[發明專利]語音交互方法和裝置、電子設備及可讀存儲介質

在審

• 申請號: 202011355785.6
• 申請日: 2020-11-27
• 公開（公告）號: CN112509551A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 黃家天
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L13/08
• 代理公司: 北京市漢坤律師事務所 11602
• 代理人: 姜浩然;吳麗麗

公開了一種語音交互方法和裝置、電子設備及可讀存儲介質，涉及語音交互技術領域。語音交互方法，包括：獲取待轉換為語音數據的文字數據；分割所述文字數據以生成第一文字數據部分和第二文字數據部分；將所述第一文字數據部分轉換為第一語音數據部分并傳輸所述第一語音數據部分；響應于所述第二文字數據部分的生成，將所述第二文字數據部分轉換為第二語音數據部分，其中，所述第二文字數據部分至所述第二語音數據部分的轉換過程和所述第一語音數據部分的傳輸過程在時間上至少部分地重疊；以及傳輸所述第二語音數據部分。

技術領域

本公開涉及語音交互技術領域，尤其涉及語音交互的方法、裝置、電子設備和可讀存儲介質。

背景技術

隨著語音交互技術的發展，長語音交互的應用場景越來越受到關注。在該應用場景下，如果用于進行語音交互的設備存在內存容量上的限制，例如小于8M，則可能會出現在語音交互過程中設備內存被占滿的情況，由此造成設備宕機。為了緩解上述問題，近來還提出了將用于語音交互的音頻文件存儲于云端并由設備從云端設備下載的方法。然而，該方法必須在完整地生成整個音頻文件的情況下才可進行，導致用戶可感知到明顯的交互延遲，極大降低了語音交互體驗。

發明內容

根據本公開的一個方面，提供一種語音交互方法，包括：獲取待轉換為語音數據的文字數據；分割所述文字數據以生成第一文字數據部分和第二文字數據部分；將所述第一文字數據部分轉換為第一語音數據部分并傳輸所述第一語音數據部分；響應于所述第二文字數據部分的生成，將所述第二文字數據部分轉換為第二語音數據部分，其中，所述第二文字數據部分至所述第二語音數據部分的轉換過程和所述第一語音數據部分的傳輸過程在時間上至少部分地重疊；以及傳輸所述第二語音數據部分。

根據本公開的另一個方面，提供一種語音交互裝置，包括：文字數據獲取單元，被配置為獲取待轉換為語音數據的文字數據；文字數據分割單元，被配置為分割所述文字數據以生成第一文字數據部分和第二文字數據部分；第一語音交互單元，被配置為將所述第一文字數據部分轉換為第一語音數據部分并傳輸所述第一語音數據部分；第二語音交互單元，被配置為：響應于所述第二文字數據部分的生成，將所述第二文字數據部分轉換為第二語音數據部分，其中，所述第二文字數據部分至所述第二語音數據部分的轉換過程和所述第一語音數據部分的傳輸過程在時間上至少部分地重疊；以及傳輸所述第二語音數據部分。

根據本公開的另一個方面，提供一種電子設備，包括：處理器；以及存儲程序的存儲器，所述程序包括指令，所述指令在由所述處理器執行時使所述處理器執行上述的語音交互方法。

根據本公開的另一個方面，提供一種存儲程序的計算機可讀存儲介質，所述程序包括指令，所述指令在由電子設備的處理器執行時，使所述電子設備執行上述的語音交互方法。

附圖說明

附圖示例性地示出了實施例并且構成說明書的一部分，與說明書的文字描述一起用于講解實施例的示例性實施方式。所示出的實施例僅出于例示的目的，并不限制權利要求的范圍。在所有附圖中，相同的附圖標記指代類似但不一定相同的要素。

圖1是示出根據示例性實施例的語音交互方法的流程圖；

圖2是用于說明根據示例性實施例的語音交互方法的過程的示意圖；

圖3是示出根據示例性實施例的語音交互裝置的框圖；以及

圖4是示出能夠應用于示例性實施例的計算設備的結構框圖。

具體實施方式

下面結合附圖和實施例對本公開進行進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅用于解釋相關發明，而非對該發明的限定。另外，還需要說明的是，為了便于描述，附圖中僅示出了與相關發明相關的部分。