CN112309403A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN112309403A CN112309403A CN202010147400.0A CN202010147400A CN112309403A CN 112309403 A CN112309403 A CN 112309403A CN 202010147400 A CN202010147400 A CN 202010147400A CN 112309403 A CN112309403 A CN 112309403A
- Authority
- CN
- China
- Prior art keywords
- voice interaction
- generating
- target user
- audio
- interaction audio
- 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 61
- 230000003993 interaction Effects 0.000 claims abstract description 277
- 230000004044 response Effects 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims description 41
- 230000002452 interceptive effect Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 5
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000036651 mood Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/04—Training, enrolment or model building
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/18—Artificial neural networks; Connectionist approaches
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
- G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本公开的实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:获取目标用户生成的语音交互音频;基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。该实施方式丰富了信息的生成方式,可以对用户生成的语音进行引导,从而一定程度上避免用户再次生成不允许其生成的语音。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于生成信息的方法和装置。
背景技术
现阶段,采用学习机、早教系统等电子设备进行学习正日益普遍。
例如,在儿童早教领域,由于儿童处于各方面认知的关键时期,在社会、学校等场所难免接触到一些家长、老师不允许其使用的词汇,例如黄色、反动、暴力等不文明用语。
现有的学习机、早教系统等电子设备通常仅仅侧重于知识的传授,以及信息的交互。在交互过程中,儿童很容易将上述家长、老师不允许其使用的词汇输入至早教系统。
发明内容
本公开提出了用于生成信息的方法和装置。
第一方面,本公开的实施例提供了一种用于生成信息的方法,该方法包括:获取目标用户生成的语音交互音频;基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,判定模型用于确定语音交互音频是否属于目标类别,判定信息指示语音交互音频是否属于目标类别,响应于所获取的语音交互音频属于目标类别,确定不允许目标用户生成所获取的语音交互音频;以及,响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,包括:响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,包括:响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句;从预先确定的目标子类别集合中,确定词句所属的目标子类别,其中,目标子类别集合中的目标子类别为目标类别的子类别;基于所确定的目标子类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,包括:生成用于提示目标用户避免再次生成属于目标类别的词句的提示信息。
在一些实施例中,从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句,包括:采用具有双向长短期记忆网络BiLSTM层结构和条件随机场CRF层结构的深度学习模型,对与所获取的语音交互音频相对应的交互文本进行语义槽填充处理,以从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句。
在一些实施例中,判定模型通过如下步骤训练得到:获取训练样本集,其中,训练样本集中的训练样本包括语音交互音频和判定信息;采用极端梯度提升算法,将训练样本集中的训练样本包括的语音交互音频作为输入,将与输入的语音交互音频相对应的判定信息作为期望输出,训练得到判定模型。
在一些实施例中,该方法还包括:基于为目标用户播放的、目标用户选取的音频,确定用于为目标用户播放的音频的音色信息;控制提示信息的音频采用音色信息指示的音色进行播放。
在一些实施例中,基于语音交互音频和预先训练的判定模型,生成判定信息,包括:基于目标用户的年龄段、语音交互音频和预先训练的判定模型,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息;以及,响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,包括:响应于所生成的判定信息指示不允许处于年龄段的目标用户生成语音交互音频的判定信息,基于年龄段和目标用户的用户画像,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,该方法还包括:响应于再次获取到的、目标用户生成的音频与所获取的语音交互音频之间的相似度大于或等于预设相似度阈值,向预设管控设备发送指示目标用户再次生成所获取的语音交互音频的信息。
在一些实施例中,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,包括以下至少一项:生成用于提示目标用户避免再次使用所获取的语音交互音频指示的文本中属于目标类别的字词的提示信息;生成用于提示目标用户避免再次使用所获取的语音交互音频的语气进行对话的提示信息。
