CN112382290A - 一种语音交互方法、装置、设备和计算机存储介质 - Google Patents

一种语音交互方法、装置、设备和计算机存储介质 Download PDF

Info

Publication number
CN112382290A
CN112382290A CN202011307586.8A CN202011307586A CN112382290A CN 112382290 A CN112382290 A CN 112382290A CN 202011307586 A CN202011307586 A CN 202011307586A CN 112382290 A CN112382290 A CN 112382290A
Authority
CN
China
Prior art keywords
entity
query
voice
user
candidate
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
CN202011307586.8A
Other languages
English (en)
Other versions
CN112382290B (zh
Inventor
黄际洲
丁世强
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
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 CN202011307586.8A priority Critical patent/CN112382290B/zh
Publication of CN112382290A publication Critical patent/CN112382290A/zh
Priority to EP21823167.8A priority patent/EP4027335A4/en
Priority to JP2021576945A priority patent/JP2023505917A/ja
Priority to US17/622,402 priority patent/US20230290347A1/en
Priority to PCT/CN2021/097972 priority patent/WO2022105188A1/zh
Priority to KR1020217042763A priority patent/KR20220071152A/ko
Application granted granted Critical
Publication of CN112382290B publication Critical patent/CN112382290B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • 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
    • G10L15/26—Speech to text systems
    • 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)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Telephonic Communication Services (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请公开了一种语音交互方法、装置、设备和计算机存储介质，涉及人工智能和语音技术领域。具体实现方案为：对用户输入的语音指令进行语音识别和需求解析；响应于解析得到的未知需求，利用所述需求解析的结果获取问询实体信息和问询内容，并通过与所述问询实体进行通信获取所述问询内容对应的答复信息；利用所述答复信息向所述用户返回第一语音应答。本申请能够弥补语音助手原本需求满足方面的盲区，尽可能问询到用户的新需求，提升用户体验。

