CN110232920B - 语音处理方法和装置 - Google Patents

Abstract

本申请实施例公开了语音处理方法和装置。该方法的一具体实施方式包括：对获取到的用户语音进行语音识别，得到该用户语音的文本；响应于确定该文本为包括问答对的参考回答指示语句，对该文本进行泛化处理，得到泛化处理结果；将该问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。本申请实施例中的用户可以通过语音，方便快捷地设置参考回答。

Description

语音处理方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及语音处理方法和装置。

背景技术

随着语音处理技术的发展，用户与设备的语音交互技术得到越来越广泛的应用。通过语音，用户可以找到问题的答案，但是，如果用户想要人工设定某个问题的回答，必须手动输入问题以及回答。

此外，由于自定义的问答对是固定的内容，用户对向设备提问的问题稍作修改，就会导致设备反馈的回答相去甚远。

发明内容

本申请实施例提出了语音处理方法和装置。

第一方面，本申请实施例提供了一种语音处理方法，包括：对获取到的用户语音进行语音识别，得到用户语音的文本；响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，得到泛化处理结果；将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。

在一些实施例中，对语句进行泛化处理，得到泛化处理结果，包括：在问答对包含的词中，选取至少一个词为目标词，以及确定目标词的同义词；采用同义词中的至少一个同义词，替代问答对中，与该同义词对应的目标词，生成同义词语句。

在一些实施例中，至少一个同义词通过以下步骤选取：基于用户语音对应的用户的用户画像，从目标词的同义词中，选取与用户画像相对应的至少一个同义词。

在一些实施例中，至少一个同义词通过以下步骤选取：基于用户语音的意图，从目标词的同义词中，选取与意图相对应的至少一个同义词。

在一些实施例中，将问答对中的问句和回答进行对应存储，包括：响应于问答对为中文语句，将问答对转换为拼音，将转换得到的问答对中问句的拼音和回答的拼音进行对应存储。

在一些实施例中，对泛化处理结果进行存储，包括：响应于同义词语句为中文语句，将同义词语句转换为拼音，将转换得到的同义词语句中的拼音进行存储。

在一些实施例中，对泛化处理结果进行存储，包括：若同义词语句包括问题且不包括回答，将同义词语句与问答对中的回答进行对应存储；若同义词语句不包括问题且包括回答，将同义词语句与问答对中的问题进行对应存储；若同义词语句包括问题和回答，将同义词语句中的问题和回答进行对应存储。

在一些实施例中，方法还包括：响应于接收到第一用户语音，确定第一用户语音的文字；响应于第一用户语音对应的文字为问句且为中文语句，将第一用户语音的文字的拼音作为第一拼音；在数据库中，查找与第一拼音相匹配的问句的拼音，以及确定相匹配的问句的拼音对应的回答的拼音为目标回答拼音；根据目标回答拼音对应的回答，生成第一用户语音的回复语句。

第二方面，本申请实施例提供了一种语音处理装置，包括：识别单元，被配置成对获取到的用户语音进行语音识别，得到用户语音的文本；泛化单元，被配置成响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，得到泛化处理结果；存储单元，被配置成将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。

在一些实施例中，泛化单元进一步被配置成：在问答对包含的词中，选取至少一个词为目标词，以及确定目标词的同义词；采用同义词中的至少一个同义词，替代问答对中，与该同义词对应的目标词，生成同义词语句。

在一些实施例中，至少一个同义词通过以下步骤选取：基于用户语音对应的用户的用户画像，从目标词的同义词中，选取与用户画像相对应的至少一个同义词。

在一些实施例中，至少一个同义词通过以下步骤选取：基于用户语音的意图，从目标词的同义词中，选取与意图相对应的至少一个同义词。

在一些实施例中，存储单元进一步被配置成：响应于问答对为中文语句，将问答对转换为拼音，将转换得到的问答对中问句的拼音和回答的拼音进行对应存储。

在一些实施例中，存储单元进一步被配置成：响应于同义词语句为中文语句，将同义词语句转换为拼音，将转换得到的同义词语句中的拼音进行存储。

在一些实施例中，存储单元进一步被配置成：若同义词语句包括问题且不包括回答，将同义词语句与问答对中的回答进行对应存储；若同义词语句不包括问题且包括回答，将同义词语句与问答对中的问题进行对应存储；若同义词语句包括问题和回答，将同义词语句中的问题和回答进行对应存储。

