CN107452378A - 基于人工智能的语音交互方法和装置 - Google Patents
基于人工智能的语音交互方法和装置 Download PDFInfo
- Publication number
- CN107452378A CN107452378A CN201710698215.9A CN201710698215A CN107452378A CN 107452378 A CN107452378 A CN 107452378A CN 201710698215 A CN201710698215 A CN 201710698215A CN 107452378 A CN107452378 A CN 107452378A
- Authority
- CN
- China
- Prior art keywords
- voice
- selection
- user
- response
- document
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 47
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 41
- 230000009471 action Effects 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- QHGVXILFMXYDRS-UHFFFAOYSA-N pyraclofos Chemical compound C1=C(OP(=O)(OCC)SCCC)C=NN1C1=CC=C(Cl)C=C1 QHGVXILFMXYDRS-UHFFFAOYSA-N 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/225—Feedback of the input speech
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了基于人工智能的语音交互方法和装置。该方法的一具体实施方式包括：接收并解析用户的播放请求语音，得到待播放语音文件的名称；根据该名称，查找语音文件，生成查找结果；根据该查找结果，生成反馈语音；响应于接收到用户基于该反馈语音发出的选择语音，解析该选择语音，得到用于指示用户期望的播放动作的选择结果；执行该播放动作。该实施方式提高了语音交互效率。
Description
技术领域
本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及基于人工智能的语音交互方法和装置。
背景技术
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。
现在，可以利用语音识别进行实现机器与人的语音交互。然而，现有的语音交互方式存在着交互效率较低的问题。
发明内容
本申请实施例的目的在于提出一种改进的基于人工智能的语音交互方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请实施例提供了一种基于人工智能的语音交互方法，上述方法包括：接收并解析用户的播放请求语音，得到待播放语音文件的名称；根据上述名称，查找语音文件，生成查找结果；根据上述查找结果，生成反馈语音；响应于接收到用户基于上述反馈语音发出的选择语音，解析上述选择语音，得到用于指示用户期望的播放动作的选择结果；执行上述播放动作。
第二方面，本申请实施例提供了一种基于人工智能的语音交互装置，上述装置包括：接收单元，配置用于接收并解析用户的播放请求语音，得到待播放语音文件的名称；查找单元，配置用于根据上述名称，查找语音文件，生成查找结果；生成单元，配置用于根据上述查找结果，生成反馈语音；解析单元，配置用于响应于接收到用户基于上述反馈语音发出的选择语音，解析上述选择语音，得到用于指示用户期望的播放动作的选择结果；执行单元，配置用于执行上述播放动作。
第三方面，本申请实施例提供了一种电子设备，上述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的方法。
本申请实施例提供的基于人工智能的语音交互方法和装置，通过根据用户的播放请求语音，查找语音文件，根据查找结果生成反馈语音，再用户基于反馈语音发出的选择语音，执行用户期望的播放动作，可以在语音识别的基础上，结合语音文件的搜索，为用户提供多种播放选择，实现与用户的智能交流，提高了语音交互效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的基于人工智能的语音交互方法的一个实施例的流程图；
图3是根据本申请的基于人工智能的语音交互方法的一个应用场景的示意图；
图4是根据本申请的基于人工智能的语音交互方法的又一个实施例的流程图；