Description

一种语音交互方法、装置、设备和计算机存储介质
技术领域
本申请涉及计算机应用技术领域，特别涉及人工智能和语音技术领域。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就被认为是现有技术。
随着语音交互技术的不断发展，用户能够与智能音箱、智能手机等终端设备进行语音交互。除了终端设备操作系统自带的语音助手之外，越来越多的应用搭载了语音交互技术。用户能够通过输入语音指令获取对应的服务，从而在很大程度上解放双手。
现有语音交互场景中，由于用户需求是无法事先枚举完的，在对用户输入的语音指令进行语音识别和需求理解后，常常面临语音助手无法解决用户新需求的情况，只能向用户返回诸如“对不起，我还不知道这个信息”的应答。这种应答方式会给用户带来较差的体验，无法满足用户的需求。
发明内容
有鉴于此，本申请提供了一种语音交互方法、装置、设备以及存储介质，以满足用户新需求，提高用户体验。
根据第一方面，提供了一种语音交互方法，包括：
对用户输入的语音指令进行语音识别和需求解析；
响应于解析得到的未知需求，利用所述需求解析的结果获取问询实体信息和问询内容，并通过与所述问询实体进行通信获取所述问询内容对应的答复信息；
利用所述答复信息向所述用户返回第一语音应答。
根据第二方面，提供了一种语音交互装置，包括：
语音处理单元，用于对用户输入的语音指令进行语音识别和需求解析；
对话决策单元，用于响应于所述语音处理单元解析得到的未知需求，利用所述需求解析的结果获取问询实体信息和问询内容；
自动问询单元，用于通过与所述问询实体进行通信获取所述问询内容对应的答复信息；
语音交互单元，用于利用所述答复信息向所述用户返回第一语音应答。
根据第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述的方法。
由以上技术方案可以看出，本申请在解析得到用户的新需求的情况下，不是简单地向用户回复无法解决新需求的语音应答，而是通过与问询实体进行通讯来获取问询内容对应的答复信息，并利用答复信息向用户返回语音应答。这种方式能够弥补语音助手原本需求满足方面的盲区，尽可能问询到用户的新需求，提升用户体验。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1示出了可以应用本发明实施例的示例性系统架构；
图2为本申请实施例一提供的主要方法流程图；
图3为本申请实施例二提供的一种可实现的方法流程图；
图4为本申请实施例三提供的一种可实现的方法流程图；
图5为本申请实施例四提供的一种可实现的方法流程图；
图6为本申请实施例五提供的语音交互装置的结构图；
图7是用来实现本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本发明实施例的示例性系统架构。如图1所示，该系统架构可以包括终端设备101和102，网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103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和102通过网络103与服务器104交互。终端设备101和102上可以安装有各种应用，例如语音交互应用、网页浏览器应用、通信类应用等。
终端设备101和102可以是支持语音交互的各种电子设备，可以是有屏设备，也可以是无屏设备。包括但不限于智能手机、平板电脑、智能音箱、智能电视等等。本发明所提供的语音交互装置可以设置并运行于上述服务器104中，也可以设置并运行于处理功能强大的计算机终端。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)，也可以实现成单个软件或软件模块，在此不做具体限定。
例如，语音交互装置设置并运行于上述服务器104中，终端设备101将用户输入的语音指令通过网络103发送至服务器104。服务器104采用本发明实施例提供的方法进行处理后，将处理结果(即本申请实施例中涉及的语音应答)返回至终端设备101，进而由终端设备101提供给用户，从而实现与用户之间的语音交互。该装置可以采用诸如语音助手的产品形态。
服务器104可以是单一服务器，也可以是是多个服务器构成的服务器群组。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。
实施例一
图2为本申请实施例一提供的主要方法流程图，如图2中所示，该方法可以包括以下步骤：
在201中，对用户输入的语音指令进行语音识别和需求解析。
对于用户输入的语音指令，首先要进行语音识别。在获取到语音识别得到的文本后，进行需求解析。需求解析的目的是为了了解用户的具体需求(也可以称为意图)，以为用户提供精准的服务。需求解析使用了自然语言处理中的语义理解，该部分内容可以采用已有较为成熟的实现方式，在此不做详述。
