[發(fā)明專利]語音交互方法、裝置、設(shè)備和介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910657252.4
• 申請日: 2019-07-19
• 公開（公告）號: CN112242139A
• 公開（公告）日: 2021-01-19
• 發(fā)明（設(shè)計）人: 袁仁富
• 申請（專利權(quán)）人: 北京儒博科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G09B5/04;G09B19/06
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實施例公開了一種語音交互方法、裝置、設(shè)備和介質(zhì)。所述方法包括：如果在預(yù)設(shè)時間內(nèi)檢測到用戶語音，則實時識別在初始拾音時間內(nèi)獲取的用戶語音；如果在初始拾音時間內(nèi)獲取的用戶語音的識別結(jié)果與預(yù)設(shè)候選語句的匹配結(jié)果不滿足匹配要求，則根據(jù)匹配結(jié)果與延時閾值的關(guān)系，在初始拾音時間的基礎(chǔ)上，進行拾音時間延長；將在延長拾音時間內(nèi)獲取的用戶語音的識別結(jié)果與在初始拾音時間內(nèi)獲取的用戶語音的識別結(jié)果進行整合；如果整合后的語音識別結(jié)果與預(yù)設(shè)候選語句的匹配結(jié)果滿足匹配要求，則將與整合后的語音識別結(jié)果對應(yīng)的反饋信息反饋給用戶。本發(fā)明實施例實現(xiàn)了即使用戶語音出現(xiàn)磕絆，人機交互中也能完整獲取用戶語音，提高智能教學(xué)效果。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及智能教育技術(shù)領(lǐng)域，尤其涉及一種語音交互方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)

AI(Artificial Intelligence，人工智能)是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，智能教育機器人與學(xué)生之間進行AI互動對話式的教學(xué)已成為可能，例如，通過兒童英語教學(xué)機器人與兒童的交互，讓兒童學(xué)習(xí)英語。

然而，兒童在學(xué)習(xí)語言的時候，尤其是在學(xué)習(xí)非母語語言的初期，總是會存在說話磕磕絆絆的現(xiàn)象，如果按照現(xiàn)有技術(shù)中基于在設(shè)定拾音時間內(nèi)獲取的兒童語音進行人機交互，基于VAD(Voice Activity Detection，語音活動檢測)檢測技術(shù)可能會誤判兒童語音的結(jié)束點，容易導(dǎo)致人機交互過程中不能完整獲取兒童語音，導(dǎo)致智能教學(xué)效果較差。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種語音交互方法、裝置、設(shè)備和介質(zhì)，以解決現(xiàn)有技術(shù)中基于在設(shè)定拾音時間內(nèi)獲取的兒童語音進行人機交互，容易導(dǎo)致人機交互過程中不能完整獲取兒童語音，導(dǎo)致智能教學(xué)效果較差的問題。

第一方面，本發(fā)明實施例提供了一種語音交互方法，所述方法包括：

如果在預(yù)設(shè)時間內(nèi)檢測到用戶語音，則觸發(fā)在初始拾音時間內(nèi)識別用戶語音的操作；

實時識別在所述初始拾音時間內(nèi)獲取的用戶語音；

如果在所述初始拾音時間內(nèi)獲取的用戶語音的識別結(jié)果與預(yù)設(shè)候選語句的匹配結(jié)果不滿足匹配要求，則根據(jù)所述匹配結(jié)果與延時閾值的關(guān)系，在所述初始拾音時間的基礎(chǔ)上，進行拾音時間延長；

將在延長拾音時間內(nèi)獲取的用戶語音的識別結(jié)果與在所述初始拾音時間內(nèi)獲取的用戶語音的識別結(jié)果進行整合，并將整合后的語音識別結(jié)果與所述預(yù)設(shè)候選語句進行匹配；

如果所述整合后的語音識別結(jié)果與所述預(yù)設(shè)候選語句的匹配結(jié)果滿足所述匹配要求，則將與所述整合后的語音識別結(jié)果對應(yīng)的反饋信息反饋給用戶。

第二方面，本發(fā)明實施例提供了一種語音交互裝置，所述裝置包括：

用戶語音識別觸發(fā)模塊，用于如果在預(yù)設(shè)時間內(nèi)檢測到用戶語音，則觸發(fā)在初始拾音時間內(nèi)識別用戶語音的操作；

用戶語音識別模塊，用于實時識別在所述初始拾音時間內(nèi)獲取的用戶語音；

拾音時間延長模塊，用于如果在所述初始拾音時間內(nèi)獲取的用戶語音的識別結(jié)果與預(yù)設(shè)候選語句的匹配結(jié)果不滿足匹配要求，則根據(jù)所述匹配結(jié)果與延時閾值的關(guān)系，在所述初始拾音時間的基礎(chǔ)上，進行拾音時間延長；

語句匹配模塊，用于將在延長拾音時間內(nèi)獲取的用戶語音的識別結(jié)果與在所述初始拾音時間內(nèi)獲取的用戶語音的識別結(jié)果進行整合，并將整合后的語音識別結(jié)果與所述預(yù)設(shè)候選語句進行匹配；

第一信息反饋模塊，用于如果所述整合后的語音識別結(jié)果與所述預(yù)設(shè)候選語句的匹配結(jié)果滿足所述匹配要求，則將與所述整合后的語音識別結(jié)果對應(yīng)的反饋信息反饋給用戶。