CN108257590B - 语音交互方法、装置、电子设备、存储介质 - Google Patents

语音交互方法、装置、电子设备、存储介质 Download PDF

Info

Publication number
CN108257590B
CN108257590B CN201810011889.1A CN201810011889A CN108257590B CN 108257590 B CN108257590 B CN 108257590B CN 201810011889 A CN201810011889 A CN 201810011889A CN 108257590 B CN108257590 B CN 108257590B
Authority
CN
China
Prior art keywords
voice
voice interaction
service
service request
type
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.)
Active
Application number
CN201810011889.1A
Other languages
English (en)
Other versions
CN108257590A (zh
Inventor
马艳丽
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.)
Ctrip Travel Information Technology Shanghai Co Ltd
Original Assignee
Ctrip Travel Information Technology Shanghai 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 Ctrip Travel Information Technology Shanghai Co Ltd filed Critical Ctrip Travel Information Technology Shanghai Co Ltd
Priority to CN201810011889.1A priority Critical patent/CN108257590B/zh
Publication of CN108257590A publication Critical patent/CN108257590A/zh
Application granted granted Critical
Publication of CN108257590B publication Critical patent/CN108257590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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

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)
  • Telephonic Communication Services (AREA)

Abstract

本发明提供一种语音交互方法、装置、电子设备、存储介质，方法包括：S110：接收语音交互服务请求；S120：根据语音交互服务请求判断其语音服务类型；S131：若语音服务类型为TTS，则直接将语音交互服务请求转发至语音服务引擎；S132：若语音服务类型为ASR，则对第一音频信息进行格式转换；S140：接收来自语音服务引擎的语音交互反馈信息；S150：判断语音交互反馈信息对应的语音交互服务请求的语音服务类型；S161：若语音交互反馈信息对应TTS，则对第二音频信息进行格式转换；S162：若语音交互反馈信息对应ASR，则直接将语音交互反馈信息转发至客户端。本发明提供的方法及装置解决多语音服务引擎接入的兼容性问题和语音格式多样化导致的不满足接入要求和用户需求问题。

