CN104394265A - 基于移动智能终端的自动会话方法及装置 - Google Patents

Abstract

本公开实施例公开了一种基于移动智能终端的自动会话方法及装置，移动智能终端获得第一语音信号后，获取该第一语音信号对应的第一语种，然后，获取所述第一语音信号对应的本文信息，即第一文本信息。将所述第一文本信息转换成目的语种对应的第二文本信息。再将第二文本信息合成目的语种对应的第二语音信号，最后，输出第二语音信号。通过移动智能终端实现将第一语种的第一语音信号转换成目的语种的第二语音信号，使用不同语种的语言的用户可以通过移动智能终端顺畅会话，且用户使用方便。

Description

基于移动智能终端的自动会话方法及装置

技术领域

本公开涉及计算机技术领域，特别是涉及基于移动智能终端的自动会话方法及装置。

背景技术

随着智能终端快速发展，移动智能终端(例如，智能手机或平板电脑等)成为人们日常生活不可或缺的一部分。用户可以利用智能手机可以与朋友打电话，或者，通过智能手机或平板电脑上安装的即时通信软件(例如，米聊)与朋友进行语音聊天。

在移动智能终端为用户的语音会话带来便利的同时，还存在以下问题需要解决：例如，用户A使用语言a，而用户B使用语言b，而且，用户A和B都不会使用对方的语言，此时，将会出现用户A和用户B无法进行语音会话的现象。

在信息全球化发展的环境下，人们与使用其他语种语言的人进行沟通的需求越来越突出，因此，通过移动智能终端解决不同语种间的用户进行语音会话的问题亟待解决。

发明内容

为克服相关技术中存在的问题，本公开提供一种基于移动智能终端的自动会话方法及装置。

为了解决上述技术问题，本公开实施例公开了如下技术方案：

根据本公开实施例的第一方面，提供一种基于移动智能终端的自动会话方法，包括：

获取第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，以及获取所述第一文本信息转换成目的语种对应的第二文本信息；

将所述第二文本信息合成所述目的语种对应的第二语音信号，并输出所述第二语音信号。

结合第一方面，在第一方面的第一种可能的实现方式中，所述获取第一语音信号，包括：

通过移动智能终端的语音接收器接收用户输入的语音信号；

确定所述用户输入的语音信号的结束时刻；

将所述结束时刻之前接收到的语音信号确定为所述第一语音信号。

结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述确定所述用户输入的语音信号的结束时刻，包括：

将用户输入的语音信号的强度低于预设阈值的时刻，确定为所述第一语音信号的结束时刻；

或者，

将接收到的语音输入结束指令的时刻，确定所述第一语音信号的结束时刻。

结合第一方面，在第一方面的第三种可能的实现方式中，所述根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，包括：

将所述第一语音信号及语音转换信息发送给服务器，所述语音转换信息用于指示所述服务器将所述第一语音信号转换为所述第一语种对应的第一文本信息；

接收服务器发送的所述第一文本信息。

结合第一方面、第一方面的第一种可能的实现方式、第一方面的第二种可能的实现方式或第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述获取所述第一文本信息转换成目的语种对应的第二文本信息，包括：

将所述第一文本信息及文本转换信息发送给服务器，所述文本转换信息用于指示所述服务器将所述第一文本信息转换为所述目的语种的第二文本信息；

接收所述服务器发送的所述第二文本信息。

结合第一方面、第一方面的第一种可能的实现方式、第一方面的第二种可能的实现方式或第一方面的第三种可能的实现方式，在第一方面的第五种可能的实现方式中，所述输出所述第二语音信号包括：

在本地播放所述第二语音信号；

或者，

将所述第二语音信号发送给服务器，以使所述服务器将所述第二语音信号发送给第二移动智能终端进行播放。

结合第一方面，在第一方面的第六种可能的实现方式中，所述获取第一语音信号，包括：

接收服务器发送的语音信号，得到第一语音信号。

根据本公开实施例的第二方面，提供一种基于移动智能终端的自动会话方法，包括：

接收第一移动智能终端发送的第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

获取所述第一文本信息对应目的语种的第二文本信息；

将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。

结合第二方面，在第二方面的第一种可能的实现方式中，根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，包括：

