CN107305483A - 一种基于语义识别的语音交互方法及装置 - Google Patents

一种基于语义识别的语音交互方法及装置 Download PDF

Info

Publication number
CN107305483A
CN107305483A CN201610262691.1A CN201610262691A CN107305483A CN 107305483 A CN107305483 A CN 107305483A CN 201610262691 A CN201610262691 A CN 201610262691A CN 107305483 A CN107305483 A CN 107305483A
Authority
CN
China
Prior art keywords
voice
user
server
semantics recognition
interactive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610262691.1A
Other languages
English (en)
Inventor
孔祥来
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sogou Technology Development Co Ltd
Original Assignee
Beijing Sogou Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sogou Technology Development Co Ltd filed Critical Beijing Sogou Technology Development Co Ltd
Priority to CN201610262691.1A priority Critical patent/CN107305483A/zh
Publication of CN107305483A publication Critical patent/CN107305483A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16Sound input; Sound output
    • G06F3/167Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/36Input/output arrangements for on-board computers
    • G01C21/3605Destination input or retrieval
    • G01C21/3608Destination input or retrieval using speech input, e.g. using speech recognition
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/26Speech to text systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • G10L15/30Distributed recognition, e.g. in client-server systems, for mobile phones or network applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明实施例提供一种基于语义识别的语音交互方法和装置,所述方法包括:响应于用户对语音交互指令的触发,开启语音交互功能;接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。利用本发明提供的基于语义识别的语音交互方法,可以在用户仅有模糊意图的情况下,通过服务器识别用户的语音输入,并基于该识别结果,与用户进行多轮语音交互,最终为用户提供准确的导航服务。

Description

一种基于语义识别的语音交互方法及装置
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种基于语义识别的语音交互方法及装置。
背景技术
目前,用户在驾驶的过程中使用的导航软件基本是手动操作的,在用户驾驶车辆的过程中手动操作导航软件完成输入等操作,不仅操作不便,同时也存在很大的安全隐患。
现有的语音导航都是基于用户输入的目的地信息与导航内存储的地点信息进行匹配,若匹配成功,将该地点的导航数据以语音播报的形式反馈给用户。使用该类语音导航的前提是用户必须知道明确的目的地,如果用户处于不熟悉的环境或者不知道明确的目的地,或者对于目的地只有模糊意图,那么现有的语音导航则不能满足用户需求。
基于上述情况,亟需一种能够识别用户的模糊意图,并基于该识别结果为用户提供导航路线的语音导航。
发明内容
本发明实施例提供了一种基于语义识别的语音交互方法及装置,可以在用户仅有模糊意图的情况下,通过服务器识别用户的语音输入,并基于该识别结果,与用户进行多轮语音交互,最终为用户提供准确的导航服务。
为此,本发明实施例提供如下技术方案:
第一方面,本发明实施例提供了一种基于语义识别的语音交互方法,包括:
响应于用户对语音交互指令的触发,开启语音交互功能;
接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
