CN105094641A - 语音问答交互方法和装置 - Google Patents

Abstract

本发明实施例公开了一种语音问答交互方法和装置。所述方法包括：获取提问客户上传的问题语音；对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本；将所述问题文本分发给目标解答客户。本发明实施例提供的语音问答交互方法和装置显著的提高了互动问答系统中交互双方的交互效率。

Description

语音问答交互方法和装置

技术领域

本发明实施例涉及互联网技术领域，尤其涉及一种语音问答交互方法和装置。

背景技术

随着国内互联网技术的发展，出现了“新浪爱问知识人”、“百度知道”、“雅虎知识堂”等商业系统。这些商业系统采用网络协作的方式，将所有用户组组成高效的社会协作网，互相解决对方提出问题的咨询系统，就是网络互动问答系统。互动问答系统区别与传统的问答系统(QAsystem)，它问题的回答不是由计算机自动完成，而是通过其他用户直接回答，由自己或网络用户共同选择正确答案；互动问答系统也区别与过去的论坛、留言板等交流平台，它是一个以问题为中心而不是以话题为中心的信息交流平台。通过互动问答系统用户主要获取的是知识项或者知识单元，它属于典型的实时检索系统，是用户信息需求最直接高效的检索模式。

目前在线运行的互动问答系统大致可以分为基于文本的互动问答系统及基于语音的互动问答系统。在基于文本的互动问答系统中，交互双方通过输入的文字进行提问和解答；而在基于语音的互动问答系统中，交互双方则通过语音完成提问及解答。上述两种互动问答系统都存在着交互效率不高的问题。比如，在基于文本的互动问答系统中，提问用户必须手动将自己的问题输入才能完成提问操作，而在基于语音的互动问答系统中，解答用户必须自己听完提问用户上传的语音，才能了解到对方提出的问题的实质内容。

发明内容

针对上述技术问题，本发明实施例提供了一种语音问答交互方法和系统，以显著提高互动问答系统中交互双方的交互效率。

第一方面，本发明实施例提供了一种语音问答交互方法，所述方法包括：

获取提问客户上传的问题语音；

对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本；

将所述问题文本分发给目标解答客户。

第二方面，本发明实施例还提供了一种语音问答交互装置，所述装置包括：

问题语音获取模块，用于获取提问客户上传的问题语音；

语音识别模块，用于对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本；

分发模块，用于将所述问题文本分发给目标解答客户。

本发明实施例提供的语音问答交互方法和装置通过获取提问客户上传的问题语音，对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本，将所述问题文本分发给目标解答客户。这样，利用语音识别技术完成对问题语音至问题文本的转换，使得解答客户只要查看问题文本就可以清楚的了解到问题的实质内容，从而显著的提高了互动问答系统中交互双方的交互效率。

附图说明

图1是本发明第一实施例提供的语音问答交互方法的流程图；

图2是本发明第二实施例提供的语音问答交互方法的流程图；

图3是本发明第三实施例提供的语音问答交互方法的流程图；

图4A是本发明第三实施例提供的提问客户端的一种提问显示界面图；

图4B是本发明第三实施例提供的提问客户端的另一种提问显示界面图；

图4C是本发明第三实施例提供的未收到解答文本时提问客户端的显示界面图；

图4D是本发明第三实施例提供的收到解答文本时提问客户端的显示界面图；

图5是本发明第四实施例提供的实施语音问答交互方法的系统的系统架构图；

图6是本发明第四实施例提供的语音问答交互方法的交互流程图；

图7是本发明第五实施例提供的语音问答交互装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

第一实施例

本实施例提供了语音问答交互方法的一种技术方案。所述语音问答交互方法由语音问答交互装置执行。并且，所述语音问答交互装置可以被集成在一个独立的网元设备中，也可以被划分为多个不同的、相互独立的功能模块，并集成网络中不同的网元设备中。因此，所述语音问答交互方法可以由一个网络设备单独执行，也可以由分布在网络上的多个网络设备共同执行。