接收移动智能终端发送的语音转换信息，所述语音转换信息用于指示将第一语音信号转换为对应的第一文本信息；

依据所述语音转换信息，将所述第一语音信号转换为对应的第一文本信息。

结合第二方面，在第二方面的第二种可能的实现方式中，获取所述第一文本信息转换成目的语种对应的第二文本信息，包括：

接收移动智能终端发送的文本转换信息，所述文本转换信息用于指示将第一文本信息转换为所述目的语种对应的第二文本信息；

依据所述文本转换信息，将所述第一文本信息转换为所述目的语种对应的第二文本信息。

根据本公开实施例的第三方面，本公开提供一种基于移动智能终端的自动会话装置，包括：

第一语音获取单元，用于获取第一语音信号；

第一语种获取单元，用于获取所述第一语音信号所属的第一语种；

第一文本信息获取单元，用于根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

第二文本信息获取单元，用于获取所述第一文本信息转换成目的语种对应的第二文本信息；

语音合成单元，用于将所述第二文本信息合成所述目的语种对应的第二语音信号；

输出单元，用于输出所述第二语音信号。

结合第三方面，在第三方面的第一种可能的实现方式中，所述第一语音获取单元，包括：

接收子单元，用于通过移动智能终端的语音接收器接收用户输入的语音信号；

结束时刻确定子单元，用于确定所述用户输入的语音信号的结束时刻；

语音确定子单元，用于将所述结束时刻之前接收到的语音信号确定为所述第一语音信号。

结合第三方面的第一种可能的实现方式，在第三方面的第二种可能的实现方式中，所述结束时刻确定子单元包括：

第一确定子单元，用于将用户输入的语音信号的强度低于预设阈值的时刻，确定为所述第一语音信号的结束时刻；

或者，

第二确定子单元，用于将接收到的语音输入结束指令的时刻，确定所述第一语音信号的结束时刻。

结合第三方面，在第三方面的第三种可能的实现方式中，所述第一文本信息获取单元包括：

第一发送子单元，用于将所述第一语音信号及语音转换信息发送给服务器，所述语音转换信息用于指示所述服务器将所述第一语音信号转换为所述第一语种对应的第一文本信息；

第一接收子单元，用于接收服务器发送的所述第一文本信息。

结合第三方面、第三方面的第一种可能的实现方式、第三方面的第二种可能的实现方式或第三方面的第三种可能的实现方式，在第三方面的第四种可能的实现方式中，所述第二文本信息获取单元包括：

第二发送子单元，用于将所述第一文本信息及文本转换信息发送给服务器，所述文本转换信息用于指示所述服务器将所述第一文本信息转换为所述目的语种的第二文本信息；

第二接收子单元，用于接收所述服务器发送的所述第二文本信息。

结合第三方面、第三方面的第一种可能的实现方式、第三方面的第二种可能的实现方式或第三方面的第三种可能的实现方式，在第三方面的第五种可能的实现方式中，所述输出单元包括：

播放子单元，用于在本地播放所述第二语音信号；

或者，

第三发送子单元，用于将所述第二语音信号发送给服务器，以使所述服务器将所述第二语音信号发送给第二移动智能终端进行播放。

结合第三方面，在第三方面的第六种可能的实现方式中，所述获取第一语音获取单元包括：

第三接收子单元，用于接收服务器发送的语音信号，得到第一语音信号。

根据本公开实施例的第四方面，提供一种基于移动智能终端的自动会话装置，包括：

第一语音接收单元，用于接收第一移动智能终端发送的第一语音信号；

语种获取单元，用于获取所述第一语音信号所属的第一语种；

第一文本信息获取单元，用于根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

第二文本信息获取单元，用于获取所述第一文本信息对应目的语种的第二文本信息；

发送单元，用于将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。

结合第四方面，在第四方面的第一种可能的实现方式中，所述第一文本信息获取单元包括：

第一接收子单元，用于接收移动智能终端发送的语音转换信息，所述语音转换信息用于指示将第一语音信号转换为对应的第一文本信息；

第一转换子单元，用于依据所述语音转换信息，将所述第一语音信号转换为对应的第一文本信息。

结合第四方面，在第四方面的第二种可能的实现方式中，所述第二文本信息获取单元，包括：

第二接收子单元，用于接收移动智能终端发送的文本转换信息，所述文本转换信息用于指示将第一文本信息转换为所述目的语种对应的第二文本信息；

第二转换子单元，用于依据所述文本转换信息，将所述第一文本信息转换为所述目的语种对应的第二文本信息。

根据本公开实施例的第五方面，提供一种终端设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：

获取第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，以及获取所述第一文本信息转换成目的语种对应的第二文本信息；

