[發(fā)明專利]一種識(shí)別AI來電的方法、裝置、語音助手、終端、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910349993.6
• 申請(qǐng)日: 2019-04-28
• 公開（公告）號(hào): CN110198381B
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計(jì)）人: 張偉萌;龔思穎
• 申請(qǐng)（專利權(quán)）人: 北京驀然認(rèn)知科技有限公司
• 主分類號(hào): H04M3/22
• 分類號(hào): H04M3/22;H04M3/42;H04M3/493;G10L15/02;G10L15/04;G10L15/08;G10L15/26;G10L15/30
• 代理公司: 北京智丞瀚方知識(shí)產(chǎn)權(quán)代理有限公司 11810
• 代理人: 楊樂

1.一種識(shí)別AI來電的方法，其特征在于，該方法包括以下步驟：

步驟101、終端接收到來電呼叫時(shí)，語音助手自動(dòng)接通來電；

步驟102、獲取來電的語音信號(hào)，對(duì)語音信號(hào)進(jìn)行預(yù)處理；

步驟103、利用數(shù)據(jù)庫對(duì)預(yù)處理后的語音信號(hào)進(jìn)行分析判斷，識(shí)別該來電是否屬于AI來電；

在步驟103之前，預(yù)先建立數(shù)據(jù)庫，其中包括以下步驟：

步驟1、獲取多個(gè)真人語音樣本以及多個(gè)AI語音樣本，形成語料庫；

步驟2、對(duì)真人語音樣本、AI語音樣本按照完整語意、詞組兩個(gè)維度進(jìn)行切分，形成真人語音段、AI語音段，分別提取兩種語音段的長期頻譜特征LTAS（The Long Term AverageSpectrum），獲取LTAS的基頻特征，根據(jù)LTAS中的基頻特征確定兩種語音段的音調(diào)；其中完整語意切分粒度大于或等于詞組切分粒度；

步驟3、分別識(shí)別真人語音段、AI語音段的音素序列，根據(jù)各音素的變化位置確定每個(gè)音素的發(fā)音時(shí)間長度，得出兩種語音段的發(fā)音節(jié)奏；

步驟4、建立數(shù)據(jù)庫，將語音段轉(zhuǎn)換為文本，以該文本為索引，存儲(chǔ)對(duì)應(yīng)的真人語音段、AI語音段的LTAS的基頻特征、音調(diào)、音素的發(fā)音時(shí)間長度以及對(duì)應(yīng)的節(jié)奏這四個(gè)特征參數(shù)；其中一個(gè)文本可對(duì)應(yīng)于一個(gè)或多個(gè)真人語音段、一個(gè)或多個(gè)AI語音段。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

步驟102具體包括：語音助手獲取來電的語音信號(hào)，濾除語音信號(hào)中的噪聲值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，由云服務(wù)器或者終端預(yù)先建立數(shù)據(jù)庫，數(shù)據(jù)庫存儲(chǔ)于云服務(wù)器或者終端。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用數(shù)據(jù)庫對(duì)預(yù)處理后的語音信號(hào)進(jìn)行分析判斷，識(shí)別該來電是否屬于AI來電，具體包括以下步驟：

步驟1031、將預(yù)處理后的語音信號(hào)按照完整語意進(jìn)行切分，將切分后的語音段轉(zhuǎn)換為文本，以該文本為索引，查找數(shù)據(jù)庫中是否存在該文本索引，執(zhí)行步驟1032；