在202中，响应于解析得到的未知需求，利用需求解析的结果获取问询实体信息和问询内容，并通过与问询实体进行通信获取问询内容对应的答复信息。
如果解析得到的是已知需求，则通常已经存储有该已知需求对应的响应方式或语音应答，直接利用该已知需求对应的响应方式进行响应或语音应答。这种情况不做详述。
如果解析得到未知需求即新需求，则采用本申请实施例提供的方式进行处理。
上述问询实体指的是需求解析的结果中用户要获取信息对应的实体对象，询问内容指的是需求解析的结果中用户想要获取的信息内容。具体将在后续实施例中详述。
在203中，利用答复信息向用户返回第一语音应答。
由该实施例可以看出，本申请在解析得到用户的新需求的情况下，不是简单地向用户回复无法解决新需求的语音应答，而是通过与问询实体进行通讯来获取问询内容对应的答复信息，并利用答复信息向用户返回语音应答。这种方式能够弥补语音助手原本需求满足方面的盲区，尽可能问询到用户的新需求，提升用户体验。
在此需要说明的是，本申请中对于语音应答所涉及的“第一”、“第二”、“第三”等，例如“第一语音应答”、“第二语音应答”和“第三语音应答”，并不具备顺序、数量和名称上的限制，而仅用于区分不同的语音应答。
实施例二
图3为本申请实施例二提供的一种可实现的方法流程图，如图3中所示，该方法可以包括以下步骤：
在301中，对用户输入的语音指令进行语音识别和需求解析。
在302中，判断是否解析得到已知需求，如果是，执行303；否则，执行304。
在303中，利用已知需求对应的答复信息向用户返回第四语音应答，结束流程。
通常对于已知需求已经存储有对应的答复信息，因此可以直接利用该答复信息进行语音合成或利用已有的语音片段拼接等处理后，返回第四语音应答。
在304中，向用户返回第二语音应答以指示稍后提供答复信息。
对于未知需求即新需求，可以首先向用户返回诸如“我记下了，马上去询问最新消息，预计5分钟再给您答复”、“已收到，现在就去打探消息，稍后答复”等等这些预设的语音应答。使得用户明确语音助手正在努力获取答复并稍后会回复，提高用户体验。
在305中，利用需求解析的结果获取问询实体信息和问询内容，并通过与问询实体进行通信获取用户问询内容对应的答复信息。
在此需要说明的是，本申请中所提供的方式主要针对的语音指令是问询类的语音指令，也就是说，用户通过语音指令的问询希望获得一些信息。例如“安宁庄火车票代售点可以打印火车票报销凭证吗”、“全聚德烤鸭店现在可以送外卖吗”、“华联超市有卖电风扇吗”等等。
对于需求解析后得到的新需求，可以对其进行核心信息的提取。其中核心信息至少包括问询实体信息和问询内容。提取方式可以基于语义理解的方式实现，在此不做详述。
例如，对于新需求“安宁庄火车票代售点可以打印火车票报销凭证吗”，从中提取的问询实体就是“安宁庄火车票代售点”，问询内容为“打印火车票报销凭证”。更进一步地，可以从领域知识库中获取问询实体信息，例如通讯方式信息、位置信息等等。例如，从地图知识库中就可以查询到“安宁庄火车票代售点”的电话。
依据问询实体信息对应的通信方式与问询实体进行至少一轮交互，以向问询实体发送询问内容，并获取问询实体返回的答复信息。接续上例，可以由语音助手通过电话的方式向“安宁庄火车票代售点”打电话进行以下交互：
“语音助手：您好，我是客服**(语音助手的品牌名)，请问是安宁庄火车票代售点吗？
安宁庄火车票代售点：是。
语音助手：请问您家可以打印火车票报销凭证吗？
安宁庄火车票代售点：不可以。
语音助手：谢谢您的配合，再见”
以上交互中语音助手的询问语音可以基于预设的模板结合问询内容和问询实体信息生成。通过上述交互获得的答复内容为“不可以”。
除了电话交互方式之外，若获取到问询实体的其他通信方式，也可以采用其他通信方式进行交互。例如微信交互、邮件交互、专用的即时通信应用等等。
在306中，利用答复信息向用户返回第一语音应答。
本步骤中，可以基于预设的模板，利用上述答复信息生成第一应答文本，利用第一应答文本进行语音合成或语音拼接后得到第一语音应答。
接续上例，假假设模板为“通过【通信方式】确认，【问询实体】【答复内容】【查询内容】”，因此可以向用户返回：“经过电话确认，安宁庄火车票代售点不可以打印火车票报销凭证”。
在307中，将需求解析的结果记录为已知需求，且对应存储获取的答复消息。
经过记录后，如果有其他用户问询该已知需求，则可以利用对应的答复消息生成语音应答，并向用户返回该语音应答，提高响应效率。
作为一种优选的实施方式，对于已知需求及其对应的第一语音应答可以设置老化时间来保证信息的时效性和有效性。达到老化时间后，该已知需求及其对应的第一语音应答被删除，需要通过再次向问询实体进行问询获得。
实施例三
图4为本申请实施例三提供的一种可实现的方法流程图，如图4中所示，该方法可以包括以下步骤：
步骤401～405同上述实施例二中步骤301～305。
在406中，获取问询实体信息对应的候选实体信息，通过与候选实体进行通信获取候选答复信息。