将所述第二文本信息合成所述目的语种对应的第二语音信号，并输出所述第二语音信号。

根据本公开实施例的第六方面，提供一种终端设备，其特征在于，包括：处理器；

用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：

接收第一移动智能终端发送的第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

获取所述第一文本信息对应目的语种的第二文本信息；

将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。

本公开的实施例提供的技术方案可以包括以下有益效果：所述基于移动智能终端的自动会话方法，移动智能终端获得第一语音信号后，获取该第一语音信号对应的第一语种，然后，获取所述第一语音信号对应的本文信息，即第一文本信息。将所述第一文本信息转换成目的语种对应的第二文本信息。再将第二文本信息合成目的语种对应的第二语音信号，最后，输出第二语音信号。通过移动智能终端实现将第一语种的第一语音信号转换成目的语种的第二语音信号，使用不同语种的语言的用户可以通过移动智能终端顺畅会话，且用户使用方便。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种基于移动智能终端的自动会话方法流程图；

图2是根据一示例性实施例示出的另一种基于移动智能终端的自动会话方法的流程图；

图3是根据一示例性实施例示出的又一种基于移动智能终端的自动会话方法的流程图；

图4是根据一示例性实施例示出的再一种基于移动智能终端的自动会话方法的流程图；

图5是根据一示例性实施例示出的再一种基于移动智能终端的自动会话方法的流程图；

图6是根据一示例性实施例示出的一种基于移动智能终端的自动会话装置的框图；

图7是根据一示例性实施例示出的另一种基于移动智能终端的自动会话装置的框图；

图8是根据一示例性实施例示出的一种用于实现基于移动智能终端的自动会话方法的装置框图；

图9是根据一示例性实施例示出的另一种用于实现基于移动智能终端的自动会话方法的装置框图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种基于移动智能终端的自动会话方法的流程图，该方法用于移动智能终端中，如图1所示，由移动智能终端执行以下步骤：

在步骤S110中，移动智能终端获取第一语音信号，以及获取所述第一语音信号所属的第一语种。

在本公开的一个实施例中，所述第一语音信号可以是移动智能终端通过语音接收器接收用户输入的语音信号。

在本公开的其它实施例中，所述第一语音信号可以是该移动智能终端接收服务器发送的第一语音信号，该第一语音信号由另一移动智能终端发送给服务器。例如，用户B通过移动智能手机向服务器发送第一语音信号，服务器将所述第一语音信号发送给用户A。

其中，所述第一语音信号可以是用户A与用户B打电话时产生的语音信号，还可以是用户A与用户B通过米聊等即时通讯软件进行语音会话时产生的语音信号。

移动智能终端可以实时将接收到的语音信号进行后续的处理，即边接收语音信号边处理，即；或者，也可以确定语音信号的结束时刻，将结束时刻之前接收到的语音信号作为整体进行后续处理，即逐句处理。

移动智能终端获得第一语音信号后，可以通过语音识别技术识别所述第一语音信号的语种类型。当然，也可以由用户选定第一语音信号的语种类型，例如，指定第一语种为中文，目的语种为英文。

其中，通过语音识别技术识别第一语音信号的语种类型时，首先，获取所述第一语音信号的语言特征信息；然后，根据语言特征信息与语种信息之间的对应关系，查找所述第一语音信号的语言特征信息对应的第一语种。

在步骤S120中，移动智能终端根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息。

所述语音特征可以是不同的发音对应不同的声音频谱线。预先建立声音频谱线和文字之间的对应关系，然后获取到语音信号后，从语音信号中提取所包含的声音频谱线，之后，查找声音频谱线与文字之间的对应关系，得到语音信号所对应的文字。同音字可以根据与该字构成的词进一步确定准确的文字。

在步骤S130中，移动智能终端获取所述第一文本信息转换成目的语种所对应的第二文本信息。

可以由移动智能终端获取用户设定的目的语种的类型。

移动智能终端根据第一语种与目的语种之间的翻译词库，将第一语种的第一文本信息转换成目的语种的第二文本信息。例如，根据中英文对照词库，将中文的第一文本信息翻译成相应的英文，得到第二文本信息。

在步骤S140中，移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，并输出所述第二语音信号。

在得到目的语种对应的第二文本信息后，可以利用TTS(Text To Speech，文本到语言)技术将第二文本信息合成目的语种对应的第二语音信号，例如，将英文的第二文本信息合成相应的英文的第二语音信号。

首先，对接收到的第二文本信息进行语言分析，逐句进行词汇、语法和语义分析，从而确定第二文本信息所包含的句子的低层结构和每个字的音素的组成；然后，从语音合成库中提取分析后的文本所对应的单字或短语的语音，按照第二文本信息所包含的单字或短语的顺序，将对应的语音合成语音信号。可选地，为提高合成语音的质量，还可以对合成的语音信号进行韵律处理。

可选地，还可以从声音库中选择不同音色的声音，例如，可以选择卡通人物的声音等。

在本公开一示例性实施例中，输出所述第二语音信号可以是发送方的移动智能终端将所述第二语音信号通过服务器(例如，云服务器或移动通信的基站的服务器等)，发送给接收端的移动智能终端。