第二方面,本公开的实施例提供了一种用于生成信息的装置,该装置包括:获取单元,被配置成获取单元获取目标用户生成的语音交互音频;第一生成单元,被配置成基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;第二生成单元,被配置成响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,判定模型用于确定语音交互音频是否属于目标类别,判定信息指示语音交互音频是否属于目标类别,响应于所获取的语音交互音频属于目标类别,确定不允许目标用户生成所获取的语音交互音频;以及,第二生成单元包括:第一生成子单元,被配置成响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,第一生成子单元包括:提取模块,被配置成响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句;确定模块,被配置成从预先确定的目标子类别集合中,确定词句所属的目标子类别,其中,目标子类别集合中的目标子类别为目标类别的子类别;生成模块,被配置成基于所确定的目标子类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,生成模块包括:生成子模块,被配置成生成用于提示目标用户避免再次生成属于目标类别的词句的提示信息。
在一些实施例中,提取模块包括:处理子模块,被配置成采用具有双向长短期记忆网络BiLSTM层结构和条件随机场CRF层结构的深度学习模型,对与所获取的语音交互音频相对应的交互文本进行语义槽填充处理,以从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句。
在一些实施例中,判定模型通过如下步骤训练得到:获取训练样本集,其中,训练样本集中的训练样本包括语音交互音频和判定信息;采用极端梯度提升算法,将训练样本集中的训练样本包括的语音交互音频作为输入,将与输入的语音交互音频相对应的判定信息作为期望输出,训练得到判定模型。
在一些实施例中,该装置还包括:确定单元,被配置成基于为目标用户播放的、目标用户选取的音频,确定用于为目标用户播放的音频的音色信息;控制单元,被配置成控制提示信息的音频采用音色信息指示的音色进行播放。
在一些实施例中,第一生成单元包括:第二生成子单元,被配置成基于目标用户的年龄段、语音交互音频和预先训练的判定模型,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息;以及,第二生成单元包括:第三生成子单元,被配置成响应于所生成的判定信息指示不允许处于年龄段的目标用户生成语音交互音频的判定信息,基于年龄段和目标用户的用户画像,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在一些实施例中,该装置还包括:发送单元,被配置成响应于再次获取到的、目标用户生成的音频与所获取的语音交互音频之间的相似度大于或等于预设相似度阈值,向预设管控设备发送指示目标用户再次生成所获取的语音交互音频的信息。
在一些实施例中,第二生成单元包括以下至少一项:第四生成子单元,被配置成生成用于提示目标用户避免再次使用所获取的语音交互音频指示的文本中属于目标类别的字词的提示信息;第五生成子单元,被配置成生成用于提示目标用户避免再次使用所获取的语音交互音频的语气进行对话的提示信息。
第三方面,本公开的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,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述用于生成信息的方法中任一实施例的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述用于生成信息的方法中任一实施例的方法。
本公开的实施例提供的用于生成信息的方法和装置,首先,获取目标用户生成的语音交互音频,然后,基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频,最后,在所生成的判定信息指示不允许目标用户生成所获取的语音交互音频的情况下,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,丰富了信息的生成方式,可以对用户生成的语音进行引导,从而一定程度上避免用户再次生成不允许其生成的语音。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于生成信息的方法的一个实施例的流程图;
图3是根据本公开的用于生成信息的方法的一个应用场景的示意图;
图4是根据本公开的用于生成信息的方法的又一个实施例的流程图;
图5是根据本公开的用于生成信息的方法的再一个实施例的流程图;
图6是根据本公开的用于生成信息的装置的一个实施例的结构示意图;
图7是适于用来实现本公开的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公开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,本公开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公开。
图1示出了可以应用本公开的实施例的用于生成信息的方法或用于生成信息的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,以接收或发送数据(例如目标用户生成的语音交互音频)等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如学习类软件、视频播放软件、新闻资讯类应用、图像处理类应用、网页浏览器应用、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可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于早教机、智能手机、平板电脑、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软件或软件模块),也可以实现成单个软件或软件模块(例如具有早教功能的软件)。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,例如基于目标用户生成的语音交互音频和预先训练的判定模型,生成判定信息的后台服务器。可选的,在生成判定信息之后,服务器105可以将该判定信息反馈给终端设备101、102、103。作为示例,服务器105可以是云端服务器。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,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。
还需要说明的是,本公开的实施例所提供的用于生成信息的方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,用于生成信息的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
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。当用于生成信息方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括用于生成信息方法运行于其上的电子设备(例如终端设备)。
继续参考图2,示出了根据本公开的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,获取目标用户生成的语音交互音频。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以获取目标用户生成的语音交互音频。其中,目标用户可以是与上述执行主体进行交互的用户。作为示例,上述执行主体可以是早教机,上述目标用户可以是使用早教机的儿童。
