CN109584877A - 语音交互控制方法和装置 - Google Patents

语音交互控制方法和装置 Download PDF

Info

Publication number
CN109584877A
CN109584877A CN201910002553.3A CN201910002553A CN109584877A CN 109584877 A CN109584877 A CN 109584877A CN 201910002553 A CN201910002553 A CN 201910002553A CN 109584877 A CN109584877 A CN 109584877A
Authority
CN
China
Prior art keywords
demand
interactive voice
admission
feedback
negative
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.)
Granted
Application number
CN201910002553.3A
Other languages
English (en)
Other versions
CN109584877B (zh
Inventor
杨宇宁
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 Baidu Netcom Science and Technology Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910002553.3A priority Critical patent/CN109584877B/zh
Publication of CN109584877A publication Critical patent/CN109584877A/zh
Priority to US16/698,651 priority patent/US20200211552A1/en
Application granted granted Critical
Publication of CN109584877B publication Critical patent/CN109584877B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input 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
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
    • 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)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明实施例提出一种语音交互控制方法和装置。其中，该方法包括：对语音交互设备收到的语音信号进行识别，得到语音交互需求；判断预先习得的入场需求中是否包括所述语音交互需求；如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。本发明实施例能够满足用户的自然体验需求，可以在用户使用过程中可以习得用户的真实需求，矫正误识需求。