在一些实施例中，装置还包括：接收单元，被配置成响应于接收到第一用户语音，确定第一用户语音的文字；确定单元，被配置成响应于第一用户语音对应的文字为问句且为中文语句，将第一用户语音的文字的拼音作为第一拼音；查找单元，被配置成在数据库中，查找与第一拼音相匹配的问句的拼音，以及确定相匹配的问句的拼音对应的回答的拼音为目标回答拼音；生成单元，被配置成根据目标回答拼音对应的回答，生成第一用户语音的回复语句。

第三方面，本申请实施例提供了一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如语音处理方法中任一实施例的方法。

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语音处理方法中任一实施例的方法。

本申请实施例提供的语音处理方案，首先，对获取到的用户语音进行语音识别，得到用户语音的文本。之后，响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，得到泛化处理结果。最后，将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。本申请实施例中的用户可以通过语音，方便快捷地设置参考回答，而设备则可以对用户设定的问答对进行存储，以便于在交互时回答更符合用户的意愿。并且，本申请实施例通过泛化处理增强了电子设备的智能程度和学习能力，让电子设备可以举一反三，而不是严格地逐字参照用户设定的问答对进行交互过程。

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是根据本申请的语音处理方法的一个实施例的流程图；

图3是根据本申请的语音处理方法的一个应用场景的示意图；

图4是根据本申请的语音处理方法的又一个实施例的流程图；

图5是根据本申请的语音处理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语音处理方法或语音处理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，例如语音处理应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

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提供支持的后台服务器。后台服务器可以对接收到的用户语音等数据进行分析等处理，并将处理结果(例如泛化处理结果)反馈给终端设备。

需要说明的是，本申请实施例所提供的语音处理方法可以由服务器105或者终端设备101、102、103执行，相应地，语音处理装置可以设置于服务器105或者终端设备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，示出了根据本申请的语音处理方法的一个实施例的流程200。该语音处理方法，包括以下步骤：

步骤201，对获取到的用户语音进行语音识别，得到用户语音的文本。

在本实施例中，语音处理方法的执行主体(例如图1所示的服务器或终端设备)可以对获取到的用户语音进行语音识别，所得到的语音识别结果是用户语音的文本。具体地，用户语音指用户说话时所发出的语音。对用户语音进行语音识别，可以将语音转换成文本。

步骤202，响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，得到泛化处理结果。

在本实施例中，上述执行主体可以响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，从而得到泛化处理结果。泛化处理指让电子设备具有更好的泛化能力的处理过程。泛化处理的对象可以是文本中问题和回答中的一个，还可以是这两者，因而所得到的泛化处理结果是泛化的问题和/或回答。

具体地，参考回答指示语句包括具有问题和回答的问答对，如果用户指示了其中的回答可以作为问题的参考回答，即，如果用户提出了该问题，则电子设备可以输出参考回答指示语句中的回答。

举例来说，用户说的用户语音表达了“下次我再说谁是最好看的人，你就说当然是您啦”，这里的问题和回答分别是“谁是最好看的人”和“当然是您啦”。可以对该问答对进行泛化处理，即将问题中的“好看”替换为“漂亮”。

在实践中，上述执行主体可以对文本进行分词，之后，提取文本的句子主干，并将该句子主干与预设的句子主干模板相匹配。若匹配到的句子主干模板是参考回答指示语句的模板，则可以确定文本为参考回答指示语句。

步骤203，将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。

在本实施例中，上述执行主体可以将问答对中的问题和回答进行对应存储。在实践中，所存储的问题和回答的对应关系不仅可以是一对一的，还可以是一对多，或者多对一的。比如，问题“谁最好看”和“谁最漂亮”，都可以与回答“是您”对应存储。

在本实施例的一些可选的实现方式中，步骤203中，将问答对中的问句和回答进行对应存储，包括：响应于问答对为中文语句，将问答对转换为拼音，将转换得到的问答对中问句的拼音和回答的拼音进行对应存储。