作为示例,当上述执行主体为服务器时,在与上述执行主体通信连接的终端设备获得目标用户生成的语音交互音频之后,上述执行主体可以通过有线连接方式或者无线连接方式从该终端设备获取目标用户生成的语音交互音频,在此场景下,上述终端设备可以具有语音获取功能;当上述执行主体为终端设备时,上述执行主体可以直接地从目标用户获得该目标用户生成的语音交互音频。
步骤202,基于语音交互音频和预先训练的判定模型,生成判定信息。
在本实施例中,上述执行主体可以基于步骤201中所获取的语音交互音频和预先训练的判定模型,生成判定信息。其中,判定模型用于生成判定信息。判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频。进一步地,上述判定信息可以用于指示所获取的语音交互音频指示的文本中,是否包含属于目标类别的字词,也可以用于指示是否允许目标用户使用所获取的语音交互音频的语气进行对话。
例如,基于用户A生成的语音交互音频A和该判定模型,可以生成指示是否允许用户A生成语音交互音频A的判定信息;基于用户B生成的语音交互音频B和该判定模型,可以生成指示是否允许用户B生成语音交互音频B的判定信息。
在这里,上述判定模型可以是关联存储有语音交互音频、判定信息,以及语音交互音频和判定信息的对应关系信息的二维表或数据库;也可以是采用机器学习算法(例如极端梯度提升算法、小批量梯度下降算法)训练得到的卷积神经网络。
是否允许生成语音交互音频的用户生成该语音交互音频,可以通过判断该语音交互音频是否属于特定类别(例如反动、黄色类别)来判断,也可以通过该语音交互音频是否属于预先确定的语音交互音频集合来判断。
在本实施例的一些可选的实现方式中,上述判定模型可以经由上述执行主体或者与上述执行主体通信连接的电子设备,通过如下步骤训练得到:
首先,获取训练样本集。其中,训练样本集中的训练样本包括语音交互音频和判定信息。
在这里,上述训练样本集可以包括正样本(即正训练样本)和负样本(即负训练样本)。其中,正样本中的语音交互音频对应的判定信息可以表征“允许生成该语音交互音频的用户生成该语音交互音频”;负样本中的语音交互音频对应的判定信息可以表征“不允许生成该语音交互音频的用户生成该语音交互音频”。其中,语音交互音频对应的判定信息,可以与该语音交互音频包含于同一训练样本中。
然后,采用极端梯度提升算法(XGBoost,eXtreme Gradient Boosting),将训练样本集中的训练样本包括的语音交互音频作为输入,将与输入的语音交互音频相对应的判定信息作为期望输出,训练得到判定模型。
示例性的,可以将训练样本集中的训练样本包括的语音交互音频输入至初始模型,获得初始模型计算得到的实际输出数据。其中,实际输出数据可以是初始模型实际输出的判定信息。然后,再用极端梯度提升算法中的损失函数,计算实际输出的判定信息与训练样本中包括的相应的判定信息之间的差异值。若差异值小于或等于预设差异阈值,则可以将当前的初始模型作为判定模型;若差异值大于上述预设差异阈值,则可以调整当前的初始模型的模型参数,以及将参数调整后的模型,用作下次训练的初始模型。
其中,初始模型可以是具有AlexNet、VGG、ResNet等网络结构的卷积神经网络模型。
可以理解,相对于现有技术而言,本可选的实现方式采用极端梯度提升算法来训练判定模型,可以使得训练得到的判定模型生成更准确的、指示是否允许生成语音交互音频的用户生成该语音交互音频的判定信息,并且,在达到相同的训练效果的情况下,采用极端梯度提升算法所需要的迭代次数更少,在选取最佳切分点时可以开启多线程进行,大大提高了模型迭代和计算的效率。
步骤203,响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例中,在步骤202中所生成的判定信息指示不允许目标用户生成所获取的语音交互音频的情况下,上述执行主体可以生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。其中,上述提示信息可以是文字、音频、图像等形式的信息。
在本实施例的一些可选的实现方式中,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,可以包括:
生成用于提示目标用户避免再次使用所获取的语音交互音频指示的文本中属于目标类别的字词的提示信息。其中,上述目标类别可以是预先确定的各种类别(例如黄色、反动类别),也可以是上述执行主体根据目标用户的用户信息自动确定的类别。
作为示例,在目标用户生成的语音交互音频指示的文本为“你是**”,并且,其中“**”为属于目标类别的字词的情况下,这里所生成的提示信息可以是“小朋友不可以说你是**哦”,也可以是“小朋友不可以说**哦”。其中,上述各个“**”表征相同的字词。
可以理解,本可选的实现方式可以对目标用户使用的字词进行引导、矫正。
在本实施例的一些可选的实现方式中,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,可以包括:
生成用于提示目标用户避免再次使用所获取的语音交互音频的语气进行对话的提示信息。
作为示例,在目标用户生成的语音交互音频指示的语气表征该目标用户不耐烦的情况下,这里所生成的提示信息可以是“小朋友请耐心一点”。
可以理解,本可选的实现方式可以对目标用户对话时的语气进行引导、矫正。
在本实施例的一些可选的实现方式中,当上述执行主体为终端设备时,其可以通过显示屏呈现提示信息,或者,通过语音播放装置播放提示信息;在上述执行主体为服务器时,其将提示信息发送至目标用户使用的终端设备,以便终端设备通过显示屏呈现提示信息,或者,通过语音播放装置播放提示信息。
继续参见图3,图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中,早教机302获取目标用户301生成的语音交互音频303(图示中为“你真**”,其中,“**”为不允许用户生成的语音交互音频)。然后,早教机302基于语音交互音频303和预先训练的判定模型304,生成判定信息305(图示中,判定信息305为“0”,指示不允许目标用户301生成所获取的语音交互音频)。其中,判定模型304用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频。之后,早教机302生成用于提示目标用户301避免再次生成语音交互音频303的提示信息306(图示中为“小朋友请不要说**哦”)。
本公开的上述实施例提供的方法,通过获取目标用户生成的语音交互音频,然后,基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频,最后,在所生成的判定信息指示不允许目标用户生成所获取的语音交互音频的情况下,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,丰富了信息的生成方式,可以对用户生成的语音进行引导,从而一定程度上避免用户再次生成不允许其生成的语音。
在本实施例的一些可选的实现方式中,上述执行主体还可以执行如下步骤:
步骤一,基于为目标用户播放的、目标用户选取的音频,确定用于为目标用户播放的音频的音色信息。
其中,上述为目标用户播放的、目标用户选取的音频可以是目标用户选择播放的音乐或者视频中的音频。
作为示例,上述用于为目标用户播放的音频的音色信息可以指示:多个为目标用户播放的、目标用户选取的音频中,任一音频的音色;也可以指示:多个为目标用户播放的、目标用户选取的音频中,播放时间最长的音频的音色;还可以指示:多个为目标用户播放的、目标用户选取的音频中,最近一次为目标用户播放的音频的音色。