图5是根据本申请的基于人工智能的语音交互装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的基于人工智能的语音交互方法或基于人工智能的语音交互装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送语音消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如语音助手类应用、音乐播放类应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有语音采集器件和语音播放器件的各种电子设备，包括但不限于儿童智能陪伴机器人、智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上播放的语音提供支持的后台语音服务器。后台语音服务器可以对接收到的播放请求语音等数据进行分析等处理，并将处理结果(例如反馈语音或语音文件)反馈给终端设备。
需要说明的是，本申请实施例所提供的基于人工智能的语音交互方法可以由服务器105执行，也可以由终端101、102、103执行。相应地，基于人工智能的语音交互装置可以设置于服务器105中，也可以设置于终端101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的基于人工智能的语音交互方法的一个实施例的流程200。上述的基于人工智能的语音交互方法，包括以下步骤：
步骤201，接收并解析用户的播放请求语音，得到待播放语音文件的名称。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以首先接收用户的播放请求语音，然后解析用户的播放请求语音，得到待播放语音文件的名称。
需要说明的是，上述电子设备也可以是服务器，也可以是用户所使用的终端。
在本实施例中，上述电子设备如果是用户使用的终端，那么可以直接接收用户的播放请求语音。上述电子设备如果是服务器，那么可以接收用户利用其进行语音输入的终端发送的播放请求语音。
在本实施例中，解析用户的播放请求语音这一技术的实质，是语音识别。需要说明的是，结合语音识别实现理解用户意图，然后根据用户意图进行搜索，并将搜索资源提供给用户进行选择，可以提高与用户的交互效率。
在本实施例中，上述播放请求语音可以用户请求播放语音文件的语音。例如，用户输入语音“我想听小燕子”，这段语音是用户在请求播放语音文件“小燕子”，这段语音可以理解为播放请求语音。
步骤202，根据名称，查找语音文件，生成查找结果。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以根据上述名称，查找语音文件，生成查找结果。
在本实施例中，上述电子设备可以预先设置的语音文件集合中，查找上述名称的语音文件，还可以在网络资源中查找上述名称的语音文件。
在本实施例中，查找语音文件，可能出现以下几种情况：未查找到这个名称的语音文件，查找到这个名称的一种语音文件，查找到这个名称的至少两种语音文件。相应地，生成的查找结果可以包括：用于指示“未查找到”的信息、用于指示“查找到一种”的信息、用于指示“查找到至少两种”的信息。
步骤203，根据查找结果，生成反馈语音。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以根据步骤202生成的查找结果，生成反馈语音。
在本实施例的一些可选的实现方式中，响应于查找结果为用于指示“查找到一种”的信息，将查找到的这一种语音文件作为反馈语音。
在本实施例的一些可选的实现方式中，响应于查找结果为用于指示“查找到至少两种”的信息，生成的第一反馈语音中可以包括这两种类型的类型名称的语音。
作为示例，根据名称“小燕子”，查找语音文件，查找到了儿歌“小燕子”和故事“小燕子”，生成的第一反馈语音可以是“有儿歌小燕子和故事小燕子，你想听那个呢”。
步骤204，响应于接收到用户基于反馈语音发出的选择语音，解析选择语音，得到用于指示用户期望的播放动作的选择结果。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以响应于接收到用户基于反馈语音发出的选择语音，解析选择语音，得到用于指示用户期望的播放动作的选择结果。
在本实施例的一些可选的实现方式中，用户可以根据反馈语音选择期望播放的类型，然后用户可以发出第一选择语音。上述电子设备可以接收并解析第一选择语音，得到第一选择结果。
可选地，第一选择结果指示播放至少一种类型的查找出的语音文件，在这里，用户期望的播放动作为播放至少一种类型的查找出的语音文件。
可选地，第一选择结果指示不播放查找出的语音文件，在这里，用户期望的播放动作为结束播放。
步骤205，执行播放动作。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以执行上述播放动作。