Description

语音交互方法、装置、电子设备、存储介质
技术领域
本发明涉及计算机应用技术领域，尤其涉及一种语音交互方法、装置、电子设备、存储介质。
背景技术
目前主流的TTS(TextToSpeech，从文本到语音)/ASR(Automatic SpeechRecognition，自动语音识别)引擎提供的服务能力和接入方式各不相同，这种现象使客户端在使用上存在诸多不便：
1)不同的供应商提供的ASR接入契约各不相同，对语音的接入格式也不尽相同且对音频格式要求非常苛刻，对采样率、采样深度、音频格式、音频长度都有自己的接入要求。目前ASR引擎都要求语音是单声道、16位采样深度，且仅支持wav、pcm格式，个别品牌支持amr、cm或speex、opus等。目前所有ASR引擎都不支持MP3格式、多声道、立体声、非8k/16k、非16位采样深度语音的识别，所有提供HTTP服务的引擎仅支持时长60s的音频识别，致使很多系统生成的语音因不满足接入的语音格式要求而无法接入语音识别系统。另外多品牌ASR很难做到冗余备份，因为若某一品牌ASR发生故障，因语音格式及接入契约导致的兼容性问题，客户端无法切换到另一品牌。
2)不同供应商提供的TTS服务接入契约各不相同，输出的语音文件格式不一，有些品牌输出wav格式，有些品牌则输出mp3格式，导致客户端调用不同系统生成不同格式语音，无法满足用户统一语音格式要求。另外多品牌TTS很难做到冗余备份，因为若某一品牌TTS发生故障，因接入契约和输出语音格式导致的兼容性问题，客户端无法切换到另一品牌。
发明内容
本发明为了克服上述现有技术存在的缺陷，提供一种语音交互方法、装置、电子设备、存储介质，以解决多语音服务引擎接入的兼容性问题和语音格式多样化导致的不满足接入要求和用户需求问题。
根据本发明的一个方面，提供一种语音交互方法，包括：
步骤S110：接收来自客户端的语音交互服务请求，所述语音交互服务请求包含语音服务类型及对应该语音服务类型的语音服务引擎，所述语音服务类型包括TTS类型及ASR类型，所述TTS类型的语音交互服务请求包含第一文本信息，所述TTS类型的语音交互服务请求包含第一音频信息；
步骤S120：根据所述语音交互服务请求判断其语音服务类型；
步骤S131：若所述语音服务类型为TTS类型，则直接将所述语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
步骤S132：若所述语音服务类型为ASR类型，则对所述第一音频信息进行格式转换以适配所述语音交互服务请求包含的所述语音服务引擎，并将包含格式转换后的第一音频信息的语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
步骤S140：接收来自所述语音服务引擎的语音交互反馈信息；
步骤S150：判断所述语音交互反馈信息对应的语音交互服务请求的语音服务类型；
步骤S161：若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息，并对所述第二音频信息进行格式转换以适配所述客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述客户端；
步骤S162：若所述语音交互反馈信息对应于所述ASR类型的语音交互服务请求，则直接将所述语音交互反馈信息转发至所述客户端。
可选地，所述步骤S110之后，所述步骤S120之前还包括：
步骤S101：判断所述语音交互服务请求包含的所述语音服务引擎是否异常；
步骤S102：若异常，则在多个对应该语音服务类型的语音服务引擎中选择服务性能最优的语音服务引擎以替换所述语音交互服务请求包含的所述语音服务引擎。
可选地，所述格式转换包括如下任一个或多个音频参数的调整：
语音格式、采样率、采样深度以及声道数。
可选地，所述格式转换基于sox开源软件进行。
可选地，所述客户端所在的设备上安装有多个语音交互应用，各语音交互应用绑定至少一个语音服务引擎，所述语音交互服务请求还包含所述语音业务应用的标识及该语音业务应用绑定的语音服务引擎。
可选地，所述语音交互服务请求来自第一客户端，所述语音交互服务器请求包括第一客户端的标识、第二客户端的标识，
所述步骤S161包括：
若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息；
根据所述第一客户端的标识对所述第二音频信息进行格式转换以适配所述第一客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述第一客户端；
根据所述第二客户端的标识对所述第二音频信息进行格式转换以适配所述第二客户端，缓存包含格式转换后的第二音频信息的语音交互反馈信息，根据所述语音交互反馈信息生成一提取码，将所述提取码转发至所述第二客户端；