为了保证答复信息的获取更加灵活和全面，尽可能地满足用户的需求。本实施例中，在获取问询实体信息之外，进一步获取问询实体信息对应的候选实体信息，以尝试从候选实体获取候选答复信息。
作为一种优选的实施方式，在获取问询实体信息对应的候选实体信息时，可以从领域知识库中获取与问询实体属于同一类型的实体；然后基于获取的实体与问询实体之间的相关度，从获取的实体中选择至少一个作为候选实体并获取候选实体信息。
针对新需求“安宁庄火车票代售点可以打印火车票报销凭证吗”，从中提取问询实体“安宁庄火车票代售点”，问询内容“打印火车票报销凭证”后，可以从地图领域的知识库中获取与“安宁庄火车票代售点”同一领域的实体，例如“首都体育馆南路火车票代售点”、“清河火车站”、“建材城西路火车票代售点”等等。在地图领域中，同一类型的实体与实体之间的相关度大多体现在空间距离上，因此，可以通过计算获取的各实体与问询实体之间的空间距离，按照从小到大的顺序从中选择至少一个作为候选实体并获取候选实体信息。例如，“清河火车站”距离“安宁庄火车票代售点”最近，因此可以将其作为候选实体，并从地图领域的知识库中获取“清河火车站”的电话。然后通过电话向清河火车站询问是否可以打印火车票报销凭证，并将获取的回复消息作为候选回复消息。
在407中，利用从问询实体获取的答复信息向用户返回第一语音应答，以及利用上述候选答复信息向用户返回第三语音应答。
其中与第一语音应答类似地，第三应答语音也可以采用预设模板结合候选答复信息的方式来生成。生成的第一语音应答和第三语音应答可以逐一进行播放，也可以进行拼接后播放。
接续上例，假设通过电话向小营建材城火车票代售点询问是否可以打印火车票报销凭证后，获取的候选回复消息为可以打印，那么向用户返回第一语音应答和第二语音应答就是：“经过电话确认，安宁庄火车票代售点不可以打印火车票报销凭证，但距您较近的清河火车站可以打印火车票报销凭证”。
从该实施例中可以看出，通过候选实体的扩展以及从候选实体获取候选答复信息，可以使得向用户返回的语音应答更加灵活和全面，尽可能地满足用户的需求。
实施例四
图5为本申请实施例四提供的一种可实现的方法流程图，如图5中所示，该方法可以包括以下步骤：
步骤501～505同上述实施例二中步骤301～305。
在506中，判断是否未从问询实体获取到答复信息，或者，从问询实体获取到的是否定性答复，如果是，则执行507；否则，执行509。
可能存在未与问询实体成功建立通信，未能从与问询实体的通信过程中获得问询内容对应的答复信息等情况，也可能从问询实体获取到的是否定性答复，例如向安宁庄火车票代售点问询是否可以打印火车票报销凭证，得到的答复是不可以。那么这种情况下，可能并不能很好地满足用户的实际需求，即用户希望找一个能打印火车票报销凭证的地方。因此，可以采用后续步骤507和508来进一步从候选实体获取候选答复信息。
但若与问询实体获得了肯定性答复，则很可能已经满足了用户的实际需求，因此可以直接利用从问询实体获取的答复信息向用户返回第一语音应答。
在507中，获取问询实体信息对应的候选实体信息，通过与候选实体进行通信获取候选答复信息。
在508中，利用从问询实体获取的答复信息向用户返回第一语音应答，以及利用上述候选答复信息向用户返回第三应答语音。
上述步骤507和508同实施例三中406和407，在此不做赘述。
在509中，利用从问询实体获取的答复信息向用户返回第一语音应答。
另外，在上述实施例三和实施例四中，若在预设时长内未获取到上述的答复信息和候选答复信息，则向用户返回预设的第四语音应答。在一些特殊情况下，可能从问询实体和候选实体都没有获取到答复信息，那么为了避免用户等待的时间过长而影响用户体验，可以在向用户返回第二语音应答后开始计时。达到预设时长后若未获取到上述的答复信息和候选答复信息，则向用户返回诸如“抱歉，未获取到安宁庄火车票代售点是否可以打印报销凭证的信息，请您尝试其他方式获取”等预设的语音应答。
在上述实施例三和实施例四中，可以将需求解析的结果记录为已知需求，且对应存储获取的答复消息(包括从问询实体获取的答复消息以及从候选实体获取的候选答复消息)。作为一种优选的实施方式，在存储答复消息时，可以采用结构化的答复消息组织形式。例如：
实体：安宁庄火车票代售点
问询内容：打印火车票报销凭证
问询结果：不可以
实体：清河火车站
问询内容：打印火车票报销凭证
问询结果：不可以
以上是对本申请所提供方法进行的详细描述，下面结合实施例对本申请所提供的装置进行详细描述。
实施例五
图6为本申请实施例五提供的语音交互装置的结构图，该装置可以是位于服务器端的应用，或者还可以为位于服务器端的应用中的插件或软件开发工具包(SoftwareDevelopment Kit，SDK)等功能单元，或者，还可以位于具有较强计算能力的计算机终端，本发明实施例对此不进行特别限定。如图6中所示，该装置可以包括：语音处理单元01、对话决策单元02、自动问询单元03和语音交互单元04，还可以进一步包括：需求记录单元05。其中，各组成单元的主要功能如下：