Description

语音交互控制方法和装置
技术领域
本发明涉及语音交互技术领域，尤其涉及一种语音交互控制方法和装置。
背景技术
全双工交互场景下，设备一直处于收音状态。收音过程中各种声音都会收录进来。全部响应会造成打扰过多。如果用户想要设备改变响应，需要用户主动发出停止响应的命令。
例如，说出“小度小度，放首歌”后，设备开始播放一首歌。如果需要别的功能，用户需要说出“暂停播放”使得设备停止播放。接着，用户说出“今天天气怎么样”，设备给出回答“今天天气晴朗，最高温度xx，最低温度xx”等。然后，用户说出“继续播放”，设备再继续播放歌曲。这种暂停播放与继续播放的体验不自然，且需要用户教育。
发明内容
本发明实施例提供一种语音交互控制方法和装置，以解决现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种语音交互控制方法，包括：
对语音交互设备收到的语音信号进行识别，得到语音交互需求；
判断预先习得的入场需求中是否包括所述语音交互需求；
如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。
在一种实施方式中，该方法还包括：
如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求，包括：
如果对所述语音交互需求进行响应后收到负反馈的次数超出设定阈值，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，所述负反馈包括负反馈表述和/或负反馈行为。
在一种实施方式中，该方法还包括以下方式的至少一种：
如果在设定时长内连续检测到与一个语音交互需求的近似或重复表达，则将该语音交互需求作为入场需求；
统计所述语音交互设备对语音交互需求的响应，以及所述语音交互设备响应后的反馈，得到入场需求；
将所述语音交互设备响应过的候选需求作为入场需求。
第二方面，本发明实施例提供了一种语音交互控制装置，包括：
需求识别模块，用于对语音交互设备收到的语音信号进行识别，得到语音交互需求；
入场判断模块，用于判断预先习得的入场需求中是否包括所述语音交互需求；
响应模块，用于如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。
在一种实施方式中，该装置还包括：
需求删除模块，用于如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，所述需求删除模块还用于如果对所述语音交互需求进行响应后收到负反馈的次数超出设定阈值，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，所述负反馈包括负反馈表述和/或负反馈行为。
在一种实施方式中，该装置还包括以下模块的至少一种：
第一入场模块，用于如果在设定时长内连续检测到与一个语音交互需求的近似或重复表达，则将该语音交互需求作为入场需求；
第二入场模块，用于统计所述语音交互设备对语音交互需求的响应，以及所述语音交互设备响应后的反馈，得到入场需求；
第三入场模块，用于将所述语音交互设备响应过的候选需求作为入场需求。
第三方面，本发明实施例提供了一种语音交互控制装置，所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，所述装置的结构中包括处理器和存储器，所述存储器用于存储支持所述装置执行上述语音交互控制方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述装置还可以包括通信接口，用于与其他设备或通信网络通信。
第四方面，本发明实施例提供了一种计算机可读存储介质，用于存储语音交互控制装置所用的计算机软件指令，其包括用于执行上述语音交互控制方法所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果：能够满足用户的自然体验需求，可以在用户使用过程中可以习得用户的真实需求，矫正误识需求。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的语音交互控制方法的流程图。
图2示出根据本发明实施例的语音交互控制方法的流程图。
图3示出根据本发明实施例的语音交互控制装置的结构框图。
图4示出根据本发明实施例的语音交互控制装置的结构框图。
图5示出根据本发明实施例的语音交互控制装置的结构框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
图1示出根据本发明实施例的语音交互控制方法的流程图。如图1所示，该方法可以包括：
步骤S11、对语音交互设备收到的语音信号进行识别，得到语音交互需求。
步骤S12、判断预先习得的入场需求中是否包括所述语音交互需求。
步骤S13、如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。
在本发明实施例中，语音交互设备可以包括具有语音交互功能的各种设备，例如手机、笔记本电脑、手持电脑、智能音箱、影音播放器等。
语音交互设备被唤醒后，进入唤醒状态，可以开始在收音时长内持续地进行收音。可以根据语音交互设备的类型、具体应用场景的需求等设置收音时长。在收音时长内，如果语音交互设备从收到的语音信号中识别到语音交互需求，则可以按照语音交互需求进行对应的操作。其中，语音交互设备可以在本地对语音信号进行识别，也可以将收到的语音信号发送到其他的设备例如云端的语音识别服务器中进行识别。
此外，可以预先习得语音交互设备的入场需求。不同的语音交互设备，由于其所处的环境、用户习惯等特点的不同，所习得的入场需求可能不同。语音交互设备的入场需求能够体现该语音交互设备的个性化特点。