在这些可选的实现方式中，上述执行主体可以存储拼音。这样一来，与仅存储文本形式的问答对相比，存储拼音可以避免用户提出的问题因存在同音字(比如语音识别得到的同音字或手动输入的同音字)而不能与存储的回答相匹配。比如将问答对“是不是小敏最漂亮”、“小敏最漂亮”进行文字存储，则用户的问题“是不是晓敏最漂亮”无法找到合适的回答。这些实现方式中，用户在发出语音后，若其中有同音字，则该语音的文字则不会因为与存储的问题逐字匹配不成功，而导致查找到的回答不准确。

在这些实现方式的一些可选的应用场景中，该方法还包括：响应于接收到第一用户语音，确定第一用户语音的文字；响应于第一用户语音对应的文字为问句且为中文语句，将第一用户语音的文字的拼音作为第一拼音；在数据库中，查找与第一拼音相匹配的问句的拼音，以及确定相匹配的问句的拼音对应的回答的拼音为目标回答拼音；根据目标回答拼音对应的回答，生成第一用户语音的回复语句。

在这些可选的应用场景中，在存储了拼音之后，在语音交互过程中，上述执行主体可以将问题语音转换为文字，进而将文字转换为拼音。之后，上述执行主体可以利用问题的拼音查找数据库中存储的回答拼音，并将拼音转换为文字。

在实践中，上述执行主体可以采用多种方式生成回复语句。比如，上述执行主体可以将上述查找到的问题的回答拼音对应的回答，直接作为回复语句。还可以向该回答中，加入感叹词或者语气助词等等，以生成回复语句。

这些应用场景可以利用存储拼音，让存储的内容能够与更多的用户的问题相互适配，找到与用户的问题相对应的回答，提高了交互过程中设备回复的准确性。

继续参见图3，图3是根据本实施例的语音处理方法的应用场景的一个示意图。在图3的应用场景中，执行主体301可以对获取到的用户语音302进行语音识别，得到用户语音的文本“下次我说谁是最美的人，你就说当然是您”303。响应于确定文本303为包括问答对的参考回答指示语句，对文本303进行泛化处理，得到泛化处理结果304。将问答对中的问题“谁是最美的人”和回答“当然是您”进行对应存储，以及对泛化处理结果进行存储。

本实施例中的用户可以通过语音，方便快捷地设置参考回答，而设备则可以对用户设定的问答对进行存储，以便于在交互时回答更符合用户的意愿。并且，本实施例通过泛化处理增强了电子设备的智能程度和学习能力，让电子设备可以举一反三，而不是严格地逐字参照用户设定的问答对进行交互过程。

进一步参考图4，其示出了语音处理方法的又一个实施例的流程400。该语音处理方法的流程400，包括以下步骤：

步骤401，对获取到的用户语音进行语音识别，得到用户语音的文本。

在本实施例中，语音处理方法的执行主体(例如图1所示的服务器或终端设备)可以对获取到的用户语音进行语音识别，所得到的语音识别结果是用户语音的文本。具体地，用户语音指用户说话时所发出的语音。对用户语音进行语音识别，可以将语音转换成文本。

步骤402，响应于确定文本为包括问答对的参考回答指示语句，在问答对包含的词语中，选取至少一个词为目标词，以及确定目标词的同义词。

在本实施例中，上述执行主体可以响应于确定文本为包括问答对的参考回答指示语句，可以在问答对包含的词语中，选取目标词，并确定出目标词的同义词。所选取的目标词的数量为至少一个。

在实践中，上述执行主体可以采用多种方式选取目标词。举例来说，上述执行主体可以将预设词性的词语作为目标词，例如以下的至少一项：形容词、副词、名词。比如，形容词可以是“好看”，该形容词的同义词可以有“漂亮”和“美”。此外，上述执行主体还可以利用各个词语所属的句子成分，选取目标词。比如，如果词语所属的句子成分是谓语，可以将该词语作为目标词。

步骤403，采用同义词中的至少一个同义词，替代问答对中，与该同义词对应的目标词，生成同义词语句。

在本实施例中，上述执行主体在得到上述至少一个同义词后，可以分别采用至少一个同义词中的每个同义词，替代问答对中的目标词，从而生成至少一个同义词语句。举例来说，问答对中，问题和回答分别是“谁是最好看的人”和“当然是您啦”。上述执行主体可以对该问答对进行同义词替换，即将问题中的“好看”替换为“漂亮”，得到同义词语句“谁是最漂亮的人”，可以将该同义词语句与上述问答对中的回答进行对应存储。