需要说明的是，如果上述电子设备为服务器，那么执行上述播放动作，可以是生成并向终端发送用于指示播放动作的指令。如果上述电子设备为终端，那么执行上述播放动作，可以是终端直接执行上述播放动作。
可选地，第一选择结果指示播放至少一种类型的查找出的语音文件，则播放第一选择结果所指示的语音文件。
作为示例，第一选择语音为“想听儿歌小燕子”，则播放儿歌“小燕子。”第一选择语音为“儿歌小燕子和故事小燕子”，则儿歌小燕子和故事小燕子均播放。
可选地，第一选择结果指示不播放查找出的语音文件，则结束语音交互。
作为示例，第一选择语音为“都不想听”，则结束这一轮的语音交互，电子设备进入待机状态。
继续参见图3，图3是根据本实施例的基于人工智能的语音交互方法的一个应用场景的示意图。图3中，以终端为方法的执行主体为例，进行说明。在图3的应用场景中用户A首先说出一段语音，例如，可以是“我想听国歌”，如301所示。之后，用户所使用的终端B可以接收并解析这段语音，得到待播放语音文件名称，例如，“国歌”。再后，终端可以根据名称“国歌”，查找语音文件，生成查找结果，例如，查找结果可以是信息“未查找到”、信息“查找到一首歌曲”或信息“查找到一个故事和一首歌曲”。再后，终端可以根据查找结果，生成反馈语音，例如，可以是“有歌曲国歌和故事国歌，你想听哪个？”。再后，终端播放反馈语音，即播放“有歌曲国歌和故事国歌，你想听哪个？”，如302所示。再后，用户根据反馈语音做出选择，发出选择语音，例如，可以是“播放歌曲国歌”，如303所示。再后，终端可以解析用户的选择语音，得到用于指示用户期望的播放动作的选择结果，例如，可以得到用于指示用户期望播放歌曲国歌的选择结果。再后，终端可以执行播放动作，例如，终端播放歌曲国歌，即播放“起来……”，如304所示。
下面以服务器为方法的执行主体为例，进行说明。在这里，用户首先说出一段语音，例如，可以是“我想听国歌”，。之后，用户所使用的终端可以将这段语音发送至服务器。再后，服务器可以接收并解析这段语音，得到待播放语音文件名称，例如，“国歌”，如。再后，服务器可以根据名称“国歌”，查找语音文件，生成查找结果，例如，查找结果可以是信息“未查找到”、信息“查找到一首歌曲”或信息“查找到一个故事和一首歌曲”。再后，服务器可以根据查找结果，生成反馈语音，例如，可以是“有歌曲国歌和故事国歌，你想听哪个？”。再后，服务器可以将反馈语音发送至终端。再后，用户所使用的终端播放反馈语音。再后，用户根据反馈语音做出选择，发出选择语音，例如，可以是“播放歌曲国歌”。再后，终端可以将语音发送至服务器。再后，服务器可以解析用户的选择语音，得到用于指示用户期望的播放动作的选择结果，例如，可以得到用于指示用户期望播放歌曲国歌的选择结果。再后，服务器可以执行播放动作，例如，服务器可以生成用于指示播放歌曲国歌的控制指令，将控制指令发送至用户所使用的终端。最后，终端播放歌曲国歌，即播放“起来……”。
本申请的上述实施例提供的方法，通过根据用户的播放请求语音，查找语音文件，根据查找结果生成反馈语音，再用户基于反馈语音发出的选择语音，执行用户期望的播放动作，可以在语音识别的基础上，结合语音文件的搜索，为用户提供多种播放选择，实现与用户的智能交流，提高了语音交互效率。
进一步参考图4，其示出了基于人工智能的语音交互方法的又一个实施例的流程400。该基于人工智能的语音交互方法的流程400，包括以下步骤：
步骤401，接收并解析用户的播放请求语音，得到待播放语音文件的名称。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以接收并解析用户的播放请求语音，得到待播放语音文件的名称。
作为示例，用户输入语音“我想听小燕子”，这段语音是用户在请求播放语音文件“小燕子”，这段语音可以理解为播放请求语音。
步骤402，根据名称，查找语音文件，生成查找结果。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以根据上述名称，查找语音文件，生成查找结果。
在本实施例中，查找结果可以指示未查找到上述名称的语音文件。
步骤403，响应于查找结果指示未查找到上述名称的语音文件，从多个按照类型划分的语音文件集合中，选择候选语音文件。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以响应于查找结果指示未查找到上述名称的语音文件，从多个按照类型划分的语音文件集合中，选择候选语音文件。
作为示例，响应于查找结果指示未查找到名称为“小燕子”的语音文件，可以从儿歌、故事等语音文件集合中，选取候选语音文件，例如选取出儿歌“小星星”和儿歌“小月亮”。
在本实施例中，选出的候选语音文件可以是一个也可以是多个。
在本实施例的一些可选的实现方式中，步骤403可以通过以下方式实现：根据用户的历史播放语音文件的类型和语音文件集合的类型，选择候选语音文件集合；从选出的语音文件集合中，选择语音文件，得到候选语音文件。