例如，用户A使用中文，用户B使用英文，用户A与用户B通过移动智能终端会话时，用户A产生的中文的第一语音信号，通过移动智能终端A’将转换成英文的第二语音信号，并将所述第二语音信号发送给用户B，用户B所使用的移动智能终端播放所述第二语音信号；即本实例在发送侧进行语音信号的转换。

在本公开另一示例性实施例中，输出所述第二语音信号还可以是由本地移动智能终端播放所述第二语音信号。

例如，用户A接收用户B发送的英文的第一语音信号，利用语音文字转换技术，将第一语音信号转换成第一文本信息，然后，再将英文的第一文本信息转换成中文的第二文本信息，最后，利用文字转语音的技术，将所述第二文本信息合成中文的第一语音信号，最后由用户A所使用的移动智能终端播放所述第二语音信号。即本实例在接收侧进行语音信号的转换。

本实施例提供的基于移动智能终端的自动会话方法，移动智能终端获得第一语音信号后，获取该第一语音信号对应的第一语种，然后，获取所述第一语音信号对应的本文信息，即第一文本信息。将所述第一文本信息转换成目的语种对应的第二文本信息。再将第二文本信息合成目的语种对应的第二语音信号，最后，输出第二语音信号。通过移动智能终端实现将第一语种的第一语音信号转换成目的语种的第二语音信号，使用不同语种的语言的用户可以通过移动智能终端顺畅会话，且用户使用方便。

在本公开一示例性实施例中，上述实施例的步骤S110获取第一语音信号的过程是移动智能终端通过语音接收器接收用户输入的语音信号时，步骤S110可以通过以下步骤实现：

步骤11)，通过移动智能终端的语音接收器接收用户输入的语音信号。

步骤12)，确定所述用户输入的语音信号的结束时刻。

在本公开一示例性实施例中，当获得的语音信号的平均强度低于预设阈值时，确定用户输入语音信号结束。例如，用户判断出语音信号的强度高于预设阈值时，语音输入开始时刻；用户判断出语音信号的强度低于预设阈值时，确定语音输入结束。

在本公开另一示例性实施例中，当移动智能终端接收到用户输入的语音输入结束指令时，确定用户输入语音信号结束。

步骤13)，将所述结束时刻之前接收到的语音信号确定为第一语音信号。

例如，用户在利用米聊进行语音聊天时，用户需要按压“按住说话”的控件时，移动智能终端接收用户输入的语音信号，用户按压“按住说话”的控件时，确定为用户输入语音信号结束，将用户在按压“按住说话”的控件的时间段内，接收到的语音信号作为第一语音信号。

本实施例提供的获取第一语音信号的方法，确定用户输入语音的将结束时刻，然后将结束时刻前接收到的语音信号作为第一语音信号，然后进行后续处理，这样，能够避免边接收语音信号，边进行后续处理，提高自动会话的会话质量。

相应于上述应用于移动智能终端的自动会话方法实施例，本发明还提供一种应用于服务器的自动会话方法实施例。

图2是根据一示例性实施例示出的另一种基于移动智能终端的自动会话方法的流程图，该方法应用于服务器中，如图2所示，该方法可以包括以下步骤：

在步骤S210中，接收第一移动智能终端发送的第一语音信号。

在步骤S220中，获取所述第一语音信号所属的第一语种。

在步骤S230中，根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息。

在步骤S240中，将所述第一文本信息转换成目的语种对应的第二文本信息。

在步骤S250中，将所述第二文本信息合成所述目的语种对应的第二语音信号。

在步骤S260中，将所述第二语音信号发送给所述第一移动智能终端，以使第一移动智能终端将所述第二语音信号发送给第二移动智能终端。

例如，在移动智能终端内安装相应的应用程序，当用户运行该应用程序时，获取用户的第一语音信号，并发送给服务器，由服务器将第一语种的第一语音信号转换成目的语种的第二语音信号，并提供给发送所述第一语音信号的移动智能终端，由该移动智能终端发送给接收侧的移动智能终端，例如，通过蜂窝网的服务器或即时通信软件对应的服务器发送接收侧的移动智能终端。

本实施例中的步骤S220～S260与图1中的S110～S140的具体实现过程相同，不同之处在于，实施的过程在服务器中实现。服务器的资源比移动智能终端的资源丰富且，处理数据的速度快，因此，本实施例提供的基于移动智能终端的自动会话方法，在语音转换的速度快，且转换质量高。