优选地,所述基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答,包括:
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行多轮的语音对答;
基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图为所述用户提供可选择的导航策略。
优选地,所述方法还包括:
在为所述用户进行导航的过程中,与所述用户进行语音对答;
基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图调整导航策略。
优选地,所述方法还包括:
在所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务。
优选地,在所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务,包括:
在所述服务器对所述语音信息的识别时长超过设定阈值,和\或,所述服务器的软硬件发生报错时,将所述语音交互切换为人工服务。
优选地,所述接收用户的语音信息,并将所述语音信息发送至服务器进行语音义识别,包括:
接收用户的语音信息,所述语音信息为音频格式;
将音频格式的所述语音信息转换为文本格式的文字信息,并将所述文字信息发送至服务器进行语义识别。
优选地,所述方法还包括:
人工服务系统对语音对答过程进行监控,并在确定所述服务器发生语义识别异常时,将所述语音交互切换为人工服务。
优选地,所述用户触发语音交互指令的方式,包括:
通过预设的语音触发,和\或,通过手动触发预设物理按钮或人机交互界面上的预设触控按钮。
第二方面,本发明实施例提供了一种基于语义识别的语音交互装置,包括:
开启语音单元,用于响应于用户对语音交互单元的触发,开启语音交互功能;
发送单元,用于接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
对答单元,用于基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
开启导航单元,用于在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
优选地,所述对答单元,包括:
对答子单元,用于基于所述服务器对所述语音信息的语义识别结果,与所述用户进行多轮的语音对答;
分析子单元,用于基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图为所述用户提供可选择的导航策略。
优选地,所述装置还包括:
导航对答单元,用于在为所述用户进行导航的过程中,与所述用户进行语音对答;
调整单元,用于基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图调整导航策略。
第三方面,本发明还提供一种用于基于语义识别的语音交互的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
响应于用户触发的语音交互指令,开启语音交互功能;
接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
本发明实施例提供的基于语义识别的语音交互方法中,语音导航终端响应于用户触发的语音交互指令,开启语音交互功能。在所述语音导航终端接收到用户的语音信息后,将所述语音信息发送至服务器进行语义识别。基于所述服务器对所述语音信息的语义识别结果,所述语音导航终端与所述用户进行语音对答。在所述服务器的语义识别结果触发预设的导航指令时,所述语音导航指令开启导航模式。利用本发明提供的基于语义识别的语音交互方法,可以在用户仅有模糊意图的情况下,通过服务器识别用户的语音输入,并基于该识别结果,与用户进行多轮语音交互,最终为用户提供准确的导航服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于语义识别的语音交互方法流程图;
图2为本发明另一实施例提供的基于语义识别的语音交互方法流程图;
图3为本发明一实施例提供的基于语义识别的语音交互装置示意图;
图4是根据一示例性实施例示出的一种用于基于语义识别的语音交互装置的框图。
具体实施方式
本发明实施例提供了一种基于语义识别的语音交互方法及装置,可以在用户仅有模糊意图的情况下,通过服务器识别用户的语音输入,并基于该识别结果,与用户进行多轮语音交互,最终为用户提供准确的导航服务。
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明实施例提供的基于语义识别的语音交互方法可以应用于语音导航终端,其中,所述语音导航终端用于为驾驶中的用户提供语音导航服务。所述语音导航终端可以包括车载终端、智能手机、平板电脑等现有的、或者正在研发的设备。所述语音导航终端通过网络与用于语义识别的服务器进行数据通信,在与用户进行语音对答的过程中,通过网络将用户通过语音输入的语音信息发送至服务器进行语义识别,所述服务器在分析出语义识别结果后,将其通过网络返回至语音导航终端,最终由语音导航终端以语音的形式将语义识别结果播报出来,实现语音导航终端与用户的语音交互。需要注意的是,上述应用场景仅是为了便于理解本发明而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
下面将结合附图1和附图2对本发明示例性实施例示出的基于语义识别的语音交互方法进行介绍。