接收所述第二客户端发送的提取码，并将所述语音交互反馈信息转发所述第二客户端。
根据本发明的又一方面，还提供一种语音交互装置，包括：
第一接收模块，接收来自客户端的语音交互服务请求，所述语音交互服务请求包含语音服务类型及对应该语音服务类型的语音服务引擎，所述语音服务类型包括TTS类型及ASR类型，所述TTS类型的语音交互服务请求包含第一文本信息，所述TTS类型的语音交互服务请求包含第一音频信息；
第一判断模块，用于根据所述语音交互服务请求判断其语音服务类型；
第一转发模块，用于将所述语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
第二接收模块，接收来自所述语音服务引擎的语音交互反馈信息；
第二判断模块，用于判断所述语音交互反馈信息对应的语音交互服务请求的语音服务类型；
第二转发模块，用于将所述语音交互反馈信息转发至所述客户端；
格式转换模块，若所述语音服务类型为ASR类型，则所述格式转换模块用于对所述第一音频信息进行格式转换以适配所述语音交互服务请求包含的所述语音服务引擎，若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息，所述格式转换模块用于对所述第二音频信息进行格式转换以适配所述客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述客户端。
可选地，所述第一接收模块及所述第二转发模块由一客户端接口实现。
可选地，所述第二接收模块及所述第一转发模块由一云接口实现。
可选地，所述第一判断模块及所述第二判断模块由一语音交互接口实现。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术，本发明的优势在于：
提供支持多种语音格式的高可用的智能语音交互方法及装置，满足多种格式语音接入ASR引擎和TTS引擎合成多种格式语音需求，实现不同语音服务引擎间对客户端透明的资源调配与切换，可以更好地保障业务服务的连续性，保证系统在灾难场景下的可用性。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的语音交互方法的流程图。
图2示出了图1所示语音交互方法的一个变化例的流程图。
图3示出了根据本发明实施例的语音交互方法的流程图。
图4示出了根据本发明实施例的语音交互装置的示意图。
图5示出了根据本发明实施例的语音交互平台的示意图。
图6示出了根据本发明实施例的另一种语音交互平台的示意图。
图7示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
图8示意性示出本公开示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为了解决现有技术的缺陷，本发明提供一种语音交互方法、装置、电子设备、存储介质，以解决多语音服务引擎接入的兼容性问题和语音格式多样化导致的不满足接入要求和用户需求问题。。
下面结合图1说明本发明提供的语音交互方法。图1示出如下步骤：
步骤S110：接收来自客户端的语音交互服务请求，所述语音交互服务请求包含语音服务类型及对应该语音服务类型的语音服务引擎，所述语音服务类型包括TTS类型及ASR类型，所述TTS类型的语音交互服务请求包含第一文本信息，所述TTS类型的语音交互服务请求包含第一音频信息。
具体而言，客户端例如可以加载在移动终端、智能音箱、平板电脑上。所述客户端所在的设备上安装有多个语音交互应用。各语音交互应用可绑定至少一个语音服务引擎。所述语音交互服务请求还包含所述语音业务应用的标识及该语音业务应用绑定的语音服务引擎。TTS类型的语音服务类型请求将第一文本信息转换成音频信息(即第二音频信息)。ASR类型的语音服务类型请求将第一音频信息转换成文本信息(即第二文本信息)。
步骤S120：根据所述语音交互服务请求判断其语音服务类型。
步骤S131：若所述语音服务类型为TTS类型，则直接将所述语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎。
具体而言，由于各TTS类型的语音服务引擎对文本信息的格式并没有要求，因此，步骤S131中直接将语音交互服务请求转发至TTS类型的语音服务引擎。
步骤S132：若所述语音服务类型为ASR类型，则对所述第一音频信息进行格式转换以适配所述语音交互服务请求包含的所述语音服务引擎，并将包含格式转换后的第一音频信息的语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎。