图3是根据一示例性实施例示出的又一种基于移动智能终端的自动会话方法的流程图，该方法应用于移动智能终端和服务器构成的系统中，第一移动智能终端是发送侧的移动智能终端，第二移动智能终端是接收侧的移动智能终端。由移动智能终端和服务器共同自动会话的过程。语音的语种识别、语音转换为文字及文字翻译等步骤都需要庞大的数据库的支持，考虑到移动智能终端的存储空间有限，可以由服务器完成上述的步骤。

如图3所示，所述方法可以包括以下步骤：

在步骤S310中，第一移动智能终端获取用户输入的第一语音信号，并将所述第一语音信号及语音转换信息发送给服务器，所述语音转换信息用于指示所述服务器将所述第一语音信号转换为对应的文本信息。

在步骤S320中，服务器识别所述第一语音信号所属的第一语种。

在步骤S330中，服务器根据所述语音转换信息及所述第一语种的语音特征，将所述第一语音信号转换为所述第一语种对应的第一文本信息，并将所述第一文本信息发送给第一移动智能终端。

在步骤S340中，第一移动智能终端将所述第一文本信息转换成目的语种对应的第二文本信息。

在步骤S350中，第一移动智能终端将所述第二文本信息合成目的语种对应的第二语音信号，并将所述第二语音信号发送给第二移动智能终端。

本实施例提供的基于移动智能终端的自动会话方法，第一移动智能终端获取用户的第一语音信号发送给服务器，由服务器识别第一语音信号的语种，并将第一语种的第一语音信号转换成第一文本信息。然后，由第一移动智能终端将第一文本信息转换成目的语种的第二文本信息，并利用TTS技术合成目的语种的第二语音信号，最终发送给接收侧的第二移动智能终端，不需要其它辅助设备就能够使不同语言的用户利用移动智能终端顺畅会话，而且，用户使用方便。

图4是根据一示例性实施例示出的再一种基于移动智能终端的自动会话方法的流程图，该方法应用于包括移动智能终端和服务的系统中，第一移动智能终端是发送侧的移动智能终端，第二移动智能终端是接收侧的移动智能终端。如图4所示，所述方法可以包括以下步骤：

在步骤S410中，第一移动智能终端获取用户输入的第一语音信号。

在步骤S420中，第一移动智能终端获取用户设定的所述第一语音信号所属的第一语种，以及目的语种。

用户可以设定第一语音信号的语种类型，以及第二语音信号的语种类型。

在步骤S430中，第一移动智能终端根据所述第一语种的语音特征，将所述第一语音信号转换为第一文本信息。

在步骤S440中，第一移动智能终端将所述第一文本信息及文本转换信息发送给服务器。所述文本转换信息用于指示所述服务器将所述第一文本信息转换为目的语种的第二文本信息。

在步骤S450中，服务器根据所述文本转换信息将所述第一文本信息转换为目的语种对应的第二文本信息。

在步骤S460中，服务器将所述第二文本信息合成目的语种对应的第二语音信号，并将所述第二语音信号发送给第一移动智能终端。

在步骤S470中，第一移动智能终端将将所述第二语音信号发送给第二移动智能终端。

本实施例提供的基于移动智能终端的自动会话方法，第一移动智能终端获取用户的第一语音信号，并获取第一语音信号所属的第一语种。然后，将第一语音信号转换为第一语种对应的第一文本信息，并第一文本信息及文本转换信息发送给服务器，由服务器根据文本转换信息将第一文本信息转换成目的语种的第二文本信息。服务器将第二文本信息合成目的语种的第二语音信号，并将第二语音信号发送给第一移动智能终端，最后第一移动智能终端将所述第二语音信号发送给第二移动智能终端。不需要其它辅助设备就能够使不同语言的用户利用移动智能终端顺畅会话，而且，用户使用方便。

图5是根据一示例性实施例示出的再一种基于移动智能终端的自动会话方法的流程图，该方法应用于包括移动智能终端和服务的系统中，第一移动智能终端是发送侧的移动智能终端，第二移动智能终端是接收侧的移动智能终端。如图5所示，所述方法可以包括以下步骤：

在步骤S510中，第一移动智能终端获取用户的第一语音信号。

在步骤S520中，第一移动智能终端获取所述第一语音信号所属的第一语种，以及目的语种，并将所述第一语音信号及第一语音转换信息发送给服务器，所述第一语音转换信息用于指示服务器将所述第一语音信号转换为目的语种的文本信息。