参见图1,为本发明一实施例提供的基于语义识别的语音交互方法流程图。如图1所示,可以包括:
S101:语音导航终端响应于用户触发的语音交互指令,开启语音交互功能。
实际应用中,当语音导航终端在检测到用户触发的语音交互指令时,为了响应于所述语音交互指令,所述语音导航终端开启语音交互功能。
具体的,用户触发语音交互指令的方式可以包括但不限定于以下两种:
第一种:用户通过预设的语音触发语音交互指令,具体的,语音导航终端中预先设置可以触发语音交互指令的语音,如“语音交互开启”,当用户说出“语音交互开启”,且语音导航终端检测到“语音交互开启”的语音时,将语音导航终端的语音交互功能开启,此时所述语音导航终端处于实时检测是否存在语音信息的状态。
第二种:用户通过手动触发预设物理按钮或人机交互界面上的预设触控按钮,对语音交互指令进行触发。
S102:语音导航终端接收用户的语音信息后,将所述语音信息发送至服务器进行语义识别。
当语音导航终端检测到用户的语音信息后,通过网络将所述语音信息发送至预先连接的服务器进行语义识别。为了节约网络的带宽,语音导航终端可以在发送语音信息之前,先将音频格式的语音信息转换为文本格式的文字信息,然后通过网络将所述文本格式的文字信息发送至服务器进行语义识别,所述服务器用于对用户通过语音输入的语音信息进行模糊语义识别。
S103:基于所述服务器对所述语音信息的语义识别结果,语音导航终端与所述用户进行语音对答。
一种实施方式中,通过统计大量用户针对同一个关键词的问答信息,并利用合适的融合算法将统计的信息进行融合,最终得到各种关键词的信息融合模型。用于语义识别的服务器中安装有各种关键词的信息融合模型,当所述服务器接收到任一语音信息时,首先对该语音信息进行词组切分处理,如对将“我要去北航”切分成“我要去\北航”后得到“北航”这个关键词,其次利用信息融合模型匹配“北航”对应的信息,并确定出“我要去北航”的语义识别结果。
实际应用中,针对一个用户需求,语音导航终端可能会与用户进行多次语音交互,形成用户与语音导航终端对答的模式。举例说明,U表示用户,S表示语音导航终端,具体的:
U:我要去北航。
S:您要去主校区还是沙河校区?
U:学院路那个
S:北航主校区位于学院路,东门是正门,北门离您较近,您要去东门还是北门?
U:车能开进去的
S:东南门是车行门,确认去这里吗?
U:好
上述例子说明,针对用户去北航的需求,语音导航终端与用户进行了四次语音对答,期间语音导航终端每次接收到用户的语音信息后均会发送至服务器,由所述服务器进行语义识别后向语音导航终端返回语义识别结果后,最终由语音导航终端将语义识别结果播报出来作为对用户语音信息的应答。
实际应用中,语音导航终端在与用户进行多轮的语音对答时,用于语音识别的服务器能够根据语音导航终端与用户的语音对答内容分析出所述用户的意图,并能够根据分析出的用户的意图,为所述用户提供可选择的多条导航策略,用户可以从中选择出一条最满意的导航策略,用于所述语音导航终端为用户提供导航服务。
S104:在所述服务器的语义识别结果触发预设的导航指令时,语音导航终端开启导航模式。
实际应用中,语音导航终端中预先设置有能够触发导航指令的语义识别结果,如上述例子中的“好”。也就是说,如果语音导航终端收到来自用于语义识别的服务器的语义识别结果为“好”,则会触发预设的导航指令,最终使得语音导航终端开始导航模式,开始为用户提供导航服务。
实际应用中,在所述语音导航终端为用户提供导航服务的过程中,如果用户想要更换导航策略,也可以与所述语音导航终端再次进行语音对答,并根据与所述用户的语音对答内容分析出所述用户的意图,最终为所述用户调整导航策略。
本发明实施例提供的基于语义识别的语音交互方法中,语音导航终端响应于用户触发的语音交互指令,开启语音交互功能。在所述语音导航终端接收到用户的语音信息后,将所述语音信息发送至服务器进行语义识别。基于所述服务器对所述语音信息的语义识别结果,所述语音导航终端与所述用户进行语音对答。在所述服务器的语义识别结果触发预设的导航指令时,所述语音导航指令开启导航模式。利用本发明提供的基于语义识别的语音交互方法,可以在用户仅有模糊意图的情况下,不能直接提供准确目的地的情况下,通过服务器识别用户的语音输入,并基于该识别结果与用户进行多轮的语音交互,最终为用户提供准确的导航服务。
基于模糊语义识别技术的成熟度限制,本发明中的用于语义识别的服务器可能出现对语音信息识别的异常情况,为此,本发明实施例将语音导航终端的语音交互功能与人工服务功能灵活切换,在所述服务器进行语义识别的过程中发生异常时,所述语音导航终端将语音交互切换为人工服务,继续为用户提供准确的导航服务。
参见图2,为本发明另一实施例提供的基于语义识别的语音交互方法流程图。如图2所示,可以包括:
S201:语音导航终端响应于用户对语音交互指令的触发,开启语音交互功能。
S202:语音导航终端接收用户的语音信息后,将所述语音信息发送至服务器进行语义识别。
S203:当所述语音导航终端检测到所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务。
具体的,所述服务器进行语义识别的过程中发生异常的情况包括但不仅限于以下两种:
第一种,所述服务器对所述语音信息进行语义识别的过程中发生超时,即对所述语音信息的识别时长超过设定阈值。
第二种,所述服务器的软硬件发生报错,即在用户使用语音导航终端的过程中,由于服务器的软硬件的问题而发生的报错。
S204:人工服务系统对语音对答过程进行监控的过程中,在确定所述服务器发生语义识别异常时,客服人员将所述语音交互切换为人工服务。
