[發(fā)明專利]人機(jī)交互方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910829244.3
• 申請(qǐng)日: 2019-09-03
• 公開(kāi)（公告）號(hào): CN110634483B
• 公開(kāi)（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 李美卓;趙媛媛
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/16;G10L25/87
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 孫翠賢;丁蕓

1.一種人機(jī)交互方法，其特征在于，應(yīng)用于社交互動(dòng)客戶端；所述方法包括：

當(dāng)檢測(cè)到語(yǔ)音時(shí)，判斷所述語(yǔ)音中是否包含有喚醒詞；其中，所述喚醒詞為用于喚醒所述社交互動(dòng)客戶端中的虛擬形象的語(yǔ)音片段；

當(dāng)判斷出所述語(yǔ)音中包含所述喚醒詞時(shí)，喚醒所述虛擬形象，并接收用戶給出的語(yǔ)音指令；

執(zhí)行所述語(yǔ)音指令所指示的目標(biāo)操作，并通過(guò)所述虛擬形象輸出反饋信息；其中，所述反饋信息為用于表征所述目標(biāo)操作的操作結(jié)果的信息；

所述接收用戶給出的語(yǔ)音指令的步驟，包括：開(kāi)啟拾音，并在拾音過(guò)程中，檢測(cè)是否出現(xiàn)語(yǔ)音尾端點(diǎn)；當(dāng)檢測(cè)到所述語(yǔ)音尾端點(diǎn)時(shí)，結(jié)束拾音，并將拾音期間的語(yǔ)音片段作為所接收的語(yǔ)音指令；所述檢測(cè)是否出現(xiàn)語(yǔ)音尾端點(diǎn)的步驟，包括：在拾音過(guò)程中，檢測(cè)是否出現(xiàn)大于預(yù)設(shè)時(shí)長(zhǎng)的靜音，如果是，檢測(cè)所述靜音之前拾音的語(yǔ)音對(duì)應(yīng)的語(yǔ)句是否完整；當(dāng)所述靜音之前拾音的語(yǔ)音對(duì)應(yīng)的語(yǔ)句完整時(shí)，確定出現(xiàn)語(yǔ)音尾端點(diǎn)；

所述判斷所述語(yǔ)音中是否包含有喚醒詞的步驟，包括：將所述語(yǔ)音輸入至預(yù)設(shè)的第二神經(jīng)網(wǎng)絡(luò)模型，得到由各個(gè)音素的排列組合所形成的多個(gè)音素序列，所述各個(gè)音素為所述語(yǔ)音對(duì)應(yīng)的音素序列中的各個(gè)音素；當(dāng)所述多個(gè)音素序列中，包含有與喚醒詞匹配的音素序列時(shí)，判定所述語(yǔ)音中包含有所述喚醒詞；其中，所述第二神經(jīng)網(wǎng)絡(luò)模型為基于多個(gè)樣本語(yǔ)音以及每個(gè)樣本語(yǔ)音對(duì)應(yīng)的音素序列所訓(xùn)練獲得的。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述檢測(cè)所述靜音之前拾音的語(yǔ)音對(duì)應(yīng)的語(yǔ)句是否完整的步驟，包括：

將所述靜音之前拾音的語(yǔ)音輸入至預(yù)設(shè)的第一神經(jīng)網(wǎng)絡(luò)模型，得到所述靜音之前拾音的語(yǔ)音對(duì)應(yīng)的語(yǔ)句是否完整的結(jié)果；

其中，所述第一神經(jīng)網(wǎng)絡(luò)模型，為基于多個(gè)樣本語(yǔ)音以及每個(gè)樣本語(yǔ)音的標(biāo)注信息所訓(xùn)練獲得的，所述標(biāo)注信息，用于表征樣本語(yǔ)音對(duì)應(yīng)的語(yǔ)句是否完整。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

當(dāng)檢測(cè)到滿足預(yù)定的推薦時(shí)機(jī)時(shí)，通過(guò)所述虛擬形象輸出關(guān)于可執(zhí)行操作的推薦信息；

當(dāng)檢測(cè)到接受推薦的語(yǔ)音時(shí)，執(zhí)行與所述推薦信息相匹配的可執(zhí)行操作。

4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的方法，其特征在于，所述方法還包括：

當(dāng)檢測(cè)到滿足預(yù)定的互動(dòng)時(shí)機(jī)時(shí)，播放為所述虛擬形象指定的、且與該互動(dòng)時(shí)機(jī)對(duì)應(yīng)的互動(dòng)語(yǔ)音，和/或，在為所述虛擬形象指定的短消息輸出區(qū)域中，輸出與該互動(dòng)時(shí)機(jī)對(duì)應(yīng)的互動(dòng)短消息。

5.一種人機(jī)交互裝置，其特征在于，應(yīng)用于社交互動(dòng)客戶端；所述裝置包括：

判斷模塊，被配置為當(dāng)檢測(cè)到語(yǔ)音時(shí)，判斷所述語(yǔ)音中是否包含有喚醒詞；其中，所述喚醒詞為用于喚醒所述社交互動(dòng)客戶端中的虛擬形象的語(yǔ)音片段；

喚醒和接收模塊，被配置為當(dāng)所述判斷模塊判斷出所述語(yǔ)音中包含所述喚醒詞時(shí)，喚醒所述虛擬形象，并接收用戶給出的語(yǔ)音指令；

執(zhí)行和輸出模塊，被配置為執(zhí)行所述語(yǔ)音指令所指示的目標(biāo)操作，并通過(guò)所述虛擬形象輸出反饋信息；其中，所述反饋信息為用于表征所述目標(biāo)操作的操作結(jié)果的信息；

所述喚醒和接收模塊接收用戶給出的語(yǔ)音指令，包括：開(kāi)啟拾音，并在拾音過(guò)程中，檢測(cè)是否出現(xiàn)語(yǔ)音尾端點(diǎn)；當(dāng)檢測(cè)到所述語(yǔ)音尾端點(diǎn)時(shí)，結(jié)束拾音，并將拾音期間的語(yǔ)音片段作為所接收的語(yǔ)音指令；所述喚醒和接收模塊檢測(cè)是否出現(xiàn)語(yǔ)音尾端點(diǎn)，包括：在拾音過(guò)程中，檢測(cè)是否出現(xiàn)大于預(yù)設(shè)時(shí)長(zhǎng)的靜音，如果是，檢測(cè)所述靜音之前拾音的語(yǔ)音對(duì)應(yīng)的語(yǔ)句是否完整；當(dāng)所述靜音之前拾音的語(yǔ)音對(duì)應(yīng)的語(yǔ)句完整時(shí)，確定出現(xiàn)語(yǔ)音尾端點(diǎn)；

所述判斷模塊，具體被配置為：

將所述語(yǔ)音輸入至預(yù)設(shè)的第二神經(jīng)網(wǎng)絡(luò)模型，得到由各個(gè)音素的排列組合所形成的多個(gè)音素序列，所述各個(gè)音素為所述語(yǔ)音對(duì)應(yīng)的音素序列中的各個(gè)音素；

當(dāng)所述多個(gè)音素序列中，包含有與喚醒詞匹配的音素序列時(shí)，判定所述語(yǔ)音中包含有所述喚醒詞；

其中，所述第二神經(jīng)網(wǎng)絡(luò)模型為基于多個(gè)樣本語(yǔ)音以及每個(gè)樣本語(yǔ)音對(duì)應(yīng)的音素序列所訓(xùn)練獲得的。