在本实施例的一些可选的实现方式中，上述至少一个同义词通过以下步骤选取：基于用户语音对应的用户的用户画像，从目标词的同义词中，选取与用户画像相对应的至少一个同义词。

在这些可选的实现方式中，上述执行主体可以基于用户画像，选取同义词。具体地，用于语音对应的用户的各种用户信息(比如用户画像)可以是终端设备和/或服务器上预存的信息。

在实践中，用户画像可以指示年龄、性别等等。各个年龄(或年龄段)和性别的用户，可以具有同义词的白名单和/或黑名单。比如，“靓”的同义词可以包括“漂亮”、“美”和“帅”，当用户的性别是女时，该用户对应的同义词的白名单中可以包括“漂亮”、“美”，而黑名单中，可以包括“帅”。再比如，“帅”的同义词可以包括“酷”、“炫”、“牛”。当用户是老年人时，该用户对应的同义词的白名单中可以包括“牛”，而黑名单中可以包括“酷”、“炫”。

这些实现方式可以根据用户的用户画像，具体而准确地确定出和用户匹配的同义词语句，以便于设备在与用户进行交互时能够更准确而恰当地回答用户。

在本实施例的一些可选的实现方式中，上述至少一个同义词通过以下步骤选取：基于用户语音的意图，从目标词的同义词中，选取与意图相对应的至少一个同义词。

在这些可选的实现方式中，上述执行主体可以确定文本的意图，并基于意图，选取至少一个同义词。具体地，意图不同的问题，回答所采用的词汇可以是不同的，因而，各个意图的问题可以具有对应的同义词的白名单和/或黑名单。比如，1号问答对是“谁是最好看的人”、“当然是您啦”，2号问答对是“哪个是最好看的图片”、“当然是您家墙上的啦”。“好看”的同义词可以包括“漂亮”、“美”和“帅”。而2号问答对中的意图是询问图片，所以“帅”并不合适，可以在该意图对应的同义词的黑名单中。

这些实现方式可以通过意图，选取出符合语境的同义词，以便于设备在与用户进行交互时能够更准确而恰当地回答用户。

需要说明的是，上述两个实现方式可以相互结合，也即，上述执行主体可以基于用户语音对应的用户的用户画像，以及用户语音的意图，从目标词的同义词中，选取与意图和用户画像均匹配的至少一个同义词，从而得到更加恰当的同义词。

步骤404，将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。

在本实施例中，上述执行主体可以将问答对中的问题和回答进行对应存储。具体地，在泛化处理过程中，如果仅仅对问题进行了泛化处理，那么可以将泛化的问题和上述问答对中的回答进行对应存储。如果仅仅对回答进行了泛化处理，那么可以将上述问答对中的问题和泛化的回答进行对应存储。如果对问题和回答都进行了泛化处理，可以对泛化的问题和泛化的回答进行对应存储。

在本实施例的一些可选的实现方式中，步骤404中，对泛化处理结果进行存储，可以包括：响应于同义词语句为中文语句，将同义词语句转换为拼音，将转换得到的同义词语句中的拼音进行存储。

在这些可选的实现方式中，上述执行主体可以不存储同义词语句，而是将同义词语句转换为拼音并进行存储。这些实现方式可以避免因同音字导致的，语句因为与存储的问题逐字匹配不成功，而导致查找到的回答不准确，从而提高交互时，设备输出的回复的准确性。具体的存储对应关系可以参照下述实现方式。

在本实施例的一些可选的实现方式中，步骤404中，对泛化处理结果进行存储，可以包括：若同义词语句包括问题且不包括回答，将同义词语句与问答对中的回答进行对应存储；若同义词语句不包括问题且包括回答，将同义词语句与问答对中的问题进行对应存储；若同义词语句包括问题和回答，将同义词语句中的问题和回答进行对应存储。

在这些可选的实现方式中，如果所选取的目标词仅存在于上述问答对的问题中，则仅仅是问题经过了替换，生成了问题所对应的同义词语句，而上述问答对中的回答并没有经过替换。在该情况下，可以将同义词语句与上述问答对中的回答进行对应存储。而如果所选取的目标词仅存在于上述问答对的回答中，则可以将回答所对应的同义词语句与上述问答对中的问题进行对应存储。而如果所选取的目标词，存在于上述问答对的问题和回答中，上述执行主体可以得到包括问题和回答的同义词语句，并将同义词语句中的问题和回答进行对应存储。