一种实施方式中,人工服务系统通过监控用户与语音导航终端的交互问答过程,能够很快的识别出用于语义识别的服务器是否发生语义识别错误,此时无需系统报错,而是由客服人员直接将语音交互切换为人工服务,实现无缝切换,用户不会感觉到迟滞,不影响用户的使用体验。
具体的,人工服务系统中一般一个客服人员可同时监控多个用户,一旦识别出服务器发生语义识别错误,客服人员直接介入接管,实现无缝切换,不影响用户体验。举例说明,U表示用户,S表示语音导航终端,C表示客服人员,具体的:
U:我要去航天医院(用户的需求是一院)
S:航天部医院位于海淀区玉泉路(语义识别服务器识别后的回复)
U:不是那个看病的医院,是一二三的一
C:为您找到航天一院,位于丰台区万源路,您要去这里吗?(语义识别服务器发生语义识别错误,切换人工服务功能,有客服人员介入接管)
U:对,就这(开启导航模式)
另外,客服人员会对致使服务器发生语义识别错误的语音信息进行整理,标注语义不能识别的内容,提供给服务端进行学习,以便后续用户再次发出该语音信息时能够为用户提供准确智能的服务。
S205:如果所述服务器进行语义识别的过程中未发生异常,则基于所述服务器对所述语音信息的语义识别结果,所述语音导航终端与所述用户进行语音对答。
S206:在所述服务器的语义识别结果触发预设的导航指令时,所述语音导航终端开启导航模式。
本发明实施例提供的基于语义识别的语音交互方法,可以实现语音导航终端的语音交互功能与人工服务功能的灵活无缝切换,在服务器进行语义识别的过程中发生异常时,所述语音导航终端将语音交互功能切换为人工服务功能,由客服人员继续为用户提供准确的服务,不影响用户的使用体验。
参见图3,为本发明一实施例提供的基于语义识别的语音交互装置示意图。
一种基于语义识别的语音交互装置300,包括:
开启语音单元310,用于响应于用户对语音交互指令的触发,开启语音交互功能;
发送单元320,用于接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
对答单元330,用于基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
开启导航单元340,用于在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
实际应用中,所述对答单元可以包括:
对答子单元,用于基于所述服务器对所述语音信息的语义识别结果,与所述用户进行多轮的语音对答;
分析子单元,用于基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图为所述用户提供可选择的导航策略。
所述装置还可以包括:
导航对答单元,用于在为所述用户进行导航的过程中,与所述用户进行语音对答;
调整单元,用于基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图调整导航策略。
基于模糊语义识别技术的成熟度限制,本发明中的用于语义识别的服务器可能出现对语音信息识别的异常情况,为此,本发明实施例实现语音导航终端的语音交互功能与人工服务功能的灵活切换,所述装置还可以包括:
切换单元,用于在所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务。
具体的,所述切换单元包括:
第一切换子单元,用于在所述服务器对所述语音信息的识别时长超过设定阈值,将所述语音交互切换为人工服务;
和\或,
第二切换子单元,用于在所述服务器的软硬件发生报错时,将所述语音交互切换为人工服务。
为了节约网络的带宽,语音导航终端可以在发送语音信息之前,先将音频格式的语音信息转换为文本格式的文字信息,为此,所述发送单元可以包括:
接收子单元,用于接收用户的语音信息,所述语音信息为音频格式;
转换子单元,用于将音频格式的所述语音信息转换为文本格式的文字信息,并将所述文字信息发送至语义识别服务器进行语义识别。
其中,本发明装置各单元或模块的设置可以参照图1和图2所示的方法而实现,在此不赘述。
参见图4,为根据一示例性实施例示出的一种用于基于语义识别的语音交互装置的框图。例如,装置400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、车载终端等。
参照图4,装置400可以包括以下一个或多个组件:处理组件402,存储器404,电源组件406,多媒体组件408,音频组件410,输入/输出(I/O)的接口412,传感器组件414,以及通信组件416。
处理组件402通常控制装置400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402可以包括一个或多个处理器420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602可以包括一个或多个模块,便于处理组件402和其他组件之间的交互。例如,处理部件402可以包括多媒体模块,以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在装置400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404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406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统,一个或多个电源,及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400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408包括一个前置摄像头和/或后置摄像头。当设备400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410被配置为输出和/或输入音频信号。例如,音频组件410包括一个麦克风(MIC),当装置400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404或经由通信组件416发送。在一些实施例中,音频组件410还包括一个扬声器,用于输出音频信号。