在语音交互单元04接收到用户输入的语音指令后，语音处理单元01，用于对用户输入的语音指令进行语音识别和需求解析。
如果语音处理单元01解析得到未知需求，则对话决策单元02利用需求解析的结果获取问询实体信息和问询内容。
对于需求解析后得到的未知需求即新需求，可以对其进行核心信息的提取。其中核心信息至少包括问询实体信息和问询内容。提取方式可以基于语义理解的方式实现。更进一步地，可以从领域知识库中获取问询实体信息，例如通讯方式信息、位置信息等等。
自动问询单元03，用于通过与问询实体进行通信获取问询内容对应的答复信息。
具体地，自动问询单元03可以依据问询实体信息对应的通信方式与问询实体进行至少一轮交互，以向问询实体发送询问内容，并获取问询实体返回的答复信息。
语音交互单元04，用于利用答复信息向用户返回第一语音应答。
作为其中一种实现方式，可以基于预设的模板，利用上述答复信息生成第一应答文本，利用第一应答文本进行语音合成或语音拼接后得到第一语音应答。
更进一步地，语音交互单元04，还用于在语音处理单元04解析得到未知需求之后，且向用户返回第一语音应答之前，向用户返回第二语音应答以指示稍后提供答复信息。
需求记录单元05，用于将需求解析的结果记录为已知需求，且对应存储答复信息。
如果语音处理单元01解析得到已知需求，则语音交互单元04直接利用已知需求对应的答复信息向用户返回语音应答。
作为一种优选的实施方式，对话决策单元02，还用于获取问询实体信息对应的候选实体信息。
具体地，对话决策单元02可以从问询实体所属的领域知识库中获取与问询实体属于同一类型的实体；基于获取的实体与问询实体之间的相关度，从获取的实体中选择至少一个作为候选实体并获取候选实体信息。
自动问询单元03，还用于通过与候选实体进行通信获取候选答复信息。
作为一种优选的实施方式，若通过与问询实体进行通信未获取到问询内容对应的答复信息，或者，若通过与问询实体进行通信获取到的答复信息为否定性答复，则自动问询单元03可以通过与候选实体进行通信获取候选答复信息。
语音交互单元04，还用于利用候选实体信息和候选答复信息，向用户返回第三应答语音。
其中与第一语音应答类似地，第三应答语音也可以采用预设模板结合候选答复信息的方式来生成。生成的第一语音应答和第三语音应答可以逐一进行播放，也可以进行拼接后播放。
作为一种优选的实施方式，语音交互单元04，还用于在预设时长内若自动问询单元03未获取到答复信息和候选答复信息，则向用户返回预设的第四语音应答。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的语音交互方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的语音交互方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的语音交互方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的语音交互方法对应的程序指令/模块。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的语音交互方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至该电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
语音交互方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与该电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种语音交互方法，包括：
对用户输入的语音指令进行语音识别和需求解析；
响应于解析得到的未知需求，利用所述需求解析的结果获取问询实体信息和问询内容，并通过与所述问询实体进行通信获取所述问询内容对应的答复信息；
利用所述答复信息向所述用户返回第一语音应答。
2.根据权利要求1所述的方法，在所述解析得到未知需求之后，且利用所述需求解析的结果向所述用户返回第一语音应答之前，还包括：
向所述用户返回第二语音应答以指示稍后提供答复信息。
3.根据权利要求1所述的方法，在获取所述问询内容对应的答复信息之后还包括：
将所述需求解析的结果记录为已知需求，且对应存储所述答复信息。
4.根据权利要求1所述的方法，还包括：
获取所述问询实体信息对应的候选实体信息；
通过与所述候选实体进行通信获取候选答复信息；
利用所述候选实体信息和所述候选答复信息，向所述用户返回第三应答语音。
5.根据权利要求4所述的方法，其中，获取所述问询实体信息对应的候选实体信息包括：
从所述问询实体所属的领域知识库中获取与所述问询实体属于同一类型的实体；
基于获取的实体与所述问询实体之间的相关度，从所述获取的实体中选择至少一个作为候选实体并获取候选实体信息。