在一种示例中，如果用户对语音交互设备多次连续的说出相同或相似的语音，可以将该相同或相似的语音对应的需求作为入场需求。例如：用户多次重复说出“你好”、“放首歌”、“请关机”、“快进”等语音，则将“你好”、“放首歌”、“请关机”、“快进”对应的需求作为入场需求。
在另一种示例中，如果某种语音交互设备例如音箱处于演播室中，演播室中常常出现的高频语音可能包括“播XX音乐”、“打开XX视频”、“关闭”等。如果每次收到这些高频语音就响应，可能造成干扰。因此，习得的该音箱的入场需求中不包括“播XX音乐”、“打开XX视频”、“关闭”对应的需求。
在另一种示例中，如果某种语音交互设备例如音箱处于饭店中，饭店中常常出现的高频语音可能包括“你好”、“欢迎光临”等问候语。如果每次收到这些高频语音就响应，可能造成干扰。因此，习得的该音箱的入场需求中不包括“你好”、“欢迎光临”等对应的需求。
在一种实施方式中，该方法中，习得入场需求的方式包括多种，示例如下：
方式一、如果在设定时长内连续检测到与一个语音交互需求的近似或重复表达，则将该语音交互需求作为入场需求。
例如，如果在10s内多次检测到用户对设备连续地重复多次说出包括“放首歌”的语音，则可以将播放音乐作为该设备的入场需求。
再如，如果在10s内多次检测到用户对设备连续地说出包括“放首歌”、“放音乐”“请播放XX歌曲”等与播放音乐需求近似的语音，则可以将播放音乐作为该设备的入场需求。
方式二、统计所述语音交互设备对语音交互需求的响应，以及所述语音交互设备响应后的反馈，得到入场需求。
例如，统计设备响应过哪些语音交互需求，并且统计响应后针对哪些需求用户没有禁止响应等负反馈。然后，将这些没有负反馈的语音交互需求作为入场需求。
方式三、将所述语音交互设备响应过的候选需求作为入场需求。
再如，先预设100条候选需求。如果用户说出某些语音后，设备识别得到对应的候选需求，并针对该候选需求做出了响应。并且，在设备响应后，用户与设备继续进行了交互。这种情况下，可以将设备响应过的候选需求，作为入场需求。
在上述的方式一中，设定时长可以为语音交互设备的收音时长。计算收音时长的方式有多种，示例如下：
示例一、将上一次从识别出的语音交互需求的时刻到当前时刻的时长作为收音时长。
例如，上一次识别出“今天天气怎样”的语音交互需求的时刻为10:00:00，当前时刻为10:00:05，则收音时长为5s。
示例二、将上一次检测到语音信号的时刻到当前时刻的时长作为收音时长。
例如，上一次收到语音信号的时刻为8:00:00，当前时刻为8:00:07，则收音时长为7s。
然后，判断收音时长是否超时。例如，设定一个时长阈值为8s，如果收音时长小于或等于8s则不超时，如果收音时长大于8s则超时。
在收音时长未超时的情况下，语音交互设备可以连续地进行收音，并识别收到的语音信号中的语音交互需求。
在一种实施方式中，如图2所示，该方法还包括：
步骤S21、如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，步骤S21包括：
如果对所述语音交互需求进行响应后收到负反馈的次数超出设定阈值，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，所述负反馈包括负反馈表述和/或负反馈行为。
其中，负反馈表述可以包括用户在听到语音交互设备响应的答复语音后，说出的不需要该响应的语音。负反馈行为可以包括用户在听到语音交互设备响应的答复语音后，做出的不需要该响应的行为。
针对某个语音交互需求，在设备进行响应后，如果多次收到负反馈，则表示用户可能不想让设备对该语义交互需求进行响应。如果该语音交互需求在之前习得的入场需求中，为了使得设备后续不再对该需求进行响应，可以从入场需求中将该语音交互需求删除。这样，有利于校正误识别的需求。
在一种示例中，可以为语音交互设备预先设置一些默认的入场需求。如果后续没有收到负反馈，则保留这些默认的入场需求。如果某个默认的入场需求收到了多次负反馈，则可以将该默认的入场需求删除。例如，默认支持的入场需求包括“播放”、“天气怎么样”等。但是，如果大多数用户都对上述默认需求进行了个性化退场，则后续该需求不再作为入场需求。
本发明实施例能够满足用户的自然体验需求，可以在用户使用过程中可以习得用户的真实需求，矫正误识需求。通过个性化用户体验，实现用户体验的自迭代闭环，发挥数据真正的效用。
在一种应用示例中，习得入场的方式可以参见表1。习得退场的方式可以参见表2，设备在退场后与入场前的状态可以相同。假设收音时长的限值为8s。如果在8s内习得信号的特点不同，习得反馈的方式可能不同。在习得后首次入场以及再次入场后，设备的响应方式可能也不同。表1和表2中的Q表示用户说出的内容，A表示设备响应的内容。“An＝拒”表示，设备在第n次时拒绝响应。用户正向follow(跟随)表示用户说出了近似表达、重复表达等，属于入场的正信号。用户负向follow表示用户说出了否定表达等，属于入场的负信号。
表1习得入场
参见表1，在习得信号为“未唤醒，但短时连续近似表达+重复结果”时，对于一些无意义的表达，例如：非超短句、无具体意义，如“播放”、“的”、“为”等，可以不进行习得。
表2习得退场
图3示出根据本发明实施例的语音交互控制装置的结构框图。如图3所示，该语音交互控制装置可以包括：
需求识别模块41，用于对语音交互设备收到的语音信号进行识别，得到语音交互需求；
入场判断模块42，用于判断预先习得的入场需求中是否包括所述语音交互需求；
响应模块43，用于如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。
在一种实施方式中，如图4所示，该装置还包括：