步骤二,控制提示信息的音频采用音色信息指示的音色进行播放。
在这里,当上述执行主体为终端设备时,上述执行主体可以播放上述提示信息的音频;当上述执行主体为服务器时,上述执行主体可以向目标用户使用的终端设备发送上述提示信息的音频,以便目标用户使用的终端设备播放上述提示信息的音频。
可以理解,在本可选的实现方式中,为目标用户播放的、目标用户选取的音频的音色往往是目标用户所喜欢的音色,由此,本可选的实现方式可以控制提示信息的音频采用音色信息指示的音色进行播放,从而播放出目标用户所喜欢的音频。从而丰富了音频的播放方式,在对用户生成的语音进行引导时,更容易被目标送用户接受,有助于提高对目标用户的语音进行纠正的速度,提高用户体验。
在本实施例的一些可选的实现方式中,上述执行主体还可以执行如下步骤:
在再次获取到的、目标用户生成的音频与所获取的语音交互音频之间的相似度大于或等于预设相似度阈值的情况下,向预设管控设备发送指示目标用户再次生成所获取的语音交互音频的信息。
其中,上述预设管控设备可以是用于对上述执行主体进行管理和/或控制的电子设备。作为示例,在上述目标用户为儿童时,上述预设管控设备可以是该儿童的家长或者老师使用的电子设备。实践中,上述执行主体与上述预设管控设备之间可以预先建立关联关系。例如,在上述执行主体中存储预设管控设备的设备号。
可以理解,在再次获取到的、目标用户生成的音频与所获取的语音交互音频之间的相似度大于或等于预设相似度阈值的情况下,通常可以认为目标用户的音频纠正效果不显著,由此,本可选的实现方式可以通过向预设管控设备发送指示目标用户再次生成所获取的语音交互音频的信息,来通知该预设管控设备的使用者(例如家长或老师),从而帮助目标用户纠正其所生成的音频。
进一步参考图4,其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400,包括以下步骤:
步骤401,获取目标用户生成的语音交互音频。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤402,基于语音交互音频和预先训练的判定模型,生成判定信息。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以基于语音交互音频和预先训练的判定模型,生成判定信息。其中,判定模型用于确定语音交互音频是否属于目标类别。目标类别可以是预先确定的各种类别(例如黄色、反动类别),也可以是上述执行主体根据目标用户的用户信息自动确定的类别。判定信息指示语音交互音频是否属于目标类别。在所获取的语音交互音频属于目标类别的情况下,可以确定不允许目标用户生成所获取的语音交互音频。
在本实施例中,步骤402与图2对应实施例中的步骤202基本一致,这里不再赘述。
步骤403,响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例中,在所生成的判定信息指示所获取的语音交互音频属于上述目标类别的情况下,上述执行主体可以生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例中,步骤403的执行方式可以参考图2对应实施例中的步骤203,这里不再赘述。
需要说明的是,除上面所记载的内容外,本申请实施例还可以包括与图2和/或图5对应的实施例相同或类似的特征、效果,在此不再赘述。
从图4中可以看出,本实施例中的用于生成信息的方法的流程400采用判定模型来确定语音交互音频是否属于目标类别,从而可以对用户生成的语音进行引导,一定程度上可以避免目标用户再次生成属于目标类别的该语音交互音频,以对目标用户的语音实现一定程度上的纠正。
在本实施里的一些可选的实现方式中,上述执行主体可以通过如下步骤执行上述步骤403:
第一步,在所生成的判定信息指示所获取的语音交互音频属于目标类别的情况下,从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句。
第二步,从预先确定的目标子类别集合中,确定上述第一步中提取的词句所属的目标子类别。其中,目标子类别集合中的目标子类别为目标类别的子类别。
例如,如果上述目标类别为“不文明类别”,那么,上述子类别可以为以下之一:辱骂类、歧视类、气愤类等等。
第三步,基于所确定的目标子类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
作为示例,目标子类别集合中的每个目标子类别可以对应一个子类别模型。由此,上述执行主体可以将所获取的语音交互音频,输入至与所确定的目标子类别相对应的子类别模型,从而生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
其中,子类别模型用于生成与目标子类别相对应的、用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在这里,上述子类别模型可以是采用机器学习算法训练得到的卷积神经网络,也可以是关联存储有年龄段、语音交互音频,以及用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息三者的对应关系信息的二维表或数据库。
可以理解,本可选的实现方式可以针对所确定的不同的目标子类别,生成提示信息,从而进一步丰富了信息的生成方式。
在本可选的实现方式的一些应用场景中,上述执行主体可以采用如下方式,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息:
生成用于提示目标用户避免再次生成属于目标类别的词句的提示信息。
可以理解,在上述应用场景中,可以更具针对性地确定出语音交互音频中的哪些词句属于目标类别,从而可以对用户生成的语音进行更具针对性的引导。
在本应用场景的一些示例中,上述执行主体可以通过如下步骤,从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句:
采用具有BiLSTM(双向长短期记忆网络)层结构和CRF(条件随机场,ConditionalRandom Fields)层结构的深度学习模型,对与所获取的语音交互音频相对应的交互文本进行语义槽填充(slot filling)处理,以从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句。
可以理解,上述示例可以基于语义槽填充处理,更准确地提取属于目标类别的词句。
进继续参考图5,其示出了用于生成信息的方法的再一个实施例的流程500。该用于生成信息的方法的流程500,包括以下步骤:
步骤501,获取目标用户生成的语音交互音频。
在本实施例中,步骤501与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤502,基于目标用户的年龄段、语音交互音频和预先训练的判定模型,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以基于目标用户的年龄段、目标用户的用户画像和预先训练的判定模型,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息。
其中,上述用户画像可以用于指示目标用户的以下至少一项信息:兴趣爱好、性别、性格、籍贯、教育背景等等。目标用户的年龄段可以是用户输入的,也可以是上述执行主体通过该目标用户生成的语音交互音频确定的。