参见图1，所述语音问答交互方法包括：

S11，获取提问客户上传的问题语音。

在本实施例中，提问客户不再通过上传描述问题的文字来向互动问答系统进行提问，转而通过说话，也就是上传语音向所述互动问答系统提出问题。优选的，在用户通过如话筒这样的语音输入设备输入了用来提问的问题语音之后，提问客户使用的客户端设备(例如，移动电话、平板电脑)对用户输入的问题语音进行采样和语音编码，再将处理之后的问题语音上传。

在提问客户使用的客户端设备上传所述问题语音之后，通过网络获取到提问客户上传的所述问题语音。一般情况下，提问客户的问题语音具有较小的时间长度。优选的，可以通过对提问客户上传的问题语音的时间长度设置最大时间长度从提问客户上传的语音中选择时间长度较小的问题语音。也就是说，只有时间长度小于所述最大时间长度参数的问题语音，才可能被系统接受，进行进一步的语音识别处理。

S12，对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本。

对所述问题语音执行的语音识别是连续语音识别。并且，对所述问题语音执行的语音识别过程具有较好的实时性。也就是说，从问题语音的输入到问题文本的输出之间的时间间隔不大。具体的，上述时间间隔最大不超过1秒。由于对问题语音执行的语音识别过程具有较好的实时性，即时在网络传输时延较大的情况下，也能够保证互动问答系统中进行问答交互的交互双方之间的沟通效率。

具体的，所述语音识别是基于动态时间规整(Dynamictimewarping,DTW)的语音识别、基于隐马尔可夫模型(Hiddenmarkovmodel,HMM)的语音识别、基于矢量量化(Vectorquantization,VQ)的语音识别中的任意一种。

S13，将所述问题文本分发给目标解答客户。

所述目标解答客户是在互动问答系统中对提问客户提出的问题给出答案的另一个客户。进一步的，所述目标解答客户还可以是互动问答系统的服务提供商的在线客服人员。

向所述目标解答客户分发所述问题文本的方式可以在即时通讯应用中的即时消息，也可以是在设定用户组中的发布消息，或者设定网页上的发布消息。

由于对提问客户上传的问题语音进行了语音识别，得到了所述问题语音对应的问题文本，则可以通过将问题文本发送给目标解答客户的形式向所述目标解答客户展现提问客户所提出的问题。采用这种问题展现方式的优势在于，所述目标解答用户不必再执行对文本语音的播放点击操作，而仅通过阅读所述问题文本就可以了解提问客户所提问题的内容。这样，就缩短了互动问答系统中问答双方进行问答所需要的时间，提高了互动问答系统中问答双方的沟通效率。

可选的，可以在将所述问题文本分发给目标解答客户的时候，将识别得到所述问题文本的原始问题语音也一并发送给所述目标解答客户。

本实施例通过获取提问客户上传的问题语音，对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本，以及将所述问题文本分发给目标解答客户，使得提问客户可以以语音的方式进行提问，同时解答客户能够通过文字了解问题的内容，从而提高了互动问答系统中问答双方之间的沟通效率。

第二实施例

本实施例以本发明上述实施例为基础，进一步的提供了语音问答交互方法的一种技术方案。在该技术方案中，在对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本之后，所述语音问答交互方法还包括：根据所述问题文本的内容对所述问题文本进行内容分类；根据所述内容分类的结果确定应当分发的目标解答客户。

参见图2，所述语音问答交互方法包括：

S21，获取提问客户上传的问题语音。

S22，对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本。

S23，根据所述问题文本的内容对所述问题文本进行内容分类。

具体的，可以预先设置若干个所述问题文本的内容类目，并且对于每个内容类目设置它对应的关键词词表。在通过语音识别获取到所述问题语音对应的问题文本之后，对所述问题文本进行分词，然后将分词得到的关键词与所述不同内容类目的关键词词表进行匹配，最后将匹配成功个数最多的一个内容类目作为所述问题文本所属的内容类目。