作为示例，可以首先获取用户的历史播放语音文件的类型，可以按照各个类型的播放次数，选取播放的最多的类型。将播放的最多的类型对应的语音文件集合选取出来，作为候选语音集合。从选出的语音文件集合中，选择语音文件得到候选语音文件，作为示例，这个选择的过程可以是随机选择，也可以是选择这个集合中播放次数最多的语音文件。
在本实施例的一些可选的实现方式中，步骤403可以通过以下方式实现：获取用户的历史播放语音文件，查找与用户的历史播放语音文件相似度大于相似度阈值的语音文件。将查找到的相似语音文件作为候选语音文件。语音文件的相似度可以在实践中设置不同的计算方式，本领域技术人员可以通过现有技术的实现，在此不再赘述。
步骤404，根据选出的候选语音文件，生成并播放第二反馈语音。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以根据选出的候选语音文件，生成并播放第二反馈语音。
在这里，用户可以根据第二反馈语音选择期望播放的候选语音文件，并发出第二选择语音。
作为示例，选取出的候选语音文件为儿歌“小星星”和儿歌“小月亮”。上述电子设备可以生成第二反馈语音“想听儿歌小星星还是儿歌小月亮呢”。用户可以在听到第二反馈语音后发出第二选择语音。
步骤405，接收并解析第二选择语音，得到第二选择结果。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以接收并解析上述第二选择语音，得到用于指示用户期望的播放动作的第二选择结果。
作为示例，用户发出的第二选择语音为“想听儿歌小星星”，上述电子设备可以解析之后，得到第二选择结果，第二选择结果所指示的播放动作是播放儿歌小星星。
作为示例，用户发出的第二选择语音为“想听儿歌小星星和儿歌小月亮”，上述电子设备可以解析之后，得到第二选择结果，第二选择结果所指示的播放动作为播放儿歌小星星和儿歌小月亮。
步骤406，执行第二选择结果所指示的播放动作。
在本实施例中，基于人工智能的语音交互方法运行于其上的电子设备(例如图1所示的服务器或终端)可以执行第二选择结果所指示的播放动作。
作为示例，用户发出的第二选择语音为“想听儿歌小星星”，则可以播放儿歌小星星。
作为示例，用户发出的第二选择语音为“想听儿歌小星星和儿歌小月亮”，则可以播放儿歌小星星和儿歌小月亮。
作为示例，用户发出的第二选择语音为“都不想听”，则可以结束这一轮的语音交互，电子设备进入待机状态。
从图4中可以看出，与图2对应的实施例相比，本实施例中的基于人工智能的语音交互方法的流程400突出了在未查找到解析得到的名称的语音文件后提供候选语音文件以及根据候选语音文件与用户交互的步骤。由此，本实施例描述的方案可以提供更为实现更为智能的语音交互，进一步提高了语音交互效率。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种基于人工智能的语音交互装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例上述的基于人工智能的语音交互装置500包括：接收单元501、查找单元502、生成单元503、解析单元504和执行单元505。其中，接收单元，配置用于接收并解析用户的播放请求语音，得到待播放语音文件的名称；查找单元，配置用于根据上述名称，查找语音文件，生成查找结果；生成单元，配置用于根据上述查找结果，生成反馈语音；解析单元，配置用于响应于接收到用户基于上述反馈语音发出的选择语音，解析上述选择语音，得到用于指示用户期望的播放动作的选择结果；执行单元，配置用于执行上述播放动作。
在本实施例中，接收单元501、查找单元502、生成单元503、解析单元504和执行单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203以及步骤204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述查找单元，还配置用于：响应于查找结果指示查找到至少两种类型的语音文件，根据查找到的语音文件的类型，生成并播放第一反馈语音，以供用户根据上述第一反馈语音选择期望播放的类型，并发出第一选择语音；以及上述响应于接收到用户基于上述反馈语音发出的选择语音，解析上述选择语音，得到用于指示用户期望的播放动作的选择结果，包括：接收并解析上述第一选择语音，得到第一选择结果。
在本实施例的一些可选的实现方式中，上述执行单元，还配置用于：响应于上述第一选择结果指示播放至少一种类型的查找出的语音文件，播放上述第一选择结果所指示的语音文件；响应于上述第一选择结果指示不播放查找出的语音文件，结束语音交互。
在本实施例的一些可选的实现方式中，上述生成单元，还配置用于：响应于查找结果指示未查找到上述名称的语音文件，从多个按照类型划分的语音文件集合中，选择候选语音文件；根据选出的候选语音文件，生成并播放第二反馈语音，以供用户根据上述第二反馈语音选择期望播放的候选语音文件，并发出第二选择语音；以及上述响应于接收到用户基于上述反馈语音发出的选择语音，解析上述选择语音，得到用于指示用户期望的播放动作的选择结果，包括：接收并解析上述第二选择语音，得到第二选择结果。