需求删除模块44，用于如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，所述需求删除模块44还用于如果对所述语音交互需求进行响应后收到负反馈的次数超出设定阈值，则从所述入场需求中删除所述语音交互需求。
在一种实施方式中，所述负反馈包括负反馈表述和/或负反馈行为。
在一种实施方式中，该装置还包括以下模块的至少一种：
第一入场模块51，用于如果在设定时长内连续检测到与一个语音交互需求的近似或重复表达，则将该语音交互需求作为入场需求；
第二入场模块52，用于统计所述语音交互设备对语音交互需求的响应，以及所述语音交互设备响应后的反馈，得到入场需求；
第三入场模块53，用于将所述语音交互设备响应过的候选需求作为入场需求。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
图5示出根据本发明实施例的语音交互控制装置的结构框图。如图5所示，该装置包括：存储器910和处理器920，存储器910内存储有可在处理器920上运行的计算机程序。所述处理器920执行所述计算机程序时实现上述实施例中的语音交互控制方法。所述存储器910和处理器920的数量可以为一个或多个。
该装置还包括：
通信接口930，用于与外界设备进行通信，进行数据交互传输。
存储器910可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器910、处理器920和通信接口930独立实现，则存储器910、处理器920和通信接口930可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器910、处理器920及通信接口930集成在一块芯片上，则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述实施例中任一所述的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种语音交互控制方法，其特征在于，包括：
对语音交互设备收到的语音信号进行识别，得到语音交互需求；
判断预先习得的入场需求中是否包括所述语音交互需求；
如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。
2.根据权利要求1所述的方法，其特征在于，还包括：
如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求。
3.根据权利要求2所述的方法，其特征在于，如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求，包括：
如果对所述语音交互需求进行响应后收到负反馈的次数超出设定阈值，则从所述入场需求中删除所述语音交互需求。
4.根据权利要求2所述的方法，其特征在于，所述负反馈包括负反馈表述和/或负反馈行为。
5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括以下方式的至少一种：
如果在设定时长内连续检测到与一个语音交互需求的近似或重复表达，则将该语音交互需求作为入场需求；
统计所述语音交互设备对语音交互需求的响应，以及所述语音交互设备响应后的反馈，得到入场需求；
将所述语音交互设备响应过的候选需求作为入场需求。
6.一种语音交互控制装置，其特征在于，包括：
需求识别模块，用于对语音交互设备收到的语音信号进行识别，得到语音交互需求；
入场判断模块，用于判断预先习得的入场需求中是否包括所述语音交互需求；
响应模块，用于如果所述入场需求中包括所述语音交互需求，则对所述语音交互需求进行响应。
7.根据权利要求6所述的装置，其特征在于，还包括：
需求删除模块，用于如果对所述语音交互需求进行响应后收到负反馈，则从所述入场需求中删除所述语音交互需求。
8.根据权利要求7所述的装置，其特征在于，所述需求删除模块还用于如果对所述语音交互需求进行响应后收到负反馈的次数超出设定阈值，则从所述入场需求中删除所述语音交互需求。
9.根据权利要求7所述的装置，其特征在于，所述负反馈包括负反馈表述和/或负反馈行为。
10.根据权利要求6至9中任一项所述的装置，其特征在于，还包括以下模块的至少一种：
第一入场模块，用于如果在设定时长内连续检测到与一个语音交互需求的近似或重复表达，则将该语音交互需求作为入场需求；
第二入场模块，用于统计所述语音交互设备对语音交互需求的响应，以及所述语音交互设备响应后的反馈，得到入场需求；
第三入场模块，用于将所述语音交互设备响应过的候选需求作为入场需求。
11.一种语音交互控制装置，其特征在于，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至5中任一项所述的方法。
12.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
CN201910002553.3A 2019-01-02 2019-01-02 语音交互控制方法和装置 Active CN109584877B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910002553.3A CN109584877B (zh) 2019-01-02 2019-01-02 语音交互控制方法和装置
US16/698,651 US20200211552A1 (en) 2019-01-02 2019-11-27 Voice interaction control method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910002553.3A CN109584877B (zh) 2019-01-02 2019-01-02 语音交互控制方法和装置