在步骤S530中，服务器根据所述第一语音转换信息及所述第一语种的语音特征，将所述第一语音信号转换为相应的第一文本信息。

在步骤S540中，服务器将所述第一文本信息转换为目的语种对应的第二文本信息。

在步骤S550中，服务器将所述第二文本信息发送给第一移动智能终端。

在步骤S560中，第一移动智能终端将所述第二文本信息合成目的语种对应的第二语音信号，并将所述第二语音信号发送给第二移动智能终端。

本实施例提供的基于移动智能终端的自动会话方法，第一移动智能终端将获取用户输入的第一语音信号，并将第一语音信号发送给服务器。由服务器根据语音转换信息将所述第一语音信号转换成对应的第一文本信息，再将第一文本信息转换为目的语种的第二文本信息，并提供给第一移动智能终端。由第一移动智能终端将第二文本信息合成对应的第二语音信号，并将第二语音信号发送给第二移动智能终端。从而使不同语言的用户不需要辅助其他的翻译设备，利用移动智能终端进行顺畅会话。

图6是根据一示例性实施例示出的一种基于移动智能终端的自动会话装置的框图，该装置应用于移动智能终端中，例如智能手机，如图6所示，所述装置可以包括：第一语音获取单元610、第一语种获取单元620、第一文本信息获取单元630、第二文本信息获取单元640、语音合成单元650和输出单元660。

该第一语音获取单元610被配置为，获取第一语音信号。

在本公开的一个实施例中，第一语音信号可以是移动智能终端通过语音接收器接收用户输入的语音信号。此种情况下所述第一语音获取单元610可以包括：接收子单元、结束时刻确定子单元和语音确定子单元。

该接收子单元被配置为，通过移动智能终端的语音接收器接收用户输入的语音信号。

该结束时刻确定子单元被配置为，确定所述用户输入的语音信号的结束时刻。

其中，该结束时刻确定子单元可以包括第一确定子单元。该第一确定子单元被配置为，将用户输入的语音信号的强度低于预设阈值的时刻，确定为所述第一语音信号的结束时刻。或者，该结束时刻确定子单元可以包括第二确定子单元，该第二确定子单元被配置为，将接收到的语音输入结束指令的时刻，确定所述第一语音信号的结束时刻。

该语音确定子单元被配置为，将所述结束时刻之前接收到的语音信号确定为第一语音信号。

在本公开的另一个实施例中，第一语音信号可以是该移动智能终端接收服务器发送的第一语音信号，该第一语音信号由另一移动智能终端发送给服务器。此种情况下，第一语音获取单元610包括第三接收子单元，该第三接收子单元被配置为，接收服务器发送的语音信号，得到第一语音信号。

该第一语种获取单元620被配置为，获取所述第一语音信号所属的第一语种。

该第一文本信息获取单元630被配置为，根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息。

该第二文本信息获取单元640被配置为，获取所述第一文本信息转换成目的语种对应的第二文本信息。

该语音合成单元650被配置为，将所述第二文本信息合成所述目的语种对应的第二语音信号。

该输出单元660被配置为，输出所述第二语音信号。

在本公开一示例性实施例中，发送方的移动智能终端将所述第二语音信号通过服务器(例如，云服务器或移动通信的基站的服务器等)，发送给接收端的移动智能终端。此种情况下，该输出单元660可以包括第三发送子单元；该第三发送子单元被配置为将所述第二语音信号发送给服务器，以使所述服务器将所述第二语音信号发送给第二移动智能终端进行播放。

在本公开另一示例性实施例中，可以由本地移动智能终端播放所述第二语音信号，此种情况下，该输出单元660可以包括播放子单元；该播放子单元被配置为在本地播放所述第二语音信号。

本实施例提供的基于移动智能终端的自动会话装置，通过移动智能终端实现将第一语种的第一语音信号转换成目的语种的第二语音信号，使用不同语种的语言的用户可以通过移动智能终端顺畅会话，且用户使用方便。

在本公开一示例性实施例中，由移动智能终端将获得的第一语音信号发送给服务器，再由服务器将第一语音信号转换为相应的文本信息。所述第一文本信息获取单元630可以包括：第一发送子单元和第一接收子单元。

该第一发送子单元被配置为，将所述第一语音信号及语音转换信息发送给服务器，所述语音转换信息用于指示所述服务器将所述第一语音信号转换为第一语种对应的第一文本信息。

该第一接收子单元被配置为，接收服务器发送的所述第一文本信息。。

同理，第二文本信息获取单元640可以包括：第二发送子单元和第二接收子单元；

该第二发送子单元被配置为，将所述第一文本信息及文本转换信息发送给服务器，所述文本转换信息用于指示所述服务器将所述第一文本信息转换为所述目的语种的第二文本信息。

该第二接收子单元被配置为，接收所述服务器发送的所述第二文本信息。

图7是根据一示例性实施例示出的另一种基于移动智能终端的自动会话装置的框图，该装置应用于服务器中，如图7所示，所述装置可以包括：第一语音接收单元710、语种获取单元720、第一文本信息获取单元730、第二文本信息获取单元740和发送单元750。