在本实施例的一些可选的实现方式中，上述生成单元，还配置用于：根据用户的历史播放语音文件的类型和语音文件集合的类型，选择候选语音文件集合；从选出的语音文件集合中，选择语音文件，得到候选语音文件。
在本实施例的一些可选的实现方式中，上述执行单元，还配置用于：响应于上述第二选择结果指示播放上述候选语音文件，播放上述候选语音文件；响应于上述第二选择结果指示不播放上述候选语音文件，结束语音交互。
需要说明的是，本实施例提供的基于人工智能的语音交互装置中各单元的实现细节和技术效果可以参考本申请中其它实施例的说明，在此不再赘述。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、查找单元、生成单元、解析单元和执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收并解析用户的播放请求语音，得到待播放语音文件的名称的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收并解析用户的播放请求语音，得到待播放语音文件的名称；根据上述名称，查找语音文件，生成查找结果；根据上述查找结果，生成反馈语音；响应于接收到用户基于上述反馈语音发出的选择语音，解析上述选择语音，得到用于指示用户期望的播放动作的选择结果；执行上述播放动作。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种基于人工智能的语音交互方法，其特征在于，所述方法包括：
接收并解析用户的播放请求语音，得到待播放语音文件的名称；
根据所述名称，查找语音文件，生成查找结果；
根据所述查找结果，生成反馈语音；
响应于接收到用户基于所述反馈语音发出的选择语音，解析所述选择语音，得到用于指示用户期望的播放动作的选择结果；
执行所述播放动作。
2.根据权利要求1所述的方法，其特征在于，所述根据所述查找结果，生成反馈语音，包括：
响应于查找结果指示查找到至少两种类型的语音文件，根据查找到的语音文件的类型，生成并播放第一反馈语音，以供用户根据所述第一反馈语音选择期望播放的类型，并发出第一选择语音；以及
所述响应于接收到用户基于所述反馈语音发出的选择语音，解析所述选择语音，得到用于指示用户期望的播放动作的选择结果，包括：
接收并解析所述第一选择语音，得到第一选择结果。
3.根据权利要求2所述的方法，其特征在于，所述执行所述播放动作，包括：
响应于所述第一选择结果指示播放至少一种类型的查找出的语音文件，播放所述第一选择结果所指示的语音文件；
响应于所述第一选择结果指示不播放查找出的语音文件，结束语音交互。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述查找结果，生成反馈语音，包括：
响应于查找结果指示未查找到所述名称的语音文件，从多个按照类型划分的语音文件集合中，选择候选语音文件；
根据选出的候选语音文件，生成并播放第二反馈语音，以供用户根据所述第二反馈语音选择期望播放的候选语音文件，并发出第二选择语音；以及
所述响应于接收到用户基于所述反馈语音发出的选择语音，解析所述选择语音，得到用于指示用户期望的播放动作的选择结果，包括：
接收并解析所述第二选择语音，得到第二选择结果。
5.根据权利要求4所述的方法，其特征在于，所述响应于未查找到所述名称的语音文件，从多个按照类型划分的语音文件集合中，选择候选语音文件，包括：
根据用户的历史播放语音文件的类型和语音文件集合的类型，选择候选语音文件集合；
从选出的语音文件集合中，选择语音文件，得到候选语音文件。
6.根据权利要求5所述的方法，其特征在于，所述执行所述播放动作，包括：
响应于所述第二选择结果指示播放所述候选语音文件，播放所述候选语音文件；
响应于所述第二选择结果指示不播放所述候选语音文件，结束语音交互。
7.一种基于人工智能的语音交互装置，其特征在于，所述装置包括：
接收单元，配置用于接收并解析用户的播放请求语音，得到待播放语音文件的名称；
查找单元，配置用于根据所述名称，查找语音文件，生成查找结果；
生成单元，配置用于根据所述查找结果，生成反馈语音；
解析单元，配置用于响应于接收到用户基于所述反馈语音发出的选择语音，解析所述选择语音，得到用于指示用户期望的播放动作的选择结果；
执行单元，配置用于执行所述播放动作。
8.根据权利要求7所述的装置，其特征在于，所述查找单元，还配置用于：
响应于查找结果指示查找到至少两种类型的语音文件，根据查找到的语音文件的类型，生成并播放第一反馈语音，以供用户根据所述第一反馈语音选择期望播放的类型，并发出第一选择语音；以及
