告）號: CN111312235B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 祝俊;袁英燦;王德淼;孟偉;吳逸超
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/30;G06F3/16;G06F9/4401
• 代理公司: 北京成創同維知識產權代理有限公司 11449
• 代理人: 梁燕飛

本發明公開了一種語音交互方法、裝置及系統。其中，語音交互方法包括步驟：發送用戶輸入的第一語音數據，以接收根據第一語音數據確認的交互場景；基于交互場景獲取配置信息；以及基于所獲取的配置信息對用戶輸入的第二語音數據進行處理并輸出響應。本發明一并公開了相應的計算設備。

技術領域

本發明涉及計算機技術領域，尤其涉及一種語音交互方法、裝置及系統。

背景技術

過去十幾年來，互聯網在人們生活的各個領域不斷深化，人們可以通過互聯網方便地進行購物、社交、娛樂、理財等活動。同時，為提高用戶體驗，研究人員實現了很多交互方案，如文字輸入、手勢輸入、語音輸入等。其中，智能語音交互由于其操作的便捷性而成為新一代交互模式的研究熱點。

隨著語音交互技術的逐步發展，越來越多的智能設備具有了語音喚醒功能。當前市面上比較流行的智能設備都配置有固定的喚醒詞，當接收到用戶輸入的語音數據時，直接判斷用戶輸入的語音數據與預設的固定喚醒詞是否匹配。若兩者匹配，則將處于休眠狀態的智能設備轉為交互狀態或工作狀態。這樣，每次用戶想與智能設備進行交互時，必須先使用固定的喚醒詞將該設備喚醒，再輸入語音指令。當結束一次語音交互的過程后，若用戶要再次與該智能設備進行交互，需要再次輸入固定的喚醒詞將其喚醒，再輸入語音指令。

這種方式下，在每一次語音交互之前，用戶需要先輸入固定喚醒詞，這無疑增加了用戶的操作次數，從而會增加交互成本，降低用戶的交互體驗。因此，需要一種優化的語音交互方案。

發明內容

為此，本發明提供了一種語音交互方法、裝置及系統，以力圖解決或至少緩解上面存在的至少一個問題。

根據本發明的一個方面，提供了一種語音交互方法，包括步驟：將用戶輸入的第一語音數據發送給服務器，以便服務器根據所述第一語音數據確認交互場景；基于交互場景獲取配置信息；以及基于所獲取的配置信息對用戶輸入的第二語音數據進行處理并輸出響應。

可選地，根據本發明的方法還包括步驟：預先設置各交互場景下的配置信息，其中，配置信息中包含至少一條用于在該交互場景下使用的目標數據。

可選地，在根據本發明的方法中，基于配置信息對用戶輸入的第二語音數據進行處理并輸出響應的步驟包括：判斷用戶輸入的第二語音數據與配置信息中的目標數據是否匹配；若匹配則獲取當前時刻的狀態數據；將第二語音數據與狀態數據發送給服務器，以便服務器根據狀態數據對第二語音數據進行識別處理并返回響應指令；以及根據響應指令輸出響應給用戶。

可選地，根據本發明的方法還包括接收用戶輸入的第三語音數據的步驟：檢測用戶輸入的第三語音數據中是否包含預定對象；以及若第三語音數據中包含預定對象，則進入交互狀態。

可選地，在根據本發明的方法中，將用戶輸入的第一語音數據發送給服務器，以便服務器根據第一語音數據確認交互場景的步驟包括：響應于用戶輸入第一語音數據，獲取當前時刻的狀態數據；以及將第一語音數據與狀態數據發送給服務器，以便服務器根據狀態數據對所述第一語音數據進行識別處理并返回響應指令，其中響應指令中還包括交互場景。

可選地，在根據本發明的方法中，基于交互場景獲取配置信息的步驟還包括：根據響應指令輸出響應給用戶。

可選地，根據本發明的方法還包括步驟：響應于用戶切換交互場景的請求，轉發請求至服務器，以便服務器確認待切換的交互場景；判斷是否關閉切換前的交互場景；若關閉切換前的交互場景，則基于切換后的交互場景得到配置信息；以及若不關閉切換前的交互場景，則基于切換前的交互場景和切換后的交互場景得到配置信息。

根據本發明的另一方面，提供了一種語音交互方法，包括步驟：根據用戶輸入的第一語音數據確定交互場景；基于交互場景獲取配置信息；以及基于所獲取的配置信息對用戶輸入的第二語音數據進行處理并輸出響應。