6.根据权利要求4所述的方法，其中，所述通过与所述候选实体进行通信获取候选答复信息包括：
若通过与所述问询实体进行通信未获取到所述问询内容对应的答复信息，或者，若通过与所述问询实体进行通信获取到的所述答复信息为否定性答复，则通过与所述候选实体进行通信获取候选答复信息。
7.根据权利要求1所述的方法，其中，通过与所述问询实体进行通信获取所述问询内容对应的答复信息包括：
依据所述问询实体信息对应的通信方式与所述问询实体进行至少一轮交互，以向所述问询实体发送所述询问内容，并获取所述问询实体返回的答复信息。
8.根据权利要求4所述的方法，该方法还包括：
若在预设时长内未获取到所述答复信息和所述候选答复信息，则向所述用户返回预设的第四语音应答。
9.一种语音交互装置，包括：
语音处理单元，用于对用户输入的语音指令进行语音识别和需求解析；
对话决策单元，用于响应于所述语音处理单元解析得到的未知需求，利用所述需求解析的结果获取问询实体信息和问询内容；
自动问询单元，用于通过与所述问询实体进行通信获取所述问询内容对应的答复信息；
语音交互单元，用于利用所述答复信息向所述用户返回第一语音应答。
10.根据权利要求9所述的装置，所述语音交互单元，还用于在所述语音处理单元解析得到未知需求之后，且向所述用户返回第一语音应答之前，向所述用户返回第二语音应答以指示稍后提供答复信息。
11.根据权利要求9所述的装置，还包括：
需求记录单元，用于将所述需求解析的结果记录为已知需求，且对应存储所述答复信息。
12.根据权利要求9所述的装置，其中，所述对话决策单元，还用于获取所述问询实体信息对应的候选实体信息；
所述自动问询单元，还用于通过与所述候选实体进行通信获取候选答复信息；
所述语音交互单元，还用于利用所述候选实体信息和所述候选答复信息，向所述用户返回第三应答语音。
13.根据权利要求12所述的装置，其中，所述对话决策单元，具体用于从所述问询实体所属的领域知识库中获取与所述问询实体属于同一类型的实体；基于获取的实体与所述问询实体之间的相关度，从所述获取的实体中选择至少一个作为候选实体并获取候选实体信息。
14.根据权利要求12所述的装置，其中，所述自动问询单元，具体用于若通过与所述问询实体进行通信未获取到所述问询内容对应的答复信息，或者，若通过与所述问询实体进行通信获取到的所述答复信息为否定性答复，则通过与所述候选实体进行通信获取候选答复信息。
15.根据权利要求9所述的装置，其中，所述自动问询单元，具体用于依据所述问询实体信息对应的通信方式与所述问询实体进行至少一轮交互，以向所述问询实体发送所述询问内容，并获取所述问询实体返回的答复信息。
16.根据权利要求12所述的装置，其中，所述语音交互单元，还用于在预设时长内若所述自动问询单元未获取到所述答复信息和所述候选答复信息，则向所述用户返回预设的第四语音应答。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
CN202011307586.8A 2020-11-20 2020-11-20 一种语音交互方法、装置、设备和计算机存储介质 Active CN112382290B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202011307586.8A CN112382290B (zh) 2020-11-20 2020-11-20 一种语音交互方法、装置、设备和计算机存储介质
EP21823167.8A EP4027335A4 (en) 2020-11-20 2021-06-02 VOICE INTERACTION METHOD AND APPARATUS, DEVICE, AND COMPUTER STORAGE MEDIA
JP2021576945A JP2023505917A (ja) 2020-11-20 2021-06-02 音声インタラクション方法、装置、機器、及びコンピュータ記憶媒体
US17/622,402 US20230290347A1 (en) 2020-11-20 2021-06-02 Voice interaction method and apparatus, device and computer storage medium
PCT/CN2021/097972 WO2022105188A1 (zh) 2020-11-20 2021-06-02 一种语音交互方法、装置、设备和计算机存储介质
KR1020217042763A KR20220071152A (ko) 2020-11-20 2021-06-02 음성 인터랙션 방법, 장치, 기기 및 컴퓨터 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011307586.8A CN112382290B (zh) 2020-11-20 2020-11-20 一种语音交互方法、装置、设备和计算机存储介质