所述响应于接收到用户基于所述反馈语音发出的选择语音，解析所述选择语音，得到用于指示用户期望的播放动作的选择结果，包括：
接收并解析所述第一选择语音，得到第一选择结果。
9.根据权利要求8所述的装置，其特征在于，所述执行单元，还配置用于：
响应于所述第一选择结果指示播放至少一种类型的查找出的语音文件，播放所述第一选择结果所指示的语音文件；
响应于所述第一选择结果指示不播放查找出的语音文件，结束语音交互。
10.根据权利要求7-9中任一项所述的装置，其特征在于，所述生成单元，还配置用于：
响应于查找结果指示未查找到所述名称的语音文件，从多个按照类型划分的语音文件集合中，选择候选语音文件；
根据选出的候选语音文件，生成并播放第二反馈语音，以供用户根据所述第二反馈语音选择期望播放的候选语音文件，并发出第二选择语音；以及
所述响应于接收到用户基于所述反馈语音发出的选择语音，解析所述选择语音，得到用于指示用户期望的播放动作的选择结果，包括：
接收并解析所述第二选择语音，得到第二选择结果。
11.根据权利要求10所述的装置，其特征在于，所述生成单元，还配置用于：
根据用户的历史播放语音文件的类型和语音文件集合的类型，选择候选语音文件集合；
从选出的语音文件集合中，选择语音文件，得到候选语音文件。
12.根据权利要求11所述的装置，其特征在于，所述执行单元，还配置用于：
响应于所述第二选择结果指示播放所述候选语音文件，播放所述候选语音文件；
响应于所述第二选择结果指示不播放所述候选语音文件，结束语音交互。
13.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710698215.9A CN107452378A (zh) | 2017-08-15 | 2017-08-15 | 基于人工智能的语音交互方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710698215.9A CN107452378A (zh) | 2017-08-15 | 2017-08-15 | 基于人工智能的语音交互方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107452378A true CN107452378A (zh) | 2017-12-08 |
Family
ID=60492229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710698215.9A Pending CN107452378A (zh) | 2017-08-15 | 2017-08-15 | 基于人工智能的语音交互方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107452378A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108132805A (zh) * | 2017-12-20 | 2018-06-08 | 深圳Tcl新技术有限公司 | 语音交互方法、装置及计算机可读存储介质 |
| CN108881466A (zh) * | 2018-07-04 | 2018-11-23 | 百度在线网络技术（北京）有限公司 | 交互方法和装置 |
| CN109117233A (zh) * | 2018-08-22 | 2019-01-01 | 百度在线网络技术（北京）有限公司 | 用于处理信息的方法和装置 |
| CN109767773A (zh) * | 2019-03-26 | 2019-05-17 | 北京百度网讯科技有限公司 | 基于语音交互终端的信息输出方法和装置 |
| CN110069657A (zh) * | 2019-04-30 | 2019-07-30 | 百度在线网络技术（北京）有限公司 | 一种交互式音乐点播方法、装置及终端 |
| CN111179934A (zh) * | 2018-11-12 | 2020-05-19 | 奇酷互联网络科技（深圳）有限公司 | 选择语音引擎的方法、移动终端和计算机可读存储介质 |
| CN111625094A (zh) * | 2020-05-25 | 2020-09-04 | 北京百度网讯科技有限公司 | 智能后视镜的交互方法、装置、电子设备和存储介质 |
| CN112417117A (zh) * | 2020-11-18 | 2021-02-26 | 腾讯科技（深圳）有限公司 | 会话消息生成方法、装置及设备 |
| CN113823281A (zh) * | 2020-11-24 | 2021-12-21 | 北京沃东天骏信息技术有限公司 | 语音信号处理方法、装置、介质及电子设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625863A (zh) * | 2008-07-11 | 2010-01-13 | 索尼株式会社 | 回放装置和显示方法 |