I/O接口412为处理组件402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414包括一个或多个传感器,用于为装置400提供各个方面的状态评估。例如,传感器组件414可以检测到设备400的打开/关闭状态,组件的相对定位,例如所述组件为装置400的显示器和小键盘,传感器组件414还可以检测装置400或装置400一个组件的位置改变,用户与装置400接触的存在或不存在,装置400方位或加速/减速和装置400的温度变化。传感器组件414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414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414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416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400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,通信部件416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,所述通信部件416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400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。
具体地,本发明实施例提供了一种用于基于语义识别的语音交互装置400,包括有存储器404,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器404中,且经配置以由一个或者一个以上处理器420执行所述一个或者一个以上程序包含用于进行以下操作的指令:
响应于用户对语音交互指令的触发,开启语音交互功能;
接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
进一步地,所述处理器420具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行多轮的语音对答;
基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图为所述用户提供可选择的导航策略。
进一步地,所述处理器420具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:
在为所述用户进行导航的过程中,与所述用户进行语音对答;
基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图调整导航策略。
进一步地,所述处理器420具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:
在所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务。
进一步地,所述处理器420具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:
在所述服务器对所述语音信息的识别时长超过设定阈值,和\或,所述服务器的软硬件发生报错时,将所述语音交互切换为人工服务。
进一步地,所述处理器420具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:
接收用户的语音信息,所述语音信息为音频格式;
将音频格式的所述语音信息转换为文本格式的文字信息,并将所述文字信息发送至服务器进行语义识别。
进一步地,所述处理器420具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:
通过预设的语音触发,和\或,通过手动触发预设物理按钮或人机交互界面上的预设触控按钮。
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404,上述指令可由装置400的处理器420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电子设备的处理器执行时,使得电子设备能够执行一种基于语义识别的语音交互方法,所述方法包括:
响应于用户对语音交互指令的触发,开启语音交互功能;
接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
