[發明專利]一種語音回復方法及裝置

在審

• 申請號: 202010741193.1
• 申請日: 2020-07-29
• 公開（公告）號: CN111899717A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 向巖;呂曼瑤
• 申請（專利權）人: 北京如影智能科技有限公司
• 主分類號: G10L13/08
• 分類號: G10L13/08;G10L13/04;G10L13/033;G10L15/22;G10L17/02;G10L17/22;G10L25/63
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 趙昕

本發明公開了一種語音回復方法及裝置，其中，方法包括：獲取用戶在室內輸入的語音信息，并確定所述用戶的特征信息；根據所述語音信息確定對應的當前位置信息和當前時間信息，并識別出所述語音信息對應的文字信息；根據所述特征信息、當前位置信息和當前時間信息確定所述語音信息對應的目標情境信息；根據所述文字信息和所述目標情境信息確定對應的目標回復信息；根據所述目標情境信息和所述目標回復信息輸出與所述語音信息對應的語音回復信息。通過該技術方案，使得情感隨著情境的改變而改變，使得用戶說話的情境不同，回復的內容和情感也不同。

技術領域

本發明涉及智能語音交互技術領域，更具體地，涉及一種語音回復方法及裝置。

背景技術

在人機交互過程中，將文字轉為語音(語音合成技術)并傳遞給用戶信息的功能已經逐漸滲透到人的生活中。隨著這項技術的不斷成熟，使用場景日趨擴大，人們已經不滿足于“聽清楚”“聲音好聽”等單一維度的合成語音。如何將語音與當前的情境匹配，傳遞出適合的語義和情感信息，從而使人們的體驗更加舒適，成為了當前的迫切需求。

現有技術的實現方案一：使用一種情感的語音，針對用戶的問題，均用此種情感的語音來回復對應的答案。這樣，成語音的情感只有一種等于沒有情感。文字信息和語音表達的情感信息不匹配。不能通過情境的變化，改變回復的話術和情感。

現有技術的實現方案二：合成語音存在多種情感，如高興、憤怒、悲傷，但當情境改變時，仍然用同一種情感的語音來回復對應的答案。這樣，沒有情景定義，情感不能根據情境改變。

發明內容

鑒于上述問題，本發明提出了一種語音回復方法和相應的裝置，其可以將場景與語音結合，情感隨著情景的改變而改變，從而使得時間、季節、地點、面對的人、說話的話題的不同，回復的話述及情感不同。

根據本發明實施例的第一方面，提供一種語音回復方法，包括：

獲取用戶在室內輸入的語音信息，并確定所述用戶的特征信息，其中，所述特征信息包括以下至少一項：性別和所屬年齡段；

根據所述語音信息確定對應的當前位置信息和當前時間信息，并識別出所述語音信息對應的文字信息；

根據所述特征信息、當前位置信息和當前時間信息確定所述語音信息對應的目標情境信息；

根據所述文字信息和所述目標情境信息確定對應的目標回復信息；

根據所述目標情境信息和所述目標回復信息輸出與所述語音信息對應的語音回復信息。

在一個實施例中，優選地，根據所述特征信息、當前位置信息和當前時間信息確定所述語音信息對應的目標情境信息之前，所述方法還包括：

將所有的特征信息、位置信息和時間信息進行排列組合，并將不同排列組合的結果分別進行情境編號；

根據所述用戶的特征信息、當前位置信息和當前時間信息確定所述語音信息對應的目標情境信息，包括：

根據所述特征信息、當前位置信息和當前時間信息確定所述語音信息對應的目標情境編號。

在一個實施例中，優選地，根據所述目標情境信息和所述目標回復信息輸出與所述語音信息對應的語音回復信息，包括：

根據預設的情感語音合成模型與情境編號的對應關系，確定與所述目標情境編號對應的目標情感語音合成模型；

根據所述目標情感語音合成模型和所述目標回復信息，生成并輸出與所述語音信息對應的語音回復信息。

在一個實施例中，優選地，所述獲取用戶在室內輸入的語音信息，包括：

在接收到預設喚醒詞時，通過設置在室內不同房間內的收聲裝置獲取用戶在室內輸入的語音信息；