[發(fā)明專利]一種智能語(yǔ)音交互打斷處理方法、裝置及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110407547.3
• 申請(qǐng)日: 2021-04-15
• 公開(kāi)（公告）號(hào): CN113113013B
• 公開(kāi)（公告）日: 2022-03-18
• 發(fā)明（設(shè)計(jì)）人: 牛歌
• 申請(qǐng)（專利權(quán)）人: 北京帝派智能科技有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/18
• 代理公司: 北京弘權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11363
• 代理人: 逯長(zhǎng)明;許偉群

本申請(qǐng)?zhí)峁┝艘环N智能語(yǔ)音交互打斷處理方法、裝置及系統(tǒng)，當(dāng)用戶需要打斷機(jī)器人正在播放目標(biāo)語(yǔ)音時(shí)，向機(jī)器人發(fā)送打斷語(yǔ)音，此時(shí)，機(jī)器人響應(yīng)于該打斷語(yǔ)音，確定所播放的當(dāng)前語(yǔ)音對(duì)應(yīng)的第一時(shí)間戳。為了保證當(dāng)前語(yǔ)音停止播放時(shí)的播放完整性，會(huì)預(yù)先在當(dāng)前語(yǔ)音中設(shè)置可打斷時(shí)間戳，以作為真正打斷播放語(yǔ)音的節(jié)點(diǎn)。當(dāng)機(jī)器人確定第一時(shí)間戳之后，需要根據(jù)第一時(shí)間戳確定相應(yīng)的可打斷時(shí)間戳，即第二時(shí)間戳，為了可以及時(shí)停止播放語(yǔ)音，選擇第一時(shí)間戳之后的第一個(gè)可打斷時(shí)間戳作為第二時(shí)間戳。這樣，通過(guò)將當(dāng)前語(yǔ)音持續(xù)播放至第二時(shí)間戳，不僅可以保證語(yǔ)音的播放完整性，還可以較為及時(shí)的停止播放當(dāng)前語(yǔ)音，以及時(shí)回應(yīng)用戶提出的其它需求。

技術(shù)領(lǐng)域

本申請(qǐng)涉及自然語(yǔ)言處理技術(shù)領(lǐng)域，尤其涉及一種智能語(yǔ)音交互打斷處理方法、裝置及系統(tǒng)。

背景技術(shù)

人機(jī)交互(human-computer interaction，HCI)，又稱人機(jī)互動(dòng)(human-machineinteraction，HMI)，是指用戶與系統(tǒng)之間的相互交流。利用人機(jī)交互可以有效減少人力成本，例如，在客戶服務(wù)領(lǐng)域，將人工客服替換為機(jī)器人，利用機(jī)器人與用戶語(yǔ)音對(duì)話，以解決用戶的一些問(wèn)題和需求，就可以有效減少人工數(shù)量。

為了提高用戶的體驗(yàn)感，需要令機(jī)器人語(yǔ)音的播放方式，例如語(yǔ)音內(nèi)容、播放語(yǔ)氣、語(yǔ)速、對(duì)于用戶語(yǔ)音的反應(yīng)力等，更加貼近于真人對(duì)話的模式，其中，對(duì)于用戶語(yǔ)音的反應(yīng)力，機(jī)器人很難模仿真人對(duì)話，例如，當(dāng)用戶不想繼續(xù)聽(tīng)機(jī)器人回復(fù)當(dāng)前問(wèn)題，就會(huì)向機(jī)器人發(fā)送語(yǔ)音，以打斷機(jī)器人播放當(dāng)前語(yǔ)音，通常，機(jī)器人在接收到用戶的語(yǔ)音信號(hào)時(shí)，很難掌握停止播放當(dāng)前語(yǔ)音的打斷點(diǎn)，在一些情況下，機(jī)器人會(huì)選擇立即或者隨機(jī)停止播放當(dāng)前語(yǔ)音，而這種打斷方式會(huì)導(dǎo)致已經(jīng)播放的語(yǔ)音的發(fā)音或者語(yǔ)義不完整，不符合真人對(duì)話的方式，令用戶感覺(jué)很生硬，體驗(yàn)感較差；在一些情況下，機(jī)器人為了提高已經(jīng)播放的語(yǔ)音的完整性，會(huì)選擇延長(zhǎng)語(yǔ)音播放時(shí)長(zhǎng)，但是，這種打斷方式又會(huì)令當(dāng)前語(yǔ)音停止的不及時(shí)，令用戶過(guò)長(zhǎng)等待，降低體驗(yàn)感。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種智能語(yǔ)音交互打斷處理方法、裝置及系統(tǒng)，以通過(guò)準(zhǔn)確確定機(jī)器人停止播放當(dāng)前語(yǔ)音的打斷點(diǎn)，提高用戶與機(jī)器人之間語(yǔ)音對(duì)話的體驗(yàn)感。