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。本发明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
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。以上所述仅是本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种基于语义识别的语音交互方法,其特征在于,所述方法包括:
响应于用户对语音交互指令的触发,开启语音交互功能;
接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
2.根据权利要求1所述的语音交互方法,其特征在于,所述基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答,包括:
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行多轮的语音对答;
基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图为所述用户提供可选择的导航策略。
3.根据权利要求2所述的语音交互方法,其特征在于,所述方法还包括:
在为所述用户进行导航的过程中,与所述用户进行语音对答;
基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图调整导航策略。
4.根据权利要求1所述的语音交互方法,其特征在于,所述方法还包括:
在所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务。
5.根据权利要求4所述的语音交互方法,其特征在于,在所述服务器对所述语音信息的识别过程中发生异常时,将所述语音交互切换为人工服务,包括:
在所述服务器对所述语音信息的识别时长超过设定阈值,和\或,所述服务器的软硬件发生报错时,将所述语音交互切换为人工服务。
6.根据权利要求1所述的语音交互方法,其特征在于,所述接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别,包括:
接收用户的语音信息,所述语音信息为音频格式;
将音频格式的所述语音信息转换为文本格式的文字信息,并将所述文字信息发送至服务器进行语义识别。
7.根据权利要求1-6中任一项所述的语音交互方法,其特征在于,所述方法还包括:
人工服务系统对语音对答过程进行监控,并在确定所述服务器发生语义识别异常时,将所述语音交互切换为人工服务。
8.根据权利要求1所述的语音交互方法,其特征在于,所述用户触发语音交互指令的方式,包括:
通过预设的语音触发,和\或,通过手动触发预设物理按钮或人机交互界面上的预设触控按钮。
9.一种基于语义识别的语音交互装置,其特征在于,所述装置包括:
开启语音单元,用于响应于用户对语音交互指令的触发,开启语音交互功能;
发送单元,用于接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
对答单元,用于基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
开启导航单元,用于在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
10.根据权利要求9所述的语音交互装置,其特征在于,所述对答单元,包括:
对答子单元,用于基于所述服务器对所述语音信息的语义识别结果,与所述用户进行多轮的语音对答;
分析子单元,用于基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图为所述用户提供可选择的导航策略。
11.根据权利要求10所述的语音交互装置,其特征在于,所述装置还包括:
导航对答单元,用于在为所述用户进行导航的过程中,与所述用户进行语音对答;
调整单元,用于基于与所述用户的语音对答内容分析出所述用户的意图,并根据所述用户的意图调整导航策略。
12.一种用于基于语义识别的语音交互的装置,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
响应于用户对语音交互指令的触发,开启语音交互功能;
接收用户的语音信息,并将所述语音信息发送至服务器进行语义识别;
基于所述服务器对所述语音信息的语义识别结果,与所述用户进行语音对答;
在所述服务器的语义识别结果触发预设的导航指令时,开启导航模式。
CN201610262691.1A 2016-04-25 2016-04-25 一种基于语义识别的语音交互方法及装置 Pending CN107305483A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610262691.1A CN107305483A (zh) 2016-04-25 2016-04-25 一种基于语义识别的语音交互方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610262691.1A CN107305483A (zh) 2016-04-25 2016-04-25 一种基于语义识别的语音交互方法及装置

Publications (1)

Publication Number Publication Date
CN107305483A true CN107305483A (zh) 2017-10-31

Family