| CN101945162A (zh) * | 2009-07-01 | 2011-01-12 | Lg电子株式会社 | 移动终端及其多媒体内容控制方法 |
| CN102111677A (zh) * | 2011-01-06 | 2011-06-29 | 深圳市九洲电器有限公司 | 一种说明书的播放方法、系统及电子设备终端 |
| CN102137085A (zh) * | 2010-01-22 | 2011-07-27 | 谷歌公司 | 语音命令的多维消歧 |
| CN103021403A (zh) * | 2012-12-31 | 2013-04-03 | 威盛电子股份有限公司 | 基于语音识别的选择方法及其移动终端装置及信息系统 |
| CN103699023A (zh) * | 2013-11-29 | 2014-04-02 | 安徽科大讯飞信息科技股份有限公司 | 车载设备多候选poi的控制方法及系统 |
| US20140365068A1 (en) * | 2013-06-06 | 2014-12-11 | Melvin Burns | Personalized Voice User Interface System and Method |
| CN105426498A (zh) * | 2015-11-24 | 2016-03-23 | 小米科技有限责任公司 | 输出提示词的方法及装置 |
| CN105719646A (zh) * | 2016-01-22 | 2016-06-29 | 史唯廷 | 语音控制音乐播放方法及语音控制音乐播放装置 |
| CN106375581A (zh) * | 2016-09-06 | 2017-02-01 | 北京珠穆朗玛移动通信有限公司 | 一种通话时播放音频的方法及移动终端 |
-
2017
- 2017-08-15 CN CN201710698215.9A patent/CN107452378A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625863A (zh) * | 2008-07-11 | 2010-01-13 | 索尼株式会社 | 回放装置和显示方法 |
| CN101945162A (zh) * | 2009-07-01 | 2011-01-12 | Lg电子株式会社 | 移动终端及其多媒体内容控制方法 |
| CN102137085A (zh) * | 2010-01-22 | 2011-07-27 | 谷歌公司 | 语音命令的多维消歧 |
| CN102111677A (zh) * | 2011-01-06 | 2011-06-29 | 深圳市九洲电器有限公司 | 一种说明书的播放方法、系统及电子设备终端 |
| CN103021403A (zh) * | 2012-12-31 | 2013-04-03 | 威盛电子股份有限公司 | 基于语音识别的选择方法及其移动终端装置及信息系统 |
| CN103280218A (zh) * | 2012-12-31 | 2013-09-04 | 威盛电子股份有限公司 | 基于语音识别的选择方法及其移动终端装置及信息系统 |
| US20140365068A1 (en) * | 2013-06-06 | 2014-12-11 | Melvin Burns | Personalized Voice User Interface System and Method |
| CN103699023A (zh) * | 2013-11-29 | 2014-04-02 | 安徽科大讯飞信息科技股份有限公司 | 车载设备多候选poi的控制方法及系统 |
| CN105426498A (zh) * | 2015-11-24 | 2016-03-23 | 小米科技有限责任公司 | 输出提示词的方法及装置 |
| CN105719646A (zh) * | 2016-01-22 | 2016-06-29 | 史唯廷 | 语音控制音乐播放方法及语音控制音乐播放装置 |
| CN106375581A (zh) * | 2016-09-06 | 2017-02-01 | 北京珠穆朗玛移动通信有限公司 | 一种通话时播放音频的方法及移动终端 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108132805A (zh) * | 2017-12-20 | 2018-06-08 | 深圳Tcl新技术有限公司 | 语音交互方法、装置及计算机可读存储介质 |
| CN108132805B (zh) * | 2017-12-20 | 2022-01-04 | 深圳Tcl新技术有限公司 | 语音交互方法、装置及计算机可读存储介质 |