比如，如果问答对是“谁是最好看的人”、“当然是您啦”，可以将问题中的“好看”替换为“漂亮”。并将替换得到的同义词语句“谁是最漂亮的人”，与上述问答对中的回答“当然是您啦”进行对应存储。

再比如，如果问答对是“我长得怎么样”、“当然是非常好看啦”。可以将回答中的“好看”替换为“漂亮”。并将替换得到的同义词语句“当然是非常漂亮啦”，与该问答对中的问题“我长得怎么样”进行对应存储。

此外，如果问答对是“谁是最好看的人”、“当然是您最好看啦”。可以将问题和回答中的“好看”替换为“漂亮”，生成的同义词语句包括问题“谁是最漂亮的人”，以及回答“当然是您最漂亮啦”。上述执行主体可以将上述同义词语句中的问题和回答进行对应存储。

这些实现方式可以根据泛化处理的不同情况，对泛化处理结果采用不同的存储方式，提高了语音交互时，回答用户的准确性。

本实施例可以利用生成同义词语句对问答对进行泛化处理，以进一步提高电子设备的智能程度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种语音处理装置的一个实施例，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，本实施例的语音处理装置500包括：识别单元501、泛化单元502和存储单元503。其中，识别单元501，被配置成对获取到的用户语音进行语音识别，得到用户语音的文本；泛化单元502，被配置成响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，得到泛化处理结果；存储单元503，被配置成将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。

在一些实施例中，语音处理装置500的识别单元501对获取到的用户语音进行语音识别，所得到的语音识别结果是用户语音的文本。具体地，用户语音指用户说话时所发出的语音。对用户语音进行语音识别，可以将语音转换成文本。

在一些实施例中，泛化单元502可以响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，从而得到泛化处理结果。泛化处理指让电子设备具有更好的泛化能力的处理过程。泛化处理的对象可以是文本中问题和回答中的一个，还可以是这两者，因而所得到的泛化处理结果是泛化的问题和/或回答。

在一些实施例中，存储单元503可以将问答对中的问题和回答进行对应存储。在实践中，所存储的问题和回答的对应关系不仅可以是一对一的，还可以是一对多，或者多对一的。比如，问题“谁最好看”和“谁最漂亮”，都可以与回答“是您”对应存储。

在本实施例的一些可选的实现方式中，所述泛化单元进一步被配置成：在所述问答对包含的词中，选取至少一个词为目标词，以及确定所述目标词的同义词；采用所述同义词中的至少一个同义词，替代所述问答对中，与该同义词对应的目标词，生成同义词语句。

在本实施例的一些可选的实现方式中，所述至少一个同义词通过以下步骤选取：基于所述用户语音对应的用户的用户画像，从所述目标词的同义词中，选取与所述用户画像相对应的至少一个同义词。

在本实施例的一些可选的实现方式中，所述至少一个同义词通过以下步骤选取：基于所述用户语音的意图，从所述目标词的同义词中，选取与所述意图相对应的至少一个同义词。

在本实施例的一些可选的实现方式中，所述存储单元进一步被配置成：响应于所述问答对为中文语句，将所述问答对转换为拼音，将转换得到的问答对中问句的拼音和回答的拼音进行对应存储。

在本实施例的一些可选的实现方式中，所述存储单元进一步被配置成：响应于所述同义词语句为中文语句，将所述同义词语句转换为拼音，将转换得到的同义词语句中的拼音进行存储。

在本实施例的一些可选的实现方式中，所述存储单元进一步被配置成：若所述同义词语句包括问题且不包括回答，将所述同义词语句与所述问答对中的回答进行对应存储；若所述同义词语句不包括问题且包括回答，将所述同义词语句与所述问答对中的问题进行对应存储；若所述同义词语句包括问题和回答，将所述同义词语句中的问题和回答进行对应存储。