第一方面，本申請(qǐng)實(shí)施例提供了一種智能語(yǔ)音交互打斷處理方法，包括：接收用戶發(fā)送的打斷語(yǔ)音；獲取接收所述打斷語(yǔ)音時(shí)播放的當(dāng)前語(yǔ)音所對(duì)應(yīng)的第一時(shí)間戳；根據(jù)所述第一時(shí)間戳，確定第二時(shí)間戳，所述第二時(shí)間戳是指位于所述第一時(shí)間戳之后的第一個(gè)可打斷時(shí)間戳，所述可打斷時(shí)間戳用于指示停止播放所述當(dāng)前語(yǔ)音，且所述可打斷時(shí)間戳的設(shè)置符合預(yù)設(shè)的播放完整性規(guī)則；將所述當(dāng)前語(yǔ)音播放至所述第二時(shí)間戳。

在一種可以實(shí)現(xiàn)的方式中，所述接收用戶發(fā)送的打斷語(yǔ)音包括：接收用戶發(fā)送的語(yǔ)音信號(hào)；根據(jù)預(yù)設(shè)規(guī)則，判斷所述語(yǔ)音信號(hào)是否為打斷語(yǔ)音；提取所述打斷語(yǔ)音。

在一種可以實(shí)現(xiàn)的方式中，所述預(yù)設(shè)規(guī)則包括所述語(yǔ)音信號(hào)對(duì)應(yīng)的音量大于或者等于預(yù)設(shè)音量，和/或所述語(yǔ)音信號(hào)對(duì)應(yīng)的語(yǔ)義符合預(yù)設(shè)用于指示停止播放語(yǔ)音的語(yǔ)義。

在一種可以實(shí)現(xiàn)的方式中，所述獲取接收所述打斷語(yǔ)音時(shí)播放的當(dāng)前語(yǔ)音所對(duì)應(yīng)的第一時(shí)間戳包括：識(shí)別接收所述打斷語(yǔ)音時(shí)播放的當(dāng)前語(yǔ)音對(duì)應(yīng)的已播放時(shí)間；確定所述已播放時(shí)間為第一時(shí)間戳。

在一種可以實(shí)現(xiàn)的方式中，所述根據(jù)所述第一時(shí)間戳，確定第二時(shí)間戳包括：獲取待分析語(yǔ)音，所述待分析語(yǔ)音是指從所述第一時(shí)間戳開(kāi)始至所述目標(biāo)語(yǔ)音的結(jié)尾的語(yǔ)音；根據(jù)預(yù)設(shè)的可打斷時(shí)間戳與字/詞/句子/語(yǔ)義的對(duì)應(yīng)關(guān)系，確定所述待分析語(yǔ)音中的全部可打斷時(shí)間戳；從所述全部可打斷時(shí)間戳中確定第二時(shí)間戳。

在一種可以實(shí)現(xiàn)的方式中，所述可打斷時(shí)間戳對(duì)應(yīng)預(yù)設(shè)字/詞/句子/語(yǔ)義的邊界。

在一種可以實(shí)現(xiàn)的方式中，所述當(dāng)前語(yǔ)音的每一個(gè)句子包含至少一個(gè)所述可打斷時(shí)間戳。

在一種可以實(shí)現(xiàn)的方式中，若所述當(dāng)前語(yǔ)音的目標(biāo)句子包含一個(gè)可打斷時(shí)間戳，所述可打斷時(shí)間戳對(duì)應(yīng)所述目標(biāo)句子的邊界。