[發明專利]多語種語音交互方法和裝置

有效

• 申請號: 202011162634.9
• 申請日: 2020-10-27
• 公開（公告）號: CN112002325B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 宋澤;甘津瑞;鄧建凱
• 申請（專利權）人: 蘇州思必馳信息科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/00;G10L15/18
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 黃謙;鄧婷婷

本發明公開一種多語種語音交互方法和裝置，其中，多語種語音交互方法，包括：響應于獲取的音頻，將所述音頻送入混合語言模型進行識別，其中，所述混合語言模型中訓練了多種語種的切換語種命令詞并存儲在本地；基于所述識別結果，判斷所述音頻中是否存在切換語種命令詞；若存在切換語種命令詞，基于所述切換語種命令詞確定切換后的語種；基于所述切換后的語種設置在線默認語言模型并將所述在線默認語言模型同步至服務端，其中，所述服務端包括多種單一語言模型。通過在客戶端使用切換語種命令詞的混合語言模型和在服務端使用多個單一語言模型，從而可以實現降低了訓練混合語言模型的昂貴費用，提升了語音交互的穩定性。

技術領域

本發明屬于語音交互領域，尤其涉及多語種語音交互方法和裝置。

背景技術

目前市面上有語音識別(Automatic Speech Recongnition，ASR)、自然語言處理（Natural Language Processing, NLP）、對話管理（Dialogue Manage, DM）等單項技術，提供語音交互的基礎能力。

語音識別主要是將人所發出的語音內容轉換為可供計算機讀入的文本信息，其具有兩種工作模式：識別模式和命令模式。語音識別程序的實現也會根據兩種模式的不同而采用不同類型的程序。識別模式的工作原理是：引擎系統在后臺直接給出一個詞庫和識別模板庫，任何系統都不需要再進一步對識別語法進行改動，只需要根據識別引擎提供的主程序源代碼進行改寫就可以了。命令模式相對來說實現起來比較困難，詞典必須要由程序員自己編寫，然后再進行編程，最后還要根據語音詞典進行處理和更正。識別模式與命令模式最大的不同就是，程序員要根據詞典內容進行代碼的核對與修改。

自然語言處理，是實現人機間自然語言通信的重要手段，其包括兩個部分，自然語言理解（Natural Language Understanding，NLU）和自然語言生成（Natural LanguageGeneration，NLG），即能使計算機既能理解自然語言文本的意義，也能以自然語言文本來表達給定的意圖、思想等。自然語言理解是建立一種計算機模型，自然語言理解以語言學為基礎，融合邏輯學、心理學和計算機科學等學科，試圖解決以下問題：語言究竟是怎樣組織起來傳輸信息的，人又是怎樣從一連串的語言符號中獲取信息的，換種表達就是，通過語法、語義、語用的分析，獲取自然語言的語義表示，理解自然語言文本所表達的意圖。而自然語言生成是人工智能和計算語言學的分支，相應的語言生成系統是基于語言信息處理的計算機模型，其工作過程與自然語言分析相反，是從抽象的概念層次開始，通過選擇并執行一定的語義和語法規則來生成文本。

發明內容

本發明實施例提供一種多語種語音交互方法及裝置，用于至少解決上述技術問題之一。

第一方面，本發明實施例提供一種多語種語音交互方法，用于客戶端，包括：響應于獲取的音頻，將所述音頻送入混合語言模型進行識別，其中，所述混合語言模型中訓練了多種語種的切換語種命令詞并存儲在本地；基于所述識別結果，判斷所述音頻中是否存在切換語種命令詞；若存在切換語種命令詞，基于所述切換語種命令詞確定切換后的語種；基于所述切換后的語種設置在線默認語言模型并將所述在線默認語言模型同步至服務端，其中，所述服務端包括多種單一語言模型。

第二方面，本發明實施例提供一種多語種語音交互方法，用于服務端，包括：響應于獲取的音頻，將所述音頻送入第一單一語言模型進行識別，其中，所述服務端訓練了多個單一語言模型；對所述識別結果進行后續處理，其中，所述后續處理包括語義處理和對話處理。