具体而言，如本发明背景技术中所述的，不同的ARS类型的语音服务引擎所能够接收的音频信息的格式各不相同，因此，步骤S132对于第一音频信息进行格式转换。步骤S132中的所述格式转换可以包括如下任一个或多个音频参数的调整：语音格式、采样率、采样深度以及声道数。进一步地，所述格式转换基于sox开源软件进行。
下面参见图2，图2示出了图1所示语音交互方法的一个变化例的流程图。图2所示的流程图与图1类似，与图1不同的是，所述步骤S110之后，所述步骤S120之前还包括步骤S101及步骤S102。
步骤S101：判断所述语音交互服务请求包含的所述语音服务引擎是否异常。
步骤S102：若异常，则在多个对应该语音服务类型的语音服务引擎中选择服务性能最优的语音服务引擎以替换所述语音交互服务请求包含的所述语音服务引擎。
通过上述步骤可以实现语音服务引擎的灾难场景的自动替换。
下面参见图3，图3示出了根据本发明实施例的语音交互方法的流程图。图3示出如下步骤：
步骤S140：接收来自所述语音服务引擎的语音交互反馈信息。
步骤S150：判断所述语音交互反馈信息对应的语音交互服务请求的语音服务类型。
步骤S161：若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息，并对所述第二音频信息进行格式转换以适配所述客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述客户端。其中，音频信息的格式转换与步骤S132类似，在此不予赘述。
步骤S162：若所述语音交互反馈信息对应于所述ASR类型的语音交互服务请求，则直接将所述语音交互反馈信息转发至所述客户端。
下面参见图4，图4示出了根据本发明实施例的语音交互装置的示意图。,
语音交互装置300包括第一接收模块310、第一判断模块320、第一转发模块330、第二接收模块340、第二判断模块350、第二转发模块360及格式转换模块370。
第一接收模块310接收来自客户端的语音交互服务请求，所述语音交互服务请求包含语音服务类型及对应该语音服务类型的语音服务引擎，所述语音服务类型包括TTS类型及ASR类型，所述TTS类型的语音交互服务请求包含第一文本信息，所述TTS类型的语音交互服务请求包含第一音频信息；
第一判断模块320用于根据所述语音交互服务请求判断其语音服务类型；
第一转发模块330用于将所述语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
第二接收模块340接收来自所述语音服务引擎的语音交互反馈信息；
第二判断模块350用于判断所述语音交互反馈信息对应的语音交互服务请求的语音服务类型；
第二转发模块360用于将所述语音交互反馈信息转发至所述客户端；
若所述语音服务类型为ASR类型，则所述格式转换模块370用于对所述第一音频信息进行格式转换以适配所述语音交互服务请求包含的所述语音服务引擎，若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息，所述格式转换模块370用于对所述第二音频信息进行格式转换以适配所述客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述客户端。
图4仅仅是示意性的示出本发明提供的语音交互装置的模块图，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。
下面结合图5描述本发明的一个具体实现方式。如图5所示，语音交互系统包括多个ASR引擎430、多个TTS引擎440、智能语音交互平台420及加载客户端的设备410。
多个ASR引擎430例如可以包含各主流ASR引擎品牌的ASR引擎，提供语音识别服务能力。
多个TTS引擎440例如可以包含各主流TTS引擎品牌的TTS引擎，提供语音合成服务能力。
智能语音交互平台420基于sox开源音频处理软件提供语音请求的统一接入、语音平台健康检查、资源统一调度、灾难场景语音服务引擎自动切换、不同语音服务引擎调度的兼容处理、请求转发、结果回传等服务。智能语音交互平台420前端提供统一接入方式的客户端接口421，后端以兼容模式的云接口425连接公有云和私有云TTS/ASR语音服务引擎服务平台。智能语音交互平台420内部封装语音交互接口423(SII，Speech InteractiveInterface)、调度管理器422(DM,Dipatch Manager)、基于sox开源软件的音频处理接口424(SPI,Speech Processing Interface)。
上述模块实现智能化语音交互的主要流程描述如下：
1)客户端410向客户端接口421发起语音交互服务请求(TTS类型或ASR类型)。