S24，根据所述内容分类的结果确定应当分发的目标解答客户。

可以理解的是，不同的目标解答客户可能有自己所专长的领域。将这些领域与所述问题文本的内容类目对应起来，并且对不同的目标解答客户标注其专长的领域。

在对所述问题文本进行内容分类之后，根据所述内容分类的结果，以及每个目标解答客户所擅长的领域确定应当将所述问题文本分发给哪些目标解答客户。进一步的，通过将所述内容分类的结果与所述目标解答客户所擅长的领域之间的匹配结果，确定所述目标解答客户。

S25，将所述问题文本分发给目标解答客户。

本实施例通过在对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本之后，根据所述问题文本的内容对所述问题文本进行内容分类，以及根据所述内容分类的结果确定应当分发的目标解答客户，使得能够根据所述问题文本的内容确定合适的目标解答客户。这样，每个解答客户只需要解答自己所擅长的领域内的提问问题，进一步的提高了互动问答系统的问答交互效率。

第三实施例

本实施例以本发明上述实施例为基础，进一步的提供了语音问答交互方法的一种技术方案。在该技术方案中，在将所述问题文本分发给目标解答客户之后，所述语音问答交互方法还包括：获取所述目标解答客户对于所述问题文本的解答文本；向提问客户显示所述解答文本。

参见图3，所述语音问答交互方法包括：

S31，获取提问客户上传的问题语音。

S32，对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本。

S33，根据所述问题文本的内容对所述问题文本进行内容分类。

S34，根据所述内容分类的结果确定应当分发的目标解答客户。

S35，将所述问题文本分发给目标解答客户。

S36，获取所述目标解答客户对于所述问题文本的解答文本。

在将所述问题文本分发给目标解答客户之后，所述目标解答客户可以在自己的客户端上清楚的看到提问客户所提出的问题的问题文本。此时，所述目标解答客户可以通过自身使用的客户端提交对所述问题的解答文本。所述目标解答客户提交了所述解答文本之后，通过网络获取所述目标解答客户对于所述问题文本的解答文本。

S37，向提问客户显示所述解答文本。

具体的，可以通过在网页中嵌入所述解答文本的方式向提问客户展示所述解答文本，也可以以即时消息的形式向提问客户显示所述解答文本。

图4A至图4D示出了示例性的交互界面。参见图4A，在该界面上，显示了提问客户的问题语音的图标41。参见图4B，在该界面上，不仅显示了提问客户的问题语音的图标41，还显示有所述问题语音对应的问题文本42。参见图4C，在还没有解答客户对问题进行解答之前，显示等待界面提示用户等待所述目标解答客户的答案。参见图4D，一旦目标解答客户给出了问题的解答文本，向提问客户显示所述解答文本43。

本实施例通过将所述问题文本分发给目标解答客户之后，获取所述目标解答客户对于所述问题文本的解答文本，以及向提问客户显示所述解答文本，完成了从问题提出到问题解答的问答交互全过程。

第四实施例

本实施例提供了语音问答交互方法的一种技术方案。根据该技术方案，依据图5示出的网络架构执行所述语音问答交互方法。参见图5，所述网络架构包括：提问客户端51、语音识别服务器52、分发服务器53以及目标解答客户端54。所述提问客户端51与所述语音识别服务器52之间、所述语音识别服务器52与所述分发服务器53之间，以及所述分发服务器53与所述目标解答客户端54之间分别通过网络相互连接。在这里，网络连接可以是诸如以太网、无源光纤网络的有线网络连接，或者诸如WiFi、Wimax、ZigBee的无线网络连接，还可以是混合多种网络协议的异构网路连接。

参见图6，所述语音问答交互方法包括：

S601，提问客户端接收提问客户的问题语音。

S602，提问客户端将所述问题语音发送至语音识别服务器。

S603，语音识别服务器对所述问题语音进行语音识别，以得到所述问题语音对应的问题文本。

具体的，所述语音识别包括基于DTW的语音识别、基于HMM的语音识别，或者基于VQ的语音识别。

S604，语音识别服务器将所述问题文本反馈至提问客户端。

将问题文本反馈至提问客户端的优点在于，提问客户也可以清楚的看到通过语音识别得到的问题的文本表述。

S605，语音识别服务器将所述问题语音及所述问题文本发送至分发服务器。

S606，分发服务器对所述问题文本进行内容分类，以确定目标解答客户端。

S607，分发服务器将所述问题语音及所述问题文本发送至目标解答客户端。

S608，目标解答客户端获取目标解答客户针对问题文本的解答文本。

具体的，目标解答客户端接收目标解答客户输入的解答文本。更进一步的，所述目标解答客户端也可以通过语音输入设备获取目标解答客户的解答语音，对所述解答语音进行语音识别，从而获取所述解答文本。