ID=60150467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610262691.1A Pending CN107305483A (zh) 2016-04-25 2016-04-25 一种基于语义识别的语音交互方法及装置

Country Status (1)

Country Link
CN (1) CN107305483A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108280189A (zh) * 2018-01-24 2018-07-13 广东小天才科技有限公司 一种基于智能笔的语音搜题方法及系统
CN108682419A (zh) * 2018-03-30 2018-10-19 京东方科技集团股份有限公司 语音控制方法及设备、计算机可读存储介质及设备
CN108877792A (zh) * 2018-05-30 2018-11-23 北京百度网讯科技有限公司 用于处理语音对话的方法、装置、电子设备以及计算机可读存储介质
CN109285545A (zh) * 2018-10-31 2019-01-29 北京小米移动软件有限公司 信息处理方法及装置
CN109448712A (zh) * 2018-11-12 2019-03-08 百度在线网络技术(北京)有限公司 语音交互方法、装置、设备和存储介质
CN109446307A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种实现智能对话中对话管理的方法
CN109916423A (zh) * 2017-12-12 2019-06-21 上海博泰悦臻网络技术服务有限公司 智能导航设备及其路线规划方法、及无人驾驶车辆
CN110032626A (zh) * 2019-04-19 2019-07-19 百度在线网络技术(北京)有限公司 语音播报方法和装置
CN110487287A (zh) * 2018-05-14 2019-11-22 上海博泰悦臻网络技术服务有限公司 交互式导航控制方法、系统、车机及存储介质
CN110519472A (zh) * 2018-03-16 2019-11-29 苏州思必驰信息科技有限公司 为客户提供对话服务的方法及装置
CN111811534A (zh) * 2019-12-25 2020-10-23 北京嘀嘀无限科技发展有限公司 基于语音指令的导航控制方法、装置、存储介质及设备
CN112118311A (zh) * 2020-09-17 2020-12-22 北京百度网讯科技有限公司 信息车载交互方法、装置、设备以及存储介质
WO2021042584A1 (zh) * 2019-09-04 2021-03-11 苏州思必驰信息科技有限公司 全双工语音对话方法
CN114860912A (zh) * 2022-05-20 2022-08-05 马上消费金融股份有限公司 数据处理方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101939740A (zh) * 2007-12-11 2011-01-05 声钰科技 在集成语言导航服务环境中提供自然语言语音用户界面
CN104535071A (zh) * 2014-12-05 2015-04-22 百度在线网络技术(北京)有限公司 一种语音导航方法及装置
CN104751843A (zh) * 2013-12-25 2015-07-01 上海博泰悦臻网络技术服务有限公司 一种语音服务切换方法和系统
CN105159977A (zh) * 2015-08-27 2015-12-16 百度在线网络技术(北京)有限公司 信息交互处理方法及装置
CN105509761A (zh) * 2016-01-08 2016-04-20 北京乐驾科技有限公司 一种多轮语音交互导航方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101939740A (zh) * 2007-12-11 2011-01-05 声钰科技 在集成语言导航服务环境中提供自然语言语音用户界面
CN104751843A (zh) * 2013-12-25 2015-07-01 上海博泰悦臻网络技术服务有限公司 一种语音服务切换方法和系统
CN104535071A (zh) * 2014-12-05 2015-04-22 百度在线网络技术(北京)有限公司 一种语音导航方法及装置
CN105159977A (zh) * 2015-08-27 2015-12-16 百度在线网络技术(北京)有限公司 信息交互处理方法及装置
CN105509761A (zh) * 2016-01-08 2016-04-20 北京乐驾科技有限公司 一种多轮语音交互导航方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李滨: "《自然空间查询语言解译机制研究》", 31 December 2012 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109916423A (zh) * 2017-12-12 2019-06-21 上海博泰悦臻网络技术服务有限公司 智能导航设备及其路线规划方法、及无人驾驶车辆
CN108280189A (zh) * 2018-01-24 2018-07-13 广东小天才科技有限公司 一种基于智能笔的语音搜题方法及系统