作为示例,上述执行主体可以将目标用户的年龄段和目标用户生成的语音交互音频输入至预先训练的判定模型,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息。其中,上述判定模型用于生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息。
在这里,上述判定模型可以是采用机器学习算法训练得到的卷积神经网络,也可以是关联存储有年龄段、语音交互音频,以及用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息三者的对应关系信息的二维表或数据库。
步骤503,响应于所生成的判定信息指示不允许处于年龄段的目标用户生成语音交互音频的判定信息,基于年龄段和目标用户的用户画像,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例中,在步骤502中所生成的判定信息指示不允许处于年龄段的目标用户生成语音交互音频的判定信息的情况下,上述执行主体可以基于年龄段和目标用户的用户画像,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
作为示例,上述执行主体可以将目标用户的年龄段、目标用户的用户画像和目标用户生成的语音交互音频输入至预先训练的信息生成模型,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。其中,上述判定模型用于生成与年龄段和用户画像相对应的、用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在这里,上述信息生成模型可以是采用机器学习算法训练得到的卷积神经网络,也可以是关联存储有年龄段、语音交互音频,以及用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息三者的对应关系信息的二维表或数据库。
需要说明的是,除上面所记载的内容外,本申请实施例还可以包括与图2和/或图4对应的实施例相同或类似的特征、效果,在此不再赘述。
从图5中可以看出,本实施例中的用于生成信息的方法的流程500可以基于目标用户的年龄段、目标用户的用户画像,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息,以及与目标用户的年龄段和用户画像相对应的、用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,从而可以针对不同年龄段或不同用户画像的目标用户,生成不同的提示信息,由此,可以更具针对性地对目标用户进行引导和语音纠正。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征,以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于生成信息的装置600包括:获取单元601、第一生成单元602和第二生成单元603。其中,获取单元601,被配置成获取单元获取目标用户生成的语音交互音频;第一生成单元602,被配置成基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;第二生成单元603,被配置成响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例中,用于生成信息的装置600的获取单元601可以获取单元获取目标用户生成的语音交互音频。
在本实施例中,上述第一生成单元602可以基于获取单元601获取到的语音交互音频和预先训练的判定模型,生成判定信息。其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频。
在本实施例中,在第一生成单元602所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,上述第二生成单元603可以生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例的一些可选的实现方式中,判定模型用于确定语音交互音频是否属于目标类别,判定信息指示语音交互音频是否属于目标类别,响应于所获取的语音交互音频属于目标类别,确定不允许目标用户生成所获取的语音交互音频;以及,第二生成单元包括:第一生成子单元(图中未示出),被配置成响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例的一些可选的实现方式中,第一生成子单元包括:提取模块(图中未示出),被配置成响应于所生成的判定信息指示所获取的语音交互音频属于目标类别,从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句;确定模块(图中未示出),被配置成从预先确定的目标子类别集合中,确定词句所属的目标子类别,其中,目标子类别集合中的目标子类别为目标类别的子类别;生成模块(图中未示出),被配置成基于所确定的目标子类别,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例的一些可选的实现方式中,生成模块包括:生成子模块(图中未示出),被配置成生成用于提示目标用户避免再次生成属于目标类别的词句的提示信息。
在本实施例的一些可选的实现方式中,提取模块包括:处理子模块(图中未示出),被配置成采用具有双向长短期记忆网络BiLSTM层结构和条件随机场CRF层结构的深度学习模型,对与所获取的语音交互音频相对应的交互文本进行语义槽填充处理,以从与所获取的语音交互音频相对应的交互文本中,提取属于目标类别的词句。
在本实施例的一些可选的实现方式中,判定模型通过如下步骤训练得到:获取训练样本集,其中,训练样本集中的训练样本包括语音交互音频和判定信息;采用极端梯度提升算法,将训练样本集中的训练样本包括的语音交互音频作为输入,将与输入的语音交互音频相对应的判定信息作为期望输出,训练得到判定模型。
在本实施例的一些可选的实现方式中,该装置600还包括:确定单元(图中未示出),被配置成基于为目标用户播放的、目标用户选取的音频,确定用于为目标用户播放的音频的音色信息;控制单元(图中未示出),被配置成控制提示信息的音频采用音色信息指示的音色进行播放。
在本实施例的一些可选的实现方式中,第一生成单元602包括:第二生成子单元(图中未示出),被配置成基于目标用户的年龄段、语音交互音频和预先训练的判定模型,生成用于指示是否允许处于年龄段的目标用户生成语音交互音频的判定信息;以及,第二生成单元603包括:第三生成子单元(图中未示出),被配置成响应于所生成的判定信息指示不允许处于年龄段的目标用户生成语音交互音频的判定信息,基于年龄段和目标用户的用户画像,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
在本实施例的一些可选的实现方式中,该装置600还包括:发送单元(图中未示出),被配置成响应于再次获取到的、目标用户生成的音频与所获取的语音交互音频之间的相似度大于或等于预设相似度阈值,向预设管控设备发送指示目标用户再次生成所获取的语音交互音频的信息。
在本实施例的一些可选的实现方式中,第二生成单元603包括以下至少一项:第四生成子单元(图中未示出),被配置成生成用于提示目标用户避免再次使用所获取的语音交互音频指示的文本中属于目标类别的字词的提示信息;第五生成子单元(图中未示出),被配置成生成用于提示目标用户避免再次使用所获取的语音交互音频的语气进行对话的提示信息。