步驟1032、若數(shù)據(jù)庫中存在對(duì)應(yīng)的文本，獲取切分后的語音段對(duì)應(yīng)的LTAS的基頻特征及與其對(duì)應(yīng)的音調(diào)、音素的發(fā)音時(shí)間長度以及對(duì)應(yīng)的節(jié)奏這四個(gè)特征參數(shù)；將切分后的語音段對(duì)應(yīng)的LTAS的基頻特征及與其對(duì)應(yīng)的音調(diào)、音素的發(fā)音時(shí)間長度以及對(duì)應(yīng)的節(jié)奏分別與數(shù)據(jù)庫中該文本索引對(duì)應(yīng)的真人語音段、AI語音段的LTAS的基頻特征、音調(diào)、音素的發(fā)音時(shí)間長度、節(jié)奏這四個(gè)特征參數(shù)進(jìn)行比較，計(jì)算切分后的語音段的四個(gè)特征參數(shù)分別與真人語音、AI語音的四個(gè)特征參數(shù)的相似度；當(dāng)數(shù)據(jù)庫中該文本對(duì)應(yīng)于多個(gè)真人語音段、和/或多個(gè)AI語音段時(shí)，將切分后的語音段的四個(gè)特征參數(shù)分別與數(shù)據(jù)庫中的每個(gè)真人語音段、AI語音段的四個(gè)特征參數(shù)進(jìn)行相似度計(jì)算，并執(zhí)行步驟1033；若數(shù)據(jù)庫中不存在對(duì)應(yīng)的文本，將預(yù)處理后的語音信號(hào)按照詞組進(jìn)行切分，獲取按照詞組切分后的語音段對(duì)應(yīng)的LTAS的基頻特征及與其對(duì)應(yīng)的音調(diào)、音素的發(fā)音時(shí)間長度以及對(duì)應(yīng)的節(jié)奏這四個(gè)特征參數(shù)，并執(zhí)行步驟1034；

步驟1033、當(dāng)按照語意和/或按照詞組切分后的語音段的四個(gè)特征參數(shù)與真人語音段/AI語音段的四個(gè)特征參數(shù)比較后的每個(gè)特征參數(shù)的相似度均高于預(yù)設(shè)值時(shí)，為該語音段的真人屬性/AI屬性賦值1+a（N-1），否則賦值0；其中N為按照語意和/或按照詞組切分后的語音段與多個(gè)真人語音段/多個(gè)AI語音段的比較中每個(gè)特征參數(shù)的相似度均高于預(yù)設(shè)值時(shí)真人語音段/AI語音段的個(gè)數(shù)，a為權(quán)重因子，a為正數(shù)；執(zhí)行步驟1035；

步驟1034、將按照詞組切分后的語音段轉(zhuǎn)換為文本，以該文本為索引，查找數(shù)據(jù)庫中對(duì)應(yīng)于該文本的真人語音段、AI語音段的LTAS的基頻特征、音調(diào)、音素的發(fā)音時(shí)間長度、節(jié)奏這四個(gè)特征參數(shù)；將按照詞組切分后的語音段的四個(gè)特征參數(shù)分別與數(shù)據(jù)庫中該文本索引對(duì)應(yīng)的真人語音段、AI語音段的LTAS的基頻特征、音調(diào)、音素的發(fā)音時(shí)間長度、節(jié)奏進(jìn)行比較，計(jì)算切分后的語音段的四個(gè)特征參數(shù)分別與真人語音、AI語音的四個(gè)特征參數(shù)的相似度；當(dāng)數(shù)據(jù)庫中該文本對(duì)應(yīng)于多個(gè)真人語音段、和/或AI語音段時(shí)，將切分后的語音段的四個(gè)特征參數(shù)分別與數(shù)據(jù)庫中的每個(gè)真人語音、AI語音的四個(gè)特征參數(shù)進(jìn)行相似度計(jì)算，并執(zhí)行步驟1033；

步驟1035、對(duì)來電的語音信號(hào)對(duì)應(yīng)的語音段中真人屬性、AI屬性分別求和，當(dāng)真人屬性的和值大于AI屬性的和值，則判斷該來電屬于真人來電，否則為AI來電，結(jié)束；若真人屬性的和值與AI屬性的和值相同，則執(zhí)行步驟1036；

步驟1036、語音助手播放預(yù)設(shè)語音，與來電進(jìn)行對(duì)話，如向來電提問等；判斷來電的回復(fù)是否與預(yù)設(shè)語音內(nèi)容相關(guān)，若相關(guān)，則對(duì)回復(fù)的語音信號(hào)進(jìn)行預(yù)處理，執(zhí)行步驟1031；否則判斷其為AI來電，結(jié)束。