Publications (2)

Publication Number Publication Date
CN112382290A true CN112382290A (zh) 2021-02-19
CN112382290B CN112382290B (zh) 2023-04-07

Family

ID=74585282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011307586.8A Active CN112382290B (zh) 2020-11-20 2020-11-20 一种语音交互方法、装置、设备和计算机存储介质

Country Status (6)

Country Link
US (1) US20230290347A1 (zh)
EP (1) EP4027335A4 (zh)
JP (1) JP2023505917A (zh)
KR (1) KR20220071152A (zh)
CN (1) CN112382290B (zh)
WO (1) WO2022105188A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114360517A (zh) * 2021-12-17 2022-04-15 天翼爱音乐文化科技有限公司 一种复杂环境下的音频处理方法、装置及存储介质
WO2022105188A1 (zh) * 2020-11-20 2022-05-27 北京百度网讯科技有限公司 一种语音交互方法、装置、设备和计算机存储介质
CN114999204A (zh) * 2022-07-29 2022-09-02 北京百度网讯科技有限公司 导航信息处理方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110252011A1 (en) * 2010-04-08 2011-10-13 Microsoft Corporation Integrating a Search Service with a Social Network Resource
US20160019293A1 (en) * 2014-07-17 2016-01-21 International Business Machines Corporation Interpreting and Distinguishing Lack of an Answer in a Question Answering System
US20180075335A1 (en) * 2016-09-14 2018-03-15 International Business Machines Corporation System and method for managing artificial conversational entities enhanced by social knowledge
CN108847229A (zh) * 2018-05-23 2018-11-20 上海爱优威软件开发有限公司 一种基于语音助手的信息交互方法及终端
CN111341309A (zh) * 2020-02-18 2020-06-26 百度在线网络技术（北京）有限公司 一种语音交互方法、装置、设备和计算机存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001195423A (ja) * 2000-01-17 2001-07-19 Omron Corp 情報検索システム
US9318108B2 (en) * 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
JP2008090545A (ja) * 2006-09-29 2008-04-17 Toshiba Corp 音声対話装置および音声対話方法
US20140236570A1 (en) * 2013-02-18 2014-08-21 Microsoft Corporation Exploiting the semantic web for unsupervised spoken language understanding
JP5753869B2 (ja) * 2013-03-26 2015-07-22 富士ソフト株式会社 音声認識端末およびコンピュータ端末を用いる音声認識方法
CN105094315B (zh) * 2015-06-25 2018-03-06 百度在线网络技术（北京）有限公司 基于人工智能的人机智能聊天的方法和装置
US11775891B2 (en) * 2017-08-03 2023-10-03 Telepathy Labs, Inc. Omnichannel, intelligent, proactive virtual agent
WO2019138477A1 (ja) * 2018-01-10 2019-07-18 株式会社ウフル スマートスピーカー、スマートスピーカーの制御方法、及びプログラム
US11379529B2 (en) * 2019-09-09 2022-07-05 Microsoft Technology Licensing, Llc Composing rich content messages
CN111428483B (zh) * 2020-03-31 2022-05-24 华为技术有限公司 语音交互方法、装置和终端设备
JP7094325B2 (ja) * 2020-05-29 2022-07-01 株式会社日立製作所 製造管理支援システム及び方法
CN112382290B (zh) * 2020-11-20 2023-04-07 北京百度网讯科技有限公司 一种语音交互方法、装置、设备和计算机存储介质
US11650812B2 (en) * 2020-12-11 2023-05-16 International Business Machines Corporation Asset identification for collaborative projects in software development
US11811585B2 (en) * 2021-03-23 2023-11-07 International Business Machines Corporation Measuring incident management process efficiency metrics utilizing real-time conversation analysis