在本实施例的一些可选的实现方式中，所述装置还包括：接收单元，被配置成响应于接收到第一用户语音，确定所述第一用户语音的文字；确定单元，被配置成响应于所述第一用户语音对应的文字为问句且为中文语句，将所述第一用户语音的文字的拼音作为第一拼音；查找单元，被配置成在所述数据库中，查找与所述第一拼音相匹配的问句的拼音，以及确定所述相匹配的问句的拼音对应的回答的拼音为目标回答拼音；生成单元，被配置成根据所述目标回答拼音对应的回答，生成所述第一用户语音的回复语句。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603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。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例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。在本公开的实施例中，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。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)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：一种处理器包括识别单元、泛化单元和存储单元。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，识别单元还可以被描述为“获取到的用户语音进行语音识别，得到用户语音的文本的单元”。

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：对获取到的用户语音进行语音识别，得到用户语音的文本；响应于确定文本为包括问答对的参考回答指示语句，对文本进行泛化处理，得到泛化处理结果；将问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储。

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 (9)

1.一种语音处理方法，所述方法包括：

对获取到的用户语音进行语音识别，得到所述用户语音的文本；

响应于确定所述文本为包括问答对的参考回答指示语句，对所述文本进行泛化处理，得到泛化处理结果；

将所述问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储；

所述对所述语句进行泛化处理，得到泛化处理结果，包括：

在所述问答对包含的词中，选取至少一个词为目标词，以及确定所述目标词的同义词；采用所述同义词中的至少一个同义词，替代所述问答对中，与该同义词对应的目标词，生成同义词语句；

所述至少一个同义词通过以下步骤选取：

基于所述用户语音的意图，从所述目标词的同义词中，选取与所述意图相对应的至少一个同义词，其中，各个意图的问题可以具有对应的同义词的白名单和/或黑名单。

2.根据权利要求1所述的方法，其中，所述至少一个同义词通过以下步骤选取：

基于所述用户语音对应的用户的用户画像，从所述目标词的同义词中，选取与所述用户画像相对应的至少一个同义词。

3.根据权利要求1所述的方法，其中，所述将所述问答对中的问句和回答进行对应存储，包括：

响应于所述问答对为中文语句，将所述问答对转换为拼音，将转换得到的问答对中问句的拼音和回答的拼音进行对应存储。

4.根据权利要求1所述的方法，其中，所述对泛化处理结果进行存储，包括：

响应于所述同义词语句为中文语句，将所述同义词语句转换为拼音，将转换得到的同义词语句中的拼音进行存储。

5.根据权利要求1所述的方法，其中，所述对泛化处理结果进行存储，包括：

若所述同义词语句包括问题且不包括回答，将所述同义词语句与所述问答对中的回答进行对应存储；

若所述同义词语句不包括问题且包括回答，将所述同义词语句与所述问答对中的问题进行对应存储；

若所述同义词语句包括问题和回答，将所述同义词语句中的问题和回答进行对应存储。

6.根据权利要求4所述的方法，其中，所述方法还包括：

响应于接收到第一用户语音，确定所述第一用户语音的文字；

响应于所述第一用户语音对应的文字为问句且为中文语句，将所述第一用户语音的文字的拼音作为第一拼音；

在数据库中，查找与所述第一拼音相匹配的问句的拼音，以及确定所述相匹配的问句的拼音对应的回答的拼音为目标回答拼音；

根据所述目标回答拼音对应的回答，生成所述第一用户语音的回复语句。

7.一种语音处理装置，所述装置包括：

识别单元，被配置成对获取到的用户语音进行语音识别，得到所述用户语音的文本；

泛化单元，被配置成响应于确定所述文本为包括问答对的参考回答指示语句，对所述文本进行泛化处理，得到泛化处理结果；

存储单元，被配置成将所述问答对中的问题和回答进行对应存储，以及对泛化处理结果进行存储；

所述泛化单元进一步被配置成：

在所述问答对包含的词中，选取至少一个词为目标词，以及确定所述目标词的同义词；采用所述同义词中的至少一个同义词，替代所述问答对中，与该同义词对应的目标词，生成同义词语句；

所述至少一个同义词通过以下步骤选取：

基于所述用户语音的意图，从所述目标词的同义词中，选取与所述意图相对应的至少一个同义词，其中，各个意图的问题可以具有对应的同义词的白名单和/或黑名单。

8.一种电子设备，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，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。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，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。

Images