CN108280189B (zh) * 2018-01-24 2020-09-04 广东小天才科技有限公司 一种基于智能笔的语音搜题方法及系统
CN110519472A (zh) * 2018-03-16 2019-11-29 苏州思必驰信息科技有限公司 为客户提供对话服务的方法及装置
CN108682419A (zh) * 2018-03-30 2018-10-19 京东方科技集团股份有限公司 语音控制方法及设备、计算机可读存储介质及设备
US10991374B2 (en) 2018-03-30 2021-04-27 Boe Technology Group Co., Ltd. Request-response procedure based voice control method, voice control device and computer readable storage medium
CN110487287A (zh) * 2018-05-14 2019-11-22 上海博泰悦臻网络技术服务有限公司 交互式导航控制方法、系统、车机及存储介质
CN108877792A (zh) * 2018-05-30 2018-11-23 北京百度网讯科技有限公司 用于处理语音对话的方法、装置、电子设备以及计算机可读存储介质
CN108877792B (zh) * 2018-05-30 2023-10-24 北京百度网讯科技有限公司 用于处理语音对话的方法、装置、电子设备以及计算机可读存储介质
CN109446307A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种实现智能对话中对话管理的方法
CN109285545A (zh) * 2018-10-31 2019-01-29 北京小米移动软件有限公司 信息处理方法及装置
CN109448712A (zh) * 2018-11-12 2019-03-08 百度在线网络技术(北京)有限公司 语音交互方法、装置、设备和存储介质
CN110032626A (zh) * 2019-04-19 2019-07-19 百度在线网络技术(北京)有限公司 语音播报方法和装置
WO2021042584A1 (zh) * 2019-09-04 2021-03-11 苏州思必驰信息科技有限公司 全双工语音对话方法
CN111811534A (zh) * 2019-12-25 2020-10-23 北京嘀嘀无限科技发展有限公司 基于语音指令的导航控制方法、装置、存储介质及设备
CN111811534B (zh) * 2019-12-25 2023-10-31 北京嘀嘀无限科技发展有限公司 基于语音指令的导航控制方法、装置、存储介质及设备
CN112118311A (zh) * 2020-09-17 2020-12-22 北京百度网讯科技有限公司 信息车载交互方法、装置、设备以及存储介质
CN112118311B (zh) * 2020-09-17 2023-10-27 阿波罗智联(北京)科技有限公司 信息车载交互方法、装置、设备以及存储介质
CN114860912A (zh) * 2022-05-20 2022-08-05 马上消费金融股份有限公司 数据处理方法、装置、电子设备和存储介质
CN114860912B (zh) * 2022-05-20 2023-08-29 马上消费金融股份有限公司 数据处理方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN107305483A (zh) 一种基于语义识别的语音交互方法及装置
CN104978868A (zh) 到站提醒方法及装置
CN107919123A (zh) 多语音助手控制方法、装置及计算机可读存储介质
CN107832036A (zh) 语音控制方法、装置及计算机可读存储介质
CN106775615A (zh) 通知消息管理的方法和装置
CN106709306A (zh) 消息阅读方法及装置
CN104394137B (zh) 一种提醒语音通话的方法及装置
CN104090921B (zh) 多媒体文件播放方法、装置、终端及服务器
CN107992604A (zh) 一种任务条目的分发方法及相关装置
CN105095366B (zh) 文字消息处理方法和装置
CN107390997A (zh) 一种应用程序切换方法及装置
CN106203650A (zh) 打车请求发送方法及装置
CN106204097A (zh) 信息推送方法、装置和移动终端
CN106157602A (zh) 呼叫车辆的方法和装置
CN106484138A (zh) 一种输入方法及装置
CN107291215A (zh) 一种体感输入信息处理方法及装置
CN107219992A (zh) 开启分屏功能的方法及装置
CN108495168A (zh) 弹幕信息的显示方法及装置
CN104853334B (zh) 短信解析方法及装置
CN105511777A (zh) 触控显示屏上的会话显示方法及装置
CN107135147A (zh) 共享位置信息的方法、装置及计算机可读存储介质
CN106603381A (zh) 处理聊天信息的方法及装置
CN109388699A (zh) 输入方法、装置、设备及存储介质
CN106572268A (zh) 信息显示方法及装置
CN107958239A (zh) 指纹识别方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171031