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110252011A1 (en) * 2010-04-08 2011-10-13 Microsoft Corporation Integrating a Search Service with a Social Network Resource
US20160019293A1 (en) * 2014-07-17 2016-01-21 International Business Machines Corporation Interpreting and Distinguishing Lack of an Answer in a Question Answering System
US20180075335A1 (en) * 2016-09-14 2018-03-15 International Business Machines Corporation System and method for managing artificial conversational entities enhanced by social knowledge
CN108847229A (zh) * 2018-05-23 2018-11-20 上海爱优威软件开发有限公司 一种基于语音助手的信息交互方法及终端
CN111341309A (zh) * 2020-02-18 2020-06-26 百度在线网络技术（北京）有限公司 一种语音交互方法、装置、设备和计算机存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022105188A1 (zh) * 2020-11-20 2022-05-27 北京百度网讯科技有限公司 一种语音交互方法、装置、设备和计算机存储介质
CN114360517A (zh) * 2021-12-17 2022-04-15 天翼爱音乐文化科技有限公司 一种复杂环境下的音频处理方法、装置及存储介质
CN114999204A (zh) * 2022-07-29 2022-09-02 北京百度网讯科技有限公司 导航信息处理方法、装置、设备及存储介质
CN114999204B (zh) * 2022-07-29 2022-11-08 北京百度网讯科技有限公司 导航信息处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
JP2023505917A (ja) 2023-02-14
CN112382290B (zh) 2023-04-07
EP4027335A1 (en) 2022-07-13
EP4027335A4 (en) 2022-11-16
US20230290347A1 (en) 2023-09-14
WO2022105188A1 (zh) 2022-05-27
KR20220071152A (ko) 2022-05-31

Similar Documents

Publication Publication Date Title
CN112382290B (zh) 一种语音交互方法、装置、设备和计算机存储介质
CN103915095B (zh) 语音识别的方法、交互设备、服务器和系统
CN103080927B (zh) 使用搜索结果的自动路由
CN109429522A (zh) 语音交互方法、装置及系统
US20160034558A1 (en) Generating a clustering model and clustering based on the clustering model
CN104142964A (zh) 信息匹配的方法及装置
CN114787814B (zh) 指代解析
CN112365880A (zh) 语音合成方法、装置、电子设备及存储介质
CN111341309A (zh) 一种语音交互方法、装置、设备和计算机存储介质
CN112528179B (zh) 二维码的处理方法、系统、电子设备和存储介质
CN108039173B (zh) 语音信息输入方法、移动终端、系统以及可读存储介质
CN109656510B (zh) 一种网页中语音输入的方法及终端
CN111597808A (zh) 仪表盘绘制处理方法、装置、电子设备和存储介质
CN104144108A (zh) 一种消息响应方法、装置及系统
CN114900379B (zh) 一种消息通知方法、装置、电子设备及存储介质
CN114265969A (zh) 结合rpa和ai的票务信息处理方法、装置、电子设备及存储介质
CN104010097A (zh) 基于传统pstn电话的多媒体通讯系统及方法
CN105100435A (zh) 移动通讯应用方法和装置
CN111599341A (zh) 用于生成语音的方法和装置
CN110633357A (zh) 语音交互方法、装置、设备和介质
CN112825256A (zh) 录制语音包功能的引导方法、装置、设备和计算机存储介质
CN110311943A (zh) 一种电力企业大数据平台中数据的查询与展示方法
CN105740453A (zh) 信息推送方法和装置
CN111782992B (zh) 显示控制方法、装置、设备及可读存储介质
CN111681052B (zh) 一种语音交互方法、服务器和电子设备

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