Publications (2)

Publication Number Publication Date
CN109584877A true CN109584877A (zh) 2019-04-05
CN109584877B CN109584877B (zh) 2020-05-19

Family

ID=65915465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910002553.3A Active CN109584877B (zh) 2019-01-02 2019-01-02 语音交互控制方法和装置

Country Status (2)

Country Link
US (1) US20200211552A1 (zh)
CN (1) CN109584877B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700775B (zh) * 2020-12-29 2024-07-26 维沃移动通信有限公司 语音接收周期的更新方法、装置和电子设备
CN113053388B (zh) * 2021-03-09 2023-08-01 北京百度网讯科技有限公司 语音交互方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144192A (zh) * 2013-05-10 2014-11-12 北京四维图新科技股份有限公司 语音交互方法、装置及车载通讯终端
CN107240398A (zh) * 2017-07-04 2017-10-10 科大讯飞股份有限公司 智能语音交互方法及装置
CN107895578A (zh) * 2017-11-15 2018-04-10 百度在线网络技术（北京）有限公司 语音交互方法和装置
CN108510986A (zh) * 2018-03-07 2018-09-07 北京墨丘科技有限公司 语音交互方法、装置、电子设备及计算机可读存储介质
CN108538294A (zh) * 2018-04-27 2018-09-14 科大讯飞股份有限公司 一种语音交互方法及装置
US10122855B1 (en) * 2015-06-29 2018-11-06 State Farm Mutual Automobile Insurance Company Voice and speech recognition for call center feedback and quality assurance
CN109003605A (zh) * 2018-07-02 2018-12-14 北京百度网讯科技有限公司 智能语音交互处理方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144192A (zh) * 2013-05-10 2014-11-12 北京四维图新科技股份有限公司 语音交互方法、装置及车载通讯终端
US10122855B1 (en) * 2015-06-29 2018-11-06 State Farm Mutual Automobile Insurance Company Voice and speech recognition for call center feedback and quality assurance
CN107240398A (zh) * 2017-07-04 2017-10-10 科大讯飞股份有限公司 智能语音交互方法及装置
CN107895578A (zh) * 2017-11-15 2018-04-10 百度在线网络技术（北京）有限公司 语音交互方法和装置
CN108510986A (zh) * 2018-03-07 2018-09-07 北京墨丘科技有限公司 语音交互方法、装置、电子设备及计算机可读存储介质
CN108538294A (zh) * 2018-04-27 2018-09-14 科大讯飞股份有限公司 一种语音交互方法及装置
CN109003605A (zh) * 2018-07-02 2018-12-14 北京百度网讯科技有限公司 智能语音交互处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20200211552A1 (en) 2020-07-02
CN109584877B (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
US10178228B2 (en) Method and apparatus for classifying telephone dialing test audio based on artificial intelligence
CN102568478B (zh) 一种基于语音识别的视频播放控制方法和系统
CN104883642B (zh) 一种音效调节方法
CN109448725A (zh) 一种语音交互设备唤醒方法、装置、设备及存储介质
CN104954555A (zh) 一种音量调节方法及系统
CN108899047B (zh) 音频信号的掩蔽阈值估计方法、装置及存储介质
EP3611724A1 (en) Voice response method and device, and smart device
US11587560B2 (en) Voice interaction method, device, apparatus and server
US20200265843A1 (en) Speech broadcast method, device and terminal
CN108469966A (zh) 语音播报控制方法、装置、智能设备及介质
US11062708B2 (en) Method and apparatus for dialoguing based on a mood of a user
CN105551498A (zh) 一种语音识别的方法及装置
CN109688269A (zh) 语音指令的过滤方法和装置
CN107293300A (zh) 语音识别方法及装置、计算机装置及可读存储介质
CN104123115A (zh) 一种音频信息处理方法及电子设备
CN108335697A (zh) 会议记录方法、装置、设备及计算机可读介质
CN106205652A (zh) 一种音频跟读评测方法及装置
CN109545194A (zh) 唤醒词预训练方法、装置、设备及存储介质
CN107591150A (zh) 语音识别方法及装置、计算机装置及计算机可读存储介质
CN109147764A (zh) 语音交互方法、装置、设备及计算机可读介质
WO2016183961A1 (zh) 智能设备的界面切换方法、系统、设备及非易失性计算机存储介质
CN113096692B (zh) 语音检测方法及装置、设备、存储介质
WO2022228377A1 (zh) 录音方法、装置、电子设备和可读存储介质
CN108733341A (zh) 一种语音交互方法及装置
CN109584877A (zh) 语音交互控制方法和装置

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210513

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

Patentee after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right