该第一语音接收单元710被配置为，接收第一移动智能终端发送的第一语音信号。

该语种获取单元720被配置为，获取所述第一语音信号所属的第一语种。

该第一文本信息获取单元730被配置为，根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息。

在本公开一示例性实施例中，所述第一文本信息获取单元730包括：第一接收子单元和第一转换子单元。

该第一接收子单元被配置为，接收移动智能终端发送的语音转换信息，所述语音转换信息用于指示将第一语音信号转换为对应的第一文本信息。

该第一转换子单元被配置为，依据所述语音转换信息，将所述第一语音信号转换为对应的第一文本信息。

该第二文本信息获取单元740被配置为，获取所述第一文本信息对应目的语种的第二文本信息。

在本公开一示例性实施例中，所述第二文本信息获取单元740可以包括：第二接收子单元和第二转换子单元。

该第二接收子单元被配置为，接收移动智能终端发送的文本转换信息，所述文本转换信息用于指示将第一文本信息转换为所述目的语种对应的第二文本信息。

该第二转换子单元被配置为，依据所述文本转换信息，将所述第一文本信息转换为所述目的语种对应的第二文本信息。

该发送单元750被配置为，将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。

本实施例提供的基于移动智能终端的自动会话装置，与图6所示实施例的不同之处在于，实施的过程在服务器中实现。服务器的资源比移动智能终端的资源丰富且，处理数据的速度快，因此，本实施例提供的基于移动智能终端的自动会话方法，在语音转换的速度快，且转换质量高。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据一示例性实施例示出的一种用于实现基于移动智能终端的自动会话方法的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

如图8所示，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动智能终端的处理器执行时，使得终端设备能够执行一种基于移动智能终端的自动会话方法，所述方法包括：

获取第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，以及获取所述第一文本信息转换成目的语种对应的第二文本信息；

将所述第二文本信息合成所述目的语种对应的第二语音信号，并输出所述第二语音信号。

图9是根据一示例性实施例示出的一种用于实现基于移动智能终端的自动会话方法的装置1900的框图。例如，装置1900可以被提供为一服务器。如图9所示，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行图2～图5所示的方法实施例。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (22)

1.一种基于移动智能终端的自动会话方法，其特征在于，包括：

获取第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，以及获取所述第一文本信息转换成目的语种对应的第二文本信息；

将所述第二文本信息合成所述目的语种对应的第二语音信号，并输出所述第二语音信号。

2.根据权利要求1所述的方法，其特征在于，所述获取第一语音信号，包括：

通过移动智能终端的语音接收器接收用户输入的语音信号；

确定所述用户输入的语音信号的结束时刻；

将所述结束时刻之前接收到的语音信号确定为所述第一语音信号。

3.根据权利要求2所述的方法，其特征在于，所述确定所述用户输入的语音信号的结束时刻，包括：

将用户输入的语音信号的强度低于预设阈值的时刻，确定为所述第一语音信号的结束时刻；

或者，

将接收到的语音输入结束指令的时刻，确定所述第一语音信号的结束时刻。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，包括：

将所述第一语音信号及语音转换信息发送给服务器，所述语音转换信息用于指示所述服务器将所述第一语音信号转换为所述第一语种对应的第一文本信息；

接收服务器发送的所述第一文本信息。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述获取所述第一文本信息转换成目的语种对应的第二文本信息，包括：

将所述第一文本信息及文本转换信息发送给服务器，所述文本转换信息用于指示所述服务器将所述第一文本信息转换为所述目的语种的第二文本信息；

接收所述服务器发送的所述第二文本信息。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述输出所述第二语音信号包括：

在本地播放所述第二语音信号；

或者，

将所述第二语音信号发送给服务器，以使所述服务器将所述第二语音信号发送给第二移动智能终端进行播放。

7.根据权利要求1所述的方法，其特征在于，所述获取第一语音信号，包括：

接收服务器发送的语音信号，得到第一语音信号。

8.一种基于移动智能终端的自动会话方法，其特征在于，包括：

接收第一移动智能终端发送的第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

获取所述第一文本信息对应目的语种的第二文本信息；

将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。

9.根据权利要求8所述的方法，其特征在于，根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，包括：

接收移动智能终端发送的语音转换信息，所述语音转换信息用于指示将第一语音信号转换为对应的第一文本信息；

依据所述语音转换信息，将所述第一语音信号转换为对应的第一文本信息。

10.根据权利要求8所述的方法，其特征在于，获取所述第一文本信息转换成目的语种对应的第二文本信息，包括：

接收移动智能终端发送的文本转换信息，所述文本转换信息用于指示将第一文本信息转换为所述目的语种对应的第二文本信息；

依据所述文本转换信息，将所述第一文本信息转换为所述目的语种对应的第二文本信息。

11.一种基于移动智能终端的自动会话装置，其特征在于，包括：

第一语音获取单元，用于获取第一语音信号；

第一语种获取单元，用于获取所述第一语音信号所属的第一语种；

第一文本信息获取单元，用于根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

第二文本信息获取单元，用于获取所述第一文本信息转换成目的语种对应的第二文本信息；

语音合成单元，用于将所述第二文本信息合成所述目的语种对应的第二语音信号；

输出单元，用于输出所述第二语音信号。

12.根据权利要求11所述的装置，其特征在于，所述第一语音获取单元，包括：

接收子单元，用于通过移动智能终端的语音接收器接收用户输入的语音信号；

结束时刻确定子单元，用于确定所述用户输入的语音信号的结束时刻；

语音确定子单元，用于将所述结束时刻之前接收到的语音信号确定为所述第一语音信号。

13.根据权利要求12所述的装置，其特征在于，所述结束时刻确定子单元包括：

第一确定子单元，用于将用户输入的语音信号的强度低于预设阈值的时刻，确定为所述第一语音信号的结束时刻；

或者，

第二确定子单元，用于将接收到的语音输入结束指令的时刻，确定所述第一语音信号的结束时刻。

14.根据权利要求11所述的装置，其特征在于，所述第一文本信息获取单元包括：

第一发送子单元，用于将所述第一语音信号及语音转换信息发送给服务器，所述语音转换信息用于指示所述服务器将所述第一语音信号转换为所述第一语种对应的第一文本信息；

第一接收子单元，用于接收服务器发送的所述第一文本信息。

15.根据权利要求11-14任一项所述的装置，其特征在于，所述第二文本信息获取单元包括：

第二发送子单元，用于将所述第一文本信息及文本转换信息发送给服务器，所述文本转换信息用于指示所述服务器将所述第一文本信息转换为所述目的语种的第二文本信息；

第二接收子单元，用于接收所述服务器发送的所述第二文本信息。

16.根据权利要求11-14任一项所述的装置，其特征在于，所述输出单元包括：

播放子单元，用于在本地播放所述第二语音信号；

或者，

第三发送子单元，用于将所述第二语音信号发送给服务器，以使所述服务器将所述第二语音信号发送给第二移动智能终端进行播放。

17.根据权利要求11所述的装置，其特征在于，所述获取第一语音获取单元包括：

第三接收子单元，用于接收服务器发送的语音信号，得到第一语音信号。

18.一种基于移动智能终端的自动会话装置，其特征在于，包括：

第一语音接收单元，用于接收第一移动智能终端发送的第一语音信号；

语种获取单元，用于获取所述第一语音信号所属的第一语种；

第一文本信息获取单元，用于根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

第二文本信息获取单元，用于获取所述第一文本信息对应目的语种的第二文本信息；

发送单元，用于将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。

19.根据权利要求18所述的装置，其特征在于，所述第一文本信息获取单元包括：

第一接收子单元，用于接收移动智能终端发送的语音转换信息，所述语音转换信息用于指示将第一语音信号转换为对应的第一文本信息；

第一转换子单元，用于依据所述语音转换信息，将所述第一语音信号转换为对应的第一文本信息。

20.根据权利要求18所述的装置，其特征在于，所述第二文本信息获取单元，包括：

第二接收子单元，用于接收移动智能终端发送的文本转换信息，所述文本转换信息用于指示将第一文本信息转换为所述目的语种对应的第二文本信息；

第二转换子单元，用于依据所述文本转换信息，将所述第一文本信息转换为所述目的语种对应的第二文本信息。

21.一种终端设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息，以及获取所述第一文本信息转换成目的语种对应的第二文本信息；

将所述第二文本信息合成所述目的语种对应的第二语音信号，并输出所述第二语音信号。

22.一种终端设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收第一移动智能终端发送的第一语音信号，以及获取所述第一语音信号所属的第一语种；

根据所述第一语种的语音特征，获取所述第一语音信号对应的第一文本信息；

获取所述第一文本信息对应目的语种的第二文本信息；

将所述第二文本信息发送给所述第一移动智能终端，以使所述第一移动智能终端将所述第二文本信息合成所述目的语种对应的第二语音信号，以及使所述第一移动智能终端输出所述第二语音信号。