本公开的上述实施例提供的装置,通过获取单元601获取单元获取目标用户生成的语音交互音频,然后,第一生成单元602基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频,最后,在所生成的判定信息指示不允许目标用户生成所获取的语音交互音频的情况下,第二生成单元603生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息,丰富了信息的生成方式,可以对用户生成的语音进行引导,从而一定程度上避免用户再次生成不允许其生成的语音。
下面参考图7,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)700的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705: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706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,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7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709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701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,本公开所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。在本公开中,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。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,所述程序设计语言包括面向目标的程序设计语言—诸如Python、Java、Smalltalk、C++,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用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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。
描述于本公开的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:一种处理器包括获取单元、第一生成单元、和第二生成单元。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,获取单元还可以被描述为“获取目标用户生成的语音交互音频的单元”。
作为另一方面,本公开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电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:获取目标用户生成的语音交互音频;基于语音交互音频和预先训练的判定模型,生成判定信息,其中,判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;响应于所生成的判定信息指示不允许目标用户生成所获取的语音交互音频,生成用于提示目标用户避免再次生成所获取的语音交互音频的提示信息。
以上描述仅为本公开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,本公开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。例如上述特征与本公开中公开的(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 (13)
1.一种用于生成信息的方法,包括:
获取目标用户生成的语音交互音频;
基于所述语音交互音频和预先训练的判定模型,生成判定信息,其中,所述判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;
响应于所生成的判定信息指示不允许所述目标用户生成所获取的语音交互音频,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息。
2.根据权利要求1所述的方法,其中,所述判定模型用于确定语音交互音频是否属于目标类别,判定信息指示语音交互音频是否属于所述目标类别,响应于所获取的语音交互音频属于所述目标类别,确定不允许所述目标用户生成所获取的语音交互音频;以及
所述响应于所生成的判定信息指示不允许所述目标用户生成所获取的语音交互音频,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息,包括:
响应于所生成的判定信息指示所获取的语音交互音频属于所述目标类别,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息。
3.根据权利要求2所述的方法,其中,所述响应于所生成的判定信息指示所获取的语音交互音频属于所述目标类别,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息,包括:
响应于所生成的判定信息指示所获取的语音交互音频属于所述目标类别,从与所获取的语音交互音频相对应的交互文本中,提取属于所述目标类别的词句;
从预先确定的目标子类别集合中,确定所述词句所属的目标子类别,其中,所述目标子类别集合中的目标子类别为所述目标类别的子类别;
基于所确定的目标子类别,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息。
4.根据权利要求3所述的方法,其中,所述生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息,包括:
生成用于提示所述目标用户避免再次生成所述属于所述目标类别的词句的提示信息。
5.根据权利要求3所述的方法,其中,所述从与所获取的语音交互音频相对应的交互文本中,提取属于所述目标类别的词句,包括:
采用具有双向长短期记忆网络BiLSTM层结构和条件随机场CRF层结构的深度学习模型,对与所获取的语音交互音频相对应的交互文本进行语义槽填充处理,以从与所获取的语音交互音频相对应的交互文本中,提取属于所述目标类别的词句。
6.根据权利要求1-5之一所述的方法,其中,所述判定模型通过如下步骤训练得到:
获取训练样本集,其中,所述训练样本集中的训练样本包括语音交互音频和判定信息;
采用极端梯度提升算法,将所述训练样本集中的训练样本包括的语音交互音频作为输入,将与输入的语音交互音频相对应的判定信息作为期望输出,训练得到判定模型。
7.根据权利要求1-5之一所述的方法,其中,所述方法还包括:
基于为所述目标用户播放的、所述目标用户选取的音频,确定用于为所述目标用户播放的音频的音色信息;
控制所述提示信息的音频采用所述音色信息指示的音色进行播放。
8.根据权利要求1-5之一所述的方法,其中,所述基于所述语音交互音频和预先训练的判定模型,生成判定信息,包括:
基于所述目标用户的年龄段、所述语音交互音频和预先训练的判定模型,生成用于指示是否允许处于所述年龄段的所述目标用户生成所述语音交互音频的判定信息;以及
所述响应于所生成的判定信息指示不允许所述目标用户生成所获取的语音交互音频,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息,包括:
响应于所生成的判定信息指示不允许处于所述年龄段的所述目标用户生成所述语音交互音频的判定信息,基于所述年龄段和所述目标用户的用户画像,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息。
9.根据权利要求1-5之一所述的方法,其中,所述方法还包括:
响应于再次获取到的、所述目标用户生成的音频与所获取的语音交互音频之间的相似度大于或等于预设相似度阈值,向预设管控设备发送指示所述目标用户再次生成所获取的语音交互音频的信息。
10.根据权利要求1-5之一所述的方法,其中,所述生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息,包括以下至少一项:
生成用于提示所述目标用户避免再次使用所获取的语音交互音频指示的文本中属于目标类别的字词的提示信息;
生成用于提示所述目标用户避免再次使用所获取的语音交互音频的语气进行对话的提示信息。
11.一种用于生成信息的装置,包括:
获取单元,被配置成获取单元获取目标用户生成的语音交互音频;
第一生成单元,被配置成基于所述语音交互音频和预先训练的判定模型,生成判定信息,其中,所述判定模型用于生成判定信息,判定信息指示是否允许生成语音交互音频的用户生成该语音交互音频;
第二生成单元,被配置成响应于所生成的判定信息指示不允许所述目标用户生成所获取的语音交互音频,生成用于提示所述目标用户避免再次生成所获取的语音交互音频的提示信息。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-10中任一所述的方法。
13.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010147400.0A CN112309403A (zh) | 2020-03-05 | 2020-03-05 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010147400.0A CN112309403A (zh) | 2020-03-05 | 2020-03-05 | 用于生成信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112309403A true CN112309403A (zh) | 2021-02-02 |
Family
ID=74336430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010147400.0A Pending CN112309403A (zh) | 2020-03-05 | 2020-03-05 | 用于生成信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112309403A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2357163A1 (en) * | 2000-10-10 | 2002-04-10 | International Business Machines Corporation | Controlled access to audio signals based on objectionable audio content detected via sound recognition |
DE102013206979A1 (de) * | 2012-05-03 | 2013-11-07 | International Business Machines Corp. | Spracheingabe sensibler Informationen |
US20140278403A1 (en) * | 2013-03-14 | 2014-09-18 | Toytalk, Inc. | Systems and methods for interactive synthetic character dialogue |
CN104602240A (zh) * | 2014-12-19 | 2015-05-06 | 百度在线网络技术(北京)有限公司 | 一种防电话诈骗的方法及装置 |
US20150235642A1 (en) * | 2013-09-03 | 2015-08-20 | Panasonic Intellectual Property Corporation Of America | Speech dialogue control method |
CN105244023A (zh) * | 2015-11-09 | 2016-01-13 | 上海语知义信息技术有限公司 | 课堂教学中教师情绪的提醒系统及方法 |
US9405741B1 (en) * | 2014-03-24 | 2016-08-02 | Amazon Technologies, Inc. | Controlling offensive content in output |
CN106101819A (zh) * | 2016-06-21 | 2016-11-09 | 武汉斗鱼网络科技有限公司 | 一种基于语音识别的直播视频敏感内容过滤方法及装置 |
WO2017113974A1 (zh) * | 2015-12-30 | 2017-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种语音处理的方法、装置以及终端 |
US9911420B1 (en) * | 2014-12-02 | 2018-03-06 | Google Llc | Behavior adjustment using speech recognition system |
CN108153881A (zh) * | 2017-12-26 | 2018-06-12 | 重庆大争科技有限公司 | 基于智慧校园管理的教学监管方法 |
CN109147800A (zh) * | 2018-08-30 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 应答方法和装置 |
US20190235831A1 (en) * | 2018-01-31 | 2019-08-01 | Amazon Technologies, Inc. | User input processing restriction in a speech processing system |
CN110189754A (zh) * | 2019-05-29 | 2019-08-30 | 腾讯科技(深圳)有限公司 | 语音交互方法、装置、电子设备及存储介质 |
CN110189746A (zh) * | 2019-03-20 | 2019-08-30 | 成都天奥信息科技有限公司 | 一种应用于地空通信的话音识别方法 |
CN209421244U (zh) * | 2018-08-10 | 2019-09-24 | 北京汉能光伏投资有限公司 | 背包 |
GB201918852D0 (en) * | 2019-12-19 | 2020-02-05 | Samsung Electronics Co Ltd | Method and apparatus for dynamic human-computer interaction |
-
2020