2)客户端接口421供用户简单快速接入，它会将收到的请求转发给内部语音交互接口423。
3)语音交互接口423收到客户端接口421转发的请求后，首先判断客户端410是否指定了请求某一具体品牌语音服务引擎，并判断该请求的具体类型TTS还是ASR，并将请求转发给调度管理器422。调度管理器422根据语音服务引擎的健康监测结果和调度管理的策略判断具体由哪个品牌的语音服务引擎提供服务并返回给语音交互接口423。若客户端410指定了请求的具体品牌语音服务引擎，调度管理器422会检测该语音服务引擎的健康情况，若服务正常，则返回客户端410请求的语音服务引擎品牌；若服务异常，则调度管理器422根据资源调度策略返回当前服务性能最优的语音服务引擎品牌及客户端410指定引擎服务异常标识。
4)若该次请求为ASR类型，则语音交互接口423会根据具体ASR语音服务引擎要求向基于sox软件提供的音频处理接口424发送音频格式转换请求。音频处理接口424根据客户端与语音服务引擎之间的语音格式差异进行语音格式转换，将客户端410请求的音频参数进行语音格式、采样率、采样深度、声道数的适配处理；若请求为TTS类型，则跳过此步骤。
5)语音交互接口423将经过处理的请求发送到云接口425。
6)云接口425根据服务请求类型和指定语音平台引擎(多个ASR引擎430或多个TTS引擎440)，按照具体的云服务接入契约重新封装语音服务请求并转发至指定语音平台的指定语音服务引擎。
7)云接口425将语音服务引擎处理的结果透传给语音交互接口423。
8)若该次处理结果为TTS类型，则语音交互接口423会根据客户端410具体语音合成格式需求向音频处理接口424发送音频格式转换请求，将语音服务引擎合成的音频按需进行语音格式、采样率、采样深度、声道数的转换处理；若处理结果为ASR类型，则跳过此步骤。
9)语音交互接口423将结果传给客户端接口421。
10)客户端接口421将语音请求处理结果转发回请求的客户端410。
下面结合图6描述本发明的另一个具体实现方式。图6与图5类似，与图5不同的是，语音交互平台还承担两个加载客户端的设备411、412之间的交互。
具体而言，设备411的流程与图5类似，与图5不同的是，设备411向客户端接口421发起语音交互服务请求还包括设备411的标识、设备412的标识，以供音频处理接口424确定与设备411适配的音频格式、确定所要反馈的设备412以及确定与设备412适配的音频格式。在上述的步骤8)中，若该次处理结果为TTS类型，则语音交互接口423会根据设备411的标识向音频处理接口424发送音频格式转换请求，将语音服务引擎合成的音频按需进行语音格式、采样率、采样深度、声道数的转换处理。同时，语音交互接口423还会根据设备412的标识向音频处理接口424发送音频格式转换请求，音频处理接口424转换音频格式后，还根据反馈到设备412的反馈信息生成提取码以供设备412在网络带宽较大或在wifi环境下利用提取码下载设备412的反馈信息(即图6中的步骤11)和12))。由此，本发明提供的方案不仅可以实现不同引擎的格式适配还可以实现不同客户端所在终端的格式适配。同时，还可以通过提取码的方式，使得设备412可以在网络带宽较大或在wifi环境下载反馈信息(包含音频的反馈信息数据可能较大)，进而使得用户下载更快或者减少由于流量而产生的费用。提取码的方式也可适用于设备411，其实现方式与设备412的实现方式相同，在此不予赘述。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述电子处方流转处理方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本公开的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述电子处方流转处理方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1、图2、图3中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述电子处方流转处理方法。
相比现有技术，本发明的优势在于：
提供支持多种语音格式的高可用的智能语音交互方法及装置，满足多种格式语音接入ASR引擎和TTS引擎合成多种格式语音需求，实现不同语音服务引擎间对客户端透明的资源调配与切换，可以更好地保障业务服务的连续性，保证系统在灾难场景下的可用性。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开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，本公开的真正范围和精神由所附的权利要求指出。

