[發(fā)明專利]語音交互的處理方法、裝置、電子設備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011322535.2
• 申請日: 2020-11-23
• 公開（公告）號: CN112382291B
• 公開（公告）日: 2021-10-22
• 發(fā)明（設計）人: 劉兵;吳震;白錦峰
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/06
• 代理公司: 北京清亦華知識產(chǎn)權代理事務所(普通合伙) 11201
• 代理人: 王萌

1.一種語音交互的處理方法，包括：

獲取當前時間點用戶的輸入語音以及所述用戶的歷史語音序列；

根據(jù)所述輸入語音和所述歷史語音序列生成所述用戶的語音特征信息；其中，所述語音特征信息包括：所述歷史語音序列對應的歷史語音融合特征以及所述輸入語音對應的輸入語音特征；或者，所述語音特征信息包括：輸入語音融合特征，其中，所述輸入語音融合特征為對所述歷史語音序列對應的歷史語音融合特征和所述輸入語音對應的輸入語音特征進行融合得到的特征；

根據(jù)所述語音特征信息生成所述輸入語音的分類判斷結果；

若所述分類判斷結果為拒識，則忽略所述輸入語音；

若所述分類判斷結果為接收，則對所述輸入語音進行響應處理。

2.根據(jù)權利要求1所述的方法，其中，所述語音特征信息包括所述歷史語音序列對應的歷史語音融合特征以及所述輸入語音對應的輸入語音特征時，所述根據(jù)所述語音特征信息生成所述輸入語音的分類判斷結果，包括：

根據(jù)所述歷史語音融合特征生成當前時間點的預測語音特征；

將當前時間點的預測語音特征和所述輸入語音特征進行比對，生成所述分類判斷結果。

3.根據(jù)權利要求2所述的方法，其中，在根據(jù)所述輸入語音和所述歷史語音序列生成所述用戶的語音特征信息之前，還包括：

獲取經(jīng)過預訓練的對比預測編碼CPC模型；

結合所述CPC模型中的語音編碼層和特征融合層構建接收拒識分類模型的特征提取模塊，用于基于所述輸入語音和所述歷史語音序列生成所述語音特征信息；

結合所述CPC模型中的預測層以及損失函數(shù)構建所述接收拒識分類模型的分類判斷模塊，用于基于所述語音特征信息生成所述分類判斷結果；

獲取訓練數(shù)據(jù)，其中，所述訓練數(shù)據(jù)包括：一次喚醒多次交互過程中的第一樣本輸入語音、第一樣本歷史語音序列以及分類標注結果；

采用所述第一樣本輸入語音、所述第一樣本歷史語音序列以及所述分類標注結果對所述接收拒識分類模型進行訓練，得到訓練好的接收拒識分類模型。

4.根據(jù)權利要求1所述的方法，其中，所述語音特征信息包括所述輸入語音融合特征時，所述根據(jù)所述語音特征信息生成所述輸入語音的分類判斷結果，包括：

根據(jù)所述輸入語音融合特征生成所述分類判斷結果。

5.根據(jù)權利要求4所述的方法，其中，在根據(jù)所述輸入語音和所述歷史語音序列生成所述用戶的語音特征信息之前，還包括：

獲取經(jīng)過預訓練的對比預測編碼CPC模型；

結合所述CPC模型中的語音編碼層和特征融合層構建接收拒識分類模型的特征提取模塊，用于基于所述輸入語音和所述歷史語音序列生成所述語音特征信息；

結合多層感知機以及激勵函數(shù)層構建所述接收拒識分類模型的分類判斷模塊，用于基于所述語音特征信息生成所述分類判斷結果；

獲取訓練數(shù)據(jù)，其中，所述訓練數(shù)據(jù)包括：一次喚醒多次交互過程中的第一樣本輸入語音、第一樣本歷史語音序列以及分類標注結果；

采用所述第一樣本輸入語音、所述第一樣本歷史語音序列以及所述分類標注結果對所述接收拒識分類模型進行訓練，得到訓練好的接收拒識分類模型。

6.根據(jù)權利要求3或5所述的方法，其中，所述獲取經(jīng)過預訓練的對比預測編碼CPC模型，包括：

獲取預訓練數(shù)據(jù)，其中，所述預訓練數(shù)據(jù)包括：正例數(shù)據(jù)和負例數(shù)據(jù)，其中，所述正例數(shù)據(jù)包括：一次喚醒一次交互過程中用戶的任意一條第二樣本輸入語音，以及所述第二樣本輸入語音之前的多條歷史語音組成的第二樣本歷史語音序列；

采用所述預訓練數(shù)據(jù)對初始的CPC模型進行訓練，得到經(jīng)過預訓練的CPC模型。