- 2020-03-05 CN CN202010147400.0A patent/CN112309403A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2357163A1 (en) * | 2000-10-10 | 2002-04-10 | International Business Machines Corporation | Controlled access to audio signals based on objectionable audio content detected via sound recognition |
DE102013206979A1 (de) * | 2012-05-03 | 2013-11-07 | International Business Machines Corp. | Spracheingabe sensibler Informationen |
US20140278403A1 (en) * | 2013-03-14 | 2014-09-18 | Toytalk, Inc. | Systems and methods for interactive synthetic character dialogue |
US20150235642A1 (en) * | 2013-09-03 | 2015-08-20 | Panasonic Intellectual Property Corporation Of America | Speech dialogue control method |
US9405741B1 (en) * | 2014-03-24 | 2016-08-02 | Amazon Technologies, Inc. | Controlling offensive content in output |
US9911420B1 (en) * | 2014-12-02 | 2018-03-06 | Google Llc | Behavior adjustment using speech recognition system |
CN104602240A (zh) * | 2014-12-19 | 2015-05-06 | 百度在线网络技术(北京)有限公司 | 一种防电话诈骗的方法及装置 |
CN105244023A (zh) * | 2015-11-09 | 2016-01-13 | 上海语知义信息技术有限公司 | 课堂教学中教师情绪的提醒系统及方法 |
WO2017113974A1 (zh) * | 2015-12-30 | 2017-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种语音处理的方法、装置以及终端 |
CN106101819A (zh) * | 2016-06-21 | 2016-11-09 | 武汉斗鱼网络科技有限公司 | 一种基于语音识别的直播视频敏感内容过滤方法及装置 |
CN108153881A (zh) * | 2017-12-26 | 2018-06-12 | 重庆大争科技有限公司 | 基于智慧校园管理的教学监管方法 |
US20190235831A1 (en) * | 2018-01-31 | 2019-08-01 | Amazon Technologies, Inc. | User input processing restriction in a speech processing system |
CN209421244U (zh) * | 2018-08-10 | 2019-09-24 | 北京汉能光伏投资有限公司 | 背包 |
CN109147800A (zh) * | 2018-08-30 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 应答方法和装置 |
CN110189746A (zh) * | 2019-03-20 | 2019-08-30 | 成都天奥信息科技有限公司 | 一种应用于地空通信的话音识别方法 |
CN110189754A (zh) * | 2019-05-29 | 2019-08-30 | 腾讯科技(深圳)有限公司 | 语音交互方法、装置、电子设备及存储介质 |
GB201918852D0 (en) * | 2019-12-19 | 2020-02-05 | Samsung Electronics Co Ltd | Method and apparatus for dynamic human-computer interaction |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN110473525B (zh) | 获取语音训练样本的方法和装置 | |
CN112509562B (zh) | 用于文本后处理的方法、装置、电子设备和介质 | |
US20080189354A1 (en) | Method and apparatus for automated user review of media content in a mobile communication device | |
CN109801527B (zh) | 用于输出信息的方法和装置 | |
CN111667810B (zh) | 多音字语料的获取方法、装置、可读介质和电子设备 | |
CN109726390B (zh) | 文档处理方法、装置、电子设备和存储介质 | |
CN111883131B (zh) | 语音数据的处理方法及装置 | |
CN113395538B (zh) | 音效渲染方法、装置、计算机可读介质和电子设备 | |
US20240079002A1 (en) | Minutes of meeting processing method and apparatus, device, and medium | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
CN110659387A (zh) | 用于提供视频的方法和设备 | |
US11967338B2 (en) | Systems and methods for a computerized interactive voice companion | |
CN111753126B (zh) | 用于视频配乐的方法和装置 | |
CN116912734A (zh) | 视频摘要数据集构建方法、装置、介质及电子设备 | |
CN112309389A (zh) | 信息交互方法和装置 | |
CN112837672A (zh) | 对话归属的确定方法、装置、电子设备及存储介质 | |
CN112309387A (zh) | 用于处理信息的方法和装置 | |
CN112242143A (zh) | 一种语音交互方法、装置、终端设备及存储介质 | |
CN112309403A (zh) | 用于生成信息的方法和装置 | |
CN115269920A (zh) | 交互方法、装置、电子设备和存储介质 | |
CN113761865A (zh) | 声文重对齐及信息呈现方法、装置、电子设备和存储介质 | |
CN114398135A (zh) | 交互方法、装置、电子设备、存储介质和程序产品 | |
CN113221514A (zh) | 文本处理方法、装置、电子设备和存储介质 | |
KR20220127935A (ko) | 정보 상호작용을 위한 방법 및 장치 |
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 |