Claims (12)

1.一种语音交互方法，其特征在于，包括：
步骤S110：接收来自客户端的语音交互服务请求，所述语音交互服务请求包含语音服务类型及对应该语音服务类型的语音服务引擎，所述语音服务类型包括TTS类型及ASR类型，所述TTS类型的语音交互服务请求包含第一文本信息，所述TTS类型的语音交互服务请求包含第一音频信息；
步骤S120：根据所述语音交互服务请求判断其语音服务类型；
步骤S131：若所述语音服务类型为TTS类型，则直接将所述语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
步骤S132：若所述语音服务类型为ASR类型，则对所述第一音频信息进行格式转换以适配所述语音交互服务请求包含的所述语音服务引擎，并将包含格式转换后的第一音频信息的语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
步骤S140：接收来自所述语音服务引擎的语音交互反馈信息；
步骤S150：判断所述语音交互反馈信息对应的语音交互服务请求的语音服务类型；
步骤S161：若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息，并对所述第二音频信息进行格式转换以适配所述客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述客户端；
步骤S162：若所述语音交互反馈信息对应于所述ASR类型的语音交互服务请求，则直接将所述语音交互反馈信息转发至所述客户端。
2.如权利要求1所述的语音交互方法，其特征在于，所述步骤S110之后，所述步骤S120之前还包括：
步骤S101：判断所述语音交互服务请求包含的所述语音服务引擎是否异常；
步骤S102：若异常，则在多个对应该语音服务类型的语音服务引擎中选择服务性能最优的语音服务引擎以替换所述语音交互服务请求包含的所述语音服务引擎。
3.如权利要求1所述的语音交互方法，其特征在于，所述格式转换包括如下任一个或多个音频参数的调整：
语音格式、采样率、采样深度以及声道数。
4.如权利要求1所述的语音交互方法，其特征在于，所述格式转换基于sox开源软件进行。
5.如权利要求1所述的语音交互方法，其特征在于，所述客户端所在的设备上安装有多个语音交互应用，各语音交互应用绑定至少一个语音服务引擎，所述语音交互服务请求还包含所述语音交互应用的标识及该语音交互应用绑定的语音服务引擎。
6.如权利要求1所述的语音交互方法，其特征在于，所述语音交互服务请求来自第一客户端，所述语音交互服务器请求包括第一客户端的标识、第二客户端的标识，
所述步骤S161包括：
若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息；
根据所述第一客户端的标识对所述第二音频信息进行格式转换以适配所述第一客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述第一客户端；
根据所述第二客户端的标识对所述第二音频信息进行格式转换以适配所述第二客户端，缓存包含格式转换后的第二音频信息的语音交互反馈信息，根据所述语音交互反馈信息生成一提取码，将所述提取码转发至所述第二客户端；
接收所述第二客户端发送的提取码，并将所述语音交互反馈信息转发所述第二客户端。
7.一种语音交互装置，其特征在于，包括：
第一接收模块，接收来自客户端的语音交互服务请求，所述语音交互服务请求包含语音服务类型及对应该语音服务类型的语音服务引擎，所述语音服务类型包括TTS类型及ASR类型，所述TTS类型的语音交互服务请求包含第一文本信息，所述TTS类型的语音交互服务请求包含第一音频信息；
第一判断模块，用于根据所述语音交互服务请求判断其语音服务类型；
第一转发模块，用于将所述语音交互服务请求转发至所述语音交互服务请求包含的所述语音服务引擎；
第二接收模块，接收来自所述语音服务引擎的语音交互反馈信息；
第二判断模块，用于判断所述语音交互反馈信息对应的语音交互服务请求的语音服务类型；
第二转发模块，用于将所述语音交互反馈信息转发至所述客户端；
格式转换模块，若所述语音服务类型为ASR类型，则所述格式转换模块用于对所述第一音频信息进行格式转换以适配所述语音交互服务请求包含的所述语音服务引擎，若所述语音交互反馈信息对应于所述TTS类型的语音交互服务请求，则所述语音交互反馈信息包含第二音频信息，所述格式转换模块用于对所述第二音频信息进行格式转换以适配所述客户端，并将包含格式转换后的第二音频信息的语音交互反馈信息转发至所述客户端。
8.如权利要求7所述的语音交互装置，其特征在于，所述第一接收模块及所述第二转发模块由一客户端接口实现。
9.如权利要求7所述的语音交互装置，其特征在于，所述第二接收模块及所述第一转发模块由一云接口实现。
10.如权利要求7所述的语音交互装置，其特征在于，所述第一判断模块及所述第二判断模块由一语音交互接口实现。
11.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至6任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一项所述的方法。
CN201810011889.1A 2018-01-05 2018-01-05 语音交互方法、装置、电子设备、存储介质 Active CN108257590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810011889.1A CN108257590B (zh) 2018-01-05 2018-01-05 语音交互方法、装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810011889.1A CN108257590B (zh) 2018-01-05 2018-01-05 语音交互方法、装置、电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN108257590A CN108257590A (zh) 2018-07-06
CN108257590B true CN108257590B (zh) 2020-10-02