| CN108881466A (zh) * | 2018-07-04 | 2018-11-23 | 百度在线网络技术（北京）有限公司 | 交互方法和装置 |
| CN108881466B (zh) * | 2018-07-04 | 2020-06-26 | 百度在线网络技术（北京）有限公司 | 交互方法和装置 |
| US11081108B2 (en) | 2018-07-04 | 2021-08-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Interaction method and apparatus |
| CN109117233A (zh) * | 2018-08-22 | 2019-01-01 | 百度在线网络技术（北京）有限公司 | 用于处理信息的方法和装置 |
| CN111179934A (zh) * | 2018-11-12 | 2020-05-19 | 奇酷互联网络科技（深圳）有限公司 | 选择语音引擎的方法、移动终端和计算机可读存储介质 |
| CN109767773A (zh) * | 2019-03-26 | 2019-05-17 | 北京百度网讯科技有限公司 | 基于语音交互终端的信息输出方法和装置 |
| CN110069657A (zh) * | 2019-04-30 | 2019-07-30 | 百度在线网络技术（北京）有限公司 | 一种交互式音乐点播方法、装置及终端 |
| CN111625094A (zh) * | 2020-05-25 | 2020-09-04 | 北京百度网讯科技有限公司 | 智能后视镜的交互方法、装置、电子设备和存储介质 |
| CN112417117A (zh) * | 2020-11-18 | 2021-02-26 | 腾讯科技（深圳）有限公司 | 会话消息生成方法、装置及设备 |
| CN113823281A (zh) * | 2020-11-24 | 2021-12-21 | 北京沃东天骏信息技术有限公司 | 语音信号处理方法、装置、介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107452378A (zh) | 基于人工智能的语音交互方法和装置 | |
| CN108022586B (zh) | 用于控制页面的方法和装置 | |
| US20200234478A1 (en) | Method and Apparatus for Processing Information | |
| CN107623614A (zh) | 用于推送信息的方法和装置 | |
| CN107844586A (zh) | 新闻推荐方法和装置 | |
| CN108305626A (zh) | 应用程序的语音控制方法和装置 | |
| CN108769745A (zh) | 视频播放方法和装置 | |
| CN107741976B (zh) | 智能应答方法、装置、介质和电子设备 | |
| CN108877782A (zh) | 语音识别方法和装置 | |
| CN107808007A (zh) | 信息处理方法和装置 | |
| CN108121800A (zh) | 基于人工智能的信息生成方法和装置 | |
| CN108388674A (zh) | 用于推送信息的方法和装置 | |
| CN109754783A (zh) | 用于确定音频语句的边界的方法和装置 | |
| CN107731229A (zh) | 用于识别语音的方法和装置 | |
| CN112634919B (zh) | 语音转换方法、装置、计算机设备及存储介质 | |
| CN107943914A (zh) | 语音信息处理方法和装置 | |
| CN109582825B (zh) | 用于生成信息的方法和装置 | |
| CN108933730A (zh) | 信息推送方法和装置 | |
| CN106921749A (zh) | 用于推送信息的方法和装置 | |
| CN109635094A (zh) | 用于生成答案的方法和装置 | |
| CN108900612A (zh) | 用于推送信息的方法和装置 | |
| CN111142667A (zh) | 一种基于文本标记生成语音的系统和方法 | |
| CN107680584A (zh) | 用于切分音频的方法和装置 | |
| CN109325178A (zh) | 用于处理信息的方法和装置 | |
| CN107590484A (zh) | 用于呈现信息的方法和装置 |
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 |
Application publication date: 20171208 |
|
| RJ01 | Rejection of invention patent application after publication |