S609，目标解答客户端将所述解答文本发送至分发服务器。

S610，分发服务器将所述解答文本交由所述提问客户端进行显示。

本实施例通过获取提问客户的问题语音，在服务器端对问题语音进行语音识别，得到问题文本，并将问题文本传输给目标解答客户，使得提问客户能够根据语音提出问题，而解答客户能够通过文字获知问题的内容，不必播放及收听问题语音，从而实现了在互动问答系统内提问客户与目标解答客户之间的高效沟通。

第五实施例

本实施例提供了语音问答交互装置的一种技术方案。参见图7，在该技术方案中，所述语音问答交互装置包括：问题语音获取模块71、语音识别模块72以及分发模块75。

所述问题语音获取模块71用于获取提问客户上传的问题语音。

所述语音识别模块72用于对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本。

所述分发模块75用于将所述问题文本分发给目标解答客户。

可选的，所述语音问答交互装置还包括：内容分类模块73以及解答客户确定模块74。

所述内容分类模块73用于在对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本之后，根据所述问题文本的内容对所述问题文本进行内容分类。

所述解答客户确定模块74用于根据所述内容分类的结果确定应当分发的目标解答客户。

可选的，所述语音问答交互装置还包括：解答文本获取模块76以及解答文本显示模块77。

所述解答文本获取模块76用于获取所述目标解答客户对于所述问题文本的解答文本。

所述解答文本显示模块77用于向提问客户显示所述解答文本。

可选的，所述问题语音是经过采样后的问题语音。

可选的，所述分发模块75具体用于：将所述问题语音及所述问题文本同时发送给所述目标解答客户。

本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间的相同或相似的部分互相参见即可。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种语音问答交互方法，其特征在于，包括：

获取提问客户上传的问题语音；

对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本；

将所述问题文本分发给目标解答客户。

2.根据权利要求1所述的方法，其特征在于，在对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本之后，还包括：

根据所述问题文本的内容对所述问题文本进行内容分类；

根据所述内容分类的结果确定应当分发的目标解答客户。

3.根据权利要求2所述的方法，其特征在于，在将所述问题文本分发给目标解答客户之后，还包括：

获取所述目标解答客户对于所述问题文本的解答文本；

向提问客户显示所述解答文本。

4.根据权利要求1至3任一所述的方法，其特征在于，所述问题语音是经过采样后的问题语音。

5.根据权利要求1至3任一所述的方法，其特征在于，将所述问题文本分发给目标解答客户包括：

将所述问题语音及所述问题文本同时发送给所述目标解答客户。

6.一种语音问答交互装置，其特征在于，包括：

问题语音获取模块，用于获取提问客户上传的问题语音；

语音识别模块，用于对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本；

分发模块，用于将所述问题文本分发给目标解答客户。

7.根据权利要求6所述的装置，其特征在于，还包括：

内容分类模块，用于在对所述问题语音进行实时的语音识别，得到所述问题语音对应的问题文本之后，根据所述问题文本的内容对所述问题文本进行内容分类；

解答客户确定模块，用于根据所述内容分类的结果确定应当分发的目标解答客户。

8.根据权利要求7所述的装置，其特征在于，还包括：

解答文本获取模块，用于获取所述目标解答客户对于所述问题文本的解答文本；

解答文本显示模块，用于向提问客户显示所述解答文本。

9.根据权利要求6至8任一所述的装置，其特征在于，所述问题语音是经过采样后的问题语音。

10.根据权利要求6至8任一所述的装置，其特征在于，所述分发模块具体用于：

将所述问题语音及所述问题文本同时发送给所述目标解答客户。