Family

ID=62724861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810011889.1A Active CN108257590B (zh) 2018-01-05 2018-01-05 语音交互方法、装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN108257590B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986810A (zh) * 2018-08-30 2018-12-11 出门问问信息科技有限公司 一种通过耳机实现语音交互的方法及装置
CN108986816A (zh) * 2018-09-29 2018-12-11 芜湖星途机器人科技有限公司 一种智能门岗
CN112806067B (zh) * 2018-10-09 2022-09-09 华为技术有限公司 语音切换方法、电子设备及系统
CN109710535B (zh) * 2018-12-29 2022-04-12 思必驰科技股份有限公司 用于语音对话平台的服务校验方法及系统
CN109731345B (zh) * 2019-01-31 2022-03-04 网易（杭州）网络有限公司 语音处理方法及装置、电子设备、存储介质
CN112002312A (zh) * 2019-05-08 2020-11-27 顺丰科技有限公司 一种语音识别方法、装置、计算机程序产品及存储介质
CN110162370B (zh) * 2019-05-22 2022-10-14 广州小鹏汽车科技有限公司 交互应用程序的运行方法、交互界面统一化方法及其装置
CN110502368B (zh) * 2019-08-14 2022-07-26 出门问问(武汉)信息科技有限公司 一种对话容错方法、中控设备、系统以及可读存储介质
CN113726960B (zh) * 2020-05-26 2022-09-30 中国电信股份有限公司 多ai能力引擎对接和内容分发装置、方法和介质
CN112532794B (zh) * 2020-11-24 2022-01-25 携程计算机技术（上海）有限公司 语音外呼方法、系统、设备及存储介质
CN112527235A (zh) * 2020-12-18 2021-03-19 北京百度网讯科技有限公司 语音播放方法、装置、设备以及存储介质
CN112685660A (zh) * 2021-01-06 2021-04-20 北京明略软件系统有限公司 物料的显示方法及装置、存储介质、电子设备
CN114285816B (zh) * 2021-12-30 2024-02-06 中国电信股份有限公司 语音通话过程中唤起即时消息交互的方法及系统
CN115691496B (zh) * 2022-12-29 2023-05-12 北京国安广传网络科技有限公司 基于tts的健康管理机器人语音交互模块

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7139713B2 (en) * 2002-02-04 2006-11-21 Microsoft Corporation Systems and methods for managing interactions from multiple speech-enabled applications
CN101018259B (zh) * 2006-02-08 2010-12-01 中国电信股份有限公司 电信综合信息系统及方法
CN105100523B (zh) * 2015-06-26 2018-04-27 小米科技有限责任公司 语音通道建立方法、装置及系统
CN107018228B (zh) * 2016-01-28 2020-03-31 中兴通讯股份有限公司 一种语音控制系统、语音处理方法及终端设备
US9736309B1 (en) * 2016-08-19 2017-08-15 Circle River, Inc. Real-time transcription and interaction with a caller based on the transcription
CN106648117B (zh) * 2017-01-25 2018-08-28 腾讯科技（深圳）有限公司 虚拟场景交互客户端中语音直播的实现方法和装置
CN107016070B (zh) * 2017-03-22 2020-06-02 北京光年无限科技有限公司 一种用于智能机器人的人机对话方法及装置

Also Published As

Publication number Publication date
CN108257590A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
CN108257590B (zh) 语音交互方法、装置、电子设备、存储介质
US10832677B2 (en) Coordinating the execution of a voice command across multiple connected devices
US10178603B2 (en) Pausing functions of an assistant device during an active telephone call
US11270690B2 (en) Method and apparatus for waking up device
US11169992B2 (en) Cognitive program suite for a cognitive device and a mobile device
US9755996B2 (en) Messaging in attention critical environments
US11758186B2 (en) Chroma mode video coding
US20220353550A1 (en) Semi-decoupled partitioning for video coding
US10231184B1 (en) Cognitive assistant for mobile devices in low power mode
US9094702B2 (en) Customizing language and content of media for an announcement
CN114039919A (zh) 流量调度方法、介质、装置和计算设备
US9924013B2 (en) Automatic communication responses
US11438398B2 (en) 3rd generation partnership project (3gpp) framework for live uplink streaming (flus) sink capabilities determination
AU2020385682B2 (en) Communication with an application flow in an integration system
US11665066B2 (en) Systems and methods for managing collaboration between network devices over a communications nework
US20190378504A1 (en) Cognitive agent disambiguation
US20230085683A1 (en) Automatic replacement of media content associated with a real-time broadcast
CN114301789B (zh) 数据传输方法及装置、存储介质、电子设备
US11910412B2 (en) Media sink capabilities description
US20230069102A1 (en) Enhanced caller identification
CN111092929A (zh) 文件下发方法、装置及电子设备
CN114582319A (zh) 语音处理方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant