CN112735398B - 人机对话模式切换方法及系统 - Google Patents
人机对话模式切换方法及系统 Download PDFInfo
- Publication number
- CN112735398B CN112735398B CN201911028778.2A CN201911028778A CN112735398B CN 112735398 B CN112735398 B CN 112735398B CN 201911028778 A CN201911028778 A CN 201911028778A CN 112735398 B CN112735398 B CN 112735398B
- Authority
- CN
- China
- Prior art keywords
- conversation
- user
- current user
- current
- field
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000008569 process Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/14—Two-way operation using the same type of signal, i.e. duplex
- H04L5/16—Half-duplex systems; Simplex/duplex switching; Transmission of break signals non-automatically inverting the direction of transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q5/00—Selecting arrangements wherein two or more subscriber stations are connected by the same line to the exchange
- H04Q5/24—Selecting arrangements wherein two or more subscriber stations are connected by the same line to the exchange for two-party-line 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
- G10L15/222—Barge in, i.e. overridable guidance for interrupting prompts
-
- 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
-
- 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
-
- 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
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
- G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
- H04Q2213/13175—Graphical user interface [GUI], WWW interface, visual indication
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephone Function (AREA)
- Document Processing Apparatus (AREA)
- Machine Translation (AREA)
Abstract
本发明公开一种人机对话模式切换方法及系统，其中，所述方法包括：接收当前用户所说的当前用户语句；确定所述当前用户语句所属的对话领域是否为预设对话领域；若是，则将当前对话模式切换为全双工对话模式；若否，则将当前对话模式切换为半双工对话模式。本发明通过判断当前用户语句所属的对话领域是否属于预设对话领域的方式，来切换对话模式，从而可以根据对话领域的不同而自动切换调整对话模式，使得人机对话始终处于最合适的对话模式之下，顺畅的实现人机对话。
Description
技术领域
本发明涉及人机对话技术领域，尤其涉及一种人机对话模式切换方法及系统。
背景技术
目前的人机对话中(例如，用户与智能音箱之间对话)，多采用全双工对话模式或者半双工对话模式。
其中，全双工对话模式为：长开录音，交互过程中一直开录音，可以做到TTS播报和录音同时进行，上行流和下行流双向同时传输。优点为：交互模式自然，不会出现漏音频的问题；缺点为：录音长开，如果当前的AEC(回声消除)技术不够成熟，会导致TTS播报声音录入，造成误识别，从而误触发对话状态改变，影响对话流程。
半双工对话模式为：语音播报时，不进行录音，上行流和下行流数据交替进行传输。优点为：TTS播报时，不进行录音，可以防止噪声引起的对话流程误触发；缺点为：语音播报时，不进行录音，用户必须等待播报完成，才能进行下一轮对话，交互流程不自然。
发明内容
本发明实施例提供一种人机对话模式切换方法及系统，用于至少解决上述技术问题之一。
第一方面，本发明实施例提供一种人机对话模式切换方法，包括：
接收当前用户所说的当前用户语句；
确定所述当前用户语句所属的对话领域是否为预设对话领域；
若是，则将当前对话模式切换为全双工对话模式；
若否，则将当前对话模式切换为半双工对话模式。
第二方面，本发明实施例提供一种人机对话模式切换系统，包括：
语音接收模块，用于接收当前用户所说的当前用户语句；
对话领域确定模块，用于确定所述当前用户语句所属的对话领域是否为预设对话领域；
对话模式切换模块，用于当确定所述当前用户语句所属的对话领域为预设对话领域时，则将当前对话模式切换为全双工对话模式；当确定所述当前用户语句所属的对话领域不是预设对话领域时，则将当前对话模式切换为半双工对话模式。
第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项人机对话模式切换方法。
第四方面，提供一种电子设备，其包括：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本发明上述任一项人机对话模式切换方法。
第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项人机对话模式切换方法。
本发明实施例的有益效果在于：通过判断当前用户语句所属的对话领域是否属于预设对话领域的方式，来切换对话模式，从而可以根据对话领域的不同而自动切换调整对话模式，使得人机对话始终处于最合适的对话模式之下，顺畅的实现人机对话。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的人机对话模式切换方法的一实施例的流程图；
图2为本发明的人机对话模式切换方法的另一实施例的流程图；
图3为本发明的人机对话模式切换方法的又一实施例的流程图；
图4为本发明的人机对话模式切换系统的一实施例的原理框图；
图5为本发明的电子设备的一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
如图1所示，本发明的实施例提供一种人机对话模式切换方法，该方法可应用于搭载有人机对话系统的电子设备，该电子设备可以是智能音箱、智能手机、智能机器人等，本发明对此不作限定。
以下以智能音箱为例对本发明的人机对话模式切换方法进行示例性的展开描述，该方法包括：
S11、接收当前用户所说的当前用户语句。
示例性地，智能音箱被当前用户唤醒之后启动默认对话模式或者适用于当前用户的对话模式，并检测用户语音信号，当检测到当前用户所述的当前用户语句时对该当前用户语句进行识别处理。
S12、确定所述当前用户语句所属的对话领域是否为预设对话领域。
示例性地，智能音箱获取对应于所述当前用户语句的文本内容，并根据文本内容确定当前用户语句所属的对话领域，并进一步判断该所属的对话领域是否为预设对话领域。示例性地，不同的对话领域对应于不同的对话场景。
S13、当确定所述当前用户语句所属的对话领域为预设对话领域时，则将当前对话模式切换为全双工对话模式。
示例性地，如果智能音箱的当前对话模式就是全双工对话模式，则保持当前对话模式即可；如果智能音箱的当前对话模式为半双工对话模式，则将其切换为全双工对话模式。
S14、当确定所述当前用户语句所属的对话领域不是预设对话领域时，则将当前对话模式切换为半双工对话模式。
示例性地，如果智能音箱的当前对话模式就是半双工对话模式，则保持当前对话模式即可；如果智能音箱的当前对话模式为全双工对话模式，则将其切换为半双工对话模式。
本实施例通过判断当前用户语句所属的对话领域是否属于预设对话领域的方式，来切换对话模式，从而可以根据对话领域的不同而自动切换调整对话模式，使得人机对话始终处于最合适的对话模式之下，顺畅的实现人机对话。
在一些实施例中，当确定所述当前用户语句所属的对话领域为半双工对话领域时，则将将当前对话模式切换为半双工对话模式，否则保持当前对话模式(若当前对话模式可能是半双工对话模式，或者全双工对话模式)。示例性地，半双工对话领域为预先配置的指定对话领域。
如图2所示，为本发明的人机对话模式切换方法的另一实施例的流程图，包括以下步骤：
用户输入；
判断用户输入当前命中对话领域是否为半双工领域；
若是，则下发给客户端，开启半双工命令，即开启半双工对话模式，从而客户端在TTS播报时关闭录音；
若否，则客户端在TTS播报时开启录音，即开启全双工对话模式；
判断对话是否结束，如果否则继续重复上述步骤。
示例性地，客户端播报较重要的TTS消息，希望用户完整收听到该条消息，不被异常打断，可以通过云端配置，指定某些对话领域为半双工模式，当用户说法命中该领域，云端下发消息给客户端，客户端此时自适应转变为半双工模式，在TTS播报时就会停止录音，从而避免噪声录入，影响对话状态。
例如，用户使用音响设备，没有屏幕，用户不听完TTS播报，则不知道下一步可以说什么命令，此时TTS播报是很重要的信息，如果TTS打断导致用户没有听完，用户会不知后面该说什么。以下举例为用户U和机器M的对话：
U：我想背诵古诗
M：唐，李白，静夜思，忘记可以说‘提示一下’，结束任务可以说‘退出’
U：提示一下。
在一些实施例中，当处于全双工对话模式下时，所述方法还包括：
在多轮对话过程中，确定接收的新的用户语句所属的对话领域；
如果所述新的用户语句与所述多轮对话过程中的前一用户语句属于不同对话领域，则保持应答对应于所述前一用户语句的答复内容。
示例性地，本实施例实现了根据对话上下文自适应限制对话领域的跳转。限制对话领域跳转，避免对话领域切换造成交互干扰。任务型多轮对话场景，对话领域切换会导致之前的对话上下文清空。
例如，用户U和机器M的对话如下：
U：我想导航去火车站。
M：找到如下地点，请问是第几个？
U：第一个。
M：正在为您规划路线，距离最短，躲避拥堵，不走高速，请问选择第几个？
U：第二个。
M：路线规划成功，是否开始导航？
U：打电话
M：请问你要打给谁？
检测到的“打电话”可能是周围噪声导致的误识别，此时如果系统对该输入响应，则会切换对话领域，导致导航的任务被打断，进入了电话领域，之前输入的上下文信息被清空，若回到导航领域，需要重新输入导航信息，影响交互体验。
采用本实施例的人机对话模式切换方法则可以根据判断新的用户语句所述的对话领域是否与当前多轮对话领域相同，来决定是否要响应新的用户语句，从而能够避免周围噪声导致的误识别，使得当前多轮对话任务顺利完成。
如图3所示，为本发明的人机对话模式切换方法的另一实施例的流程图，包括以下步骤：
用户输入；
判断客户端状态是否上传，限制语义领域；例如，当前客户端处于TTS播报状态，此时限制语义领域；当前客户端状态处于非TTS播报状态，此时无需限制语义领域；
如果否，则输入命中某语义领域(即，当前多轮对话的对话领域)；
如果是，则判断用户输入是否命中与上轮对话相同语义领域；
如果是，则输入命中某语义领域(即，当前多轮对话的对话领域)；
如果否，则语义匹配失败，过滤用户输入；
执行对话输出，实时上传客户端状态；
结束对话。
本发明的人机对话模式切换方法实际上实现了一种自适应对话模式切换方法，可以根据客户端状态(比如在TTS播报过程中)限制领域跳转，客户端状态改变(TTS播报完成)后放开领域跳转限制。这样减少了TTS播报过程中，由于噪声造成的误识别。
客户端实时上传状态给服务端，服务端根据客户端状态，结合对话上下文，自适应切换对话状态，可以有效拒识噪声输入。本发明根据对话场景和客户端状态，自适应改变对话模式，不同场景下开启相应的对话模式，从而满足不同场景的需求。
在一些实施例中，本发明的人机对话模式切换方法还包括：
如果再次接收到所述新的用户语句，则保存对应于所述前一用户语句的答复内容；
获取对应于所述新的对话语句的答复内容并呈现给用户；
当接收到重新获取所述前一用户语句的答复内容的用户语音指令时，获取所存储的所述前一用户语句的答复内容并呈现给用户。
本实施例考虑到新的用户语句虽然与多轮对话过程中的前一用户语句属于不同对话领域，但可能的确是当前用户想要紧急结束当前多轮对话，开启其它领域的对话。这种情况下，当前用户第一次输入新的用户语句虽然被系统过滤掉了，没有得到应答，但通常会尝试第二次输入新的用户语句。基于本实施例就能够兼顾到这种实际场景，从而确保满足当前用户的真实需求，提高用户体验。
此外，由于保存了对应于所述前一用户语句的答复内容，因此当用户想要重新获取之前的答复内容时，就能够直接将结果呈现给用户，而不需要用户再重复之前已经进行的多轮对话来获得答复内容。
在一些实施例中，所述用户语音指令包括返回上一任务或者所述前一用户语句或者是对上一轮对话中的最后一个问句的回答语句。
示例性地，结合用户U和机器M的去火车站的对话为例，当用户打完电话之后，向机器说“返回上一任务”，或者“第二个”，或者“开始导航”，就能够使得机器重新将之前的多轮对话所得到的导航路线呈现给用户。
在一些实施例中，所述预设对话领域为当前用户使用次数超过设定阈值的对话领域；在该实施例中人机对话模式切换方法还包括：
确定所述当前用户语句所属的对话领域被当前用户所提及的次数是否超过所述设定阈值；
如果是，则将所述当前用户语音所属的对话领域标记为对应于所述当前用户的预设对话领域。
示例性地，客户端(即，智能音箱)将用户的日常操作通过事件上报给服务端。当用户进入某一领域时，根据用户行为统计，发现该用户经常使用该流程，该流程在TTS播报时，自适应开启全双工模式，在TTS播报过程中，用户就可以提前说话，进入下一轮对话流程，无需等待TTS播报完成。
例如，用户U和机器M的对话：
U：你好小驰(唤醒词)
M：你好主人，你要做什么？你可以说打电话，播放音乐，导航，设置。
U：导航去火车站(用户可以在机器刚开始播报你好主人的时候，就说‘导航去火车站’，而不用等整条TTS播报完成)。
在一些实施例中，确定所述当前用户语句所属的对话领域是否为预设对话领域包括：
确定所述当前用户语句所属的对话领域；
根据所述当前用户语句获取所述当前用户的用户特征信息；示例性地，所述用户特征信息为用户的声纹信息。
根据所述用户特征信息获取对应于所述当前用户的预设对话领域；
确定所述所属的对话领域是否属于所述预设对话领域。
发明人在实现本发明的过程中发现，同一个电子设备(例如，智能音箱)，可能会有多个不同的用户使用(例如，家庭使用的智能音箱，则会有家里的多个人都使用)，这时不同的用户对智能音箱的使用习惯或者数量程度或者本身掌握不同对话领域的知识程度不同，就需要智能音箱调整不同的对话模式来更好的实现人机对话。
本实施例的方法中针对不同的用户具有不同的预设对话领域，通过用户的声纹信息来进行不同用户的识别，并且确定相应的预设对话领域，从而能够准确的判断当前用户的当前语句所述的对话领域是否为预设对话领域，最终选择出合适的对话模式进行人机对话。
在一些实施例中，在所述接收当前用户所说的当前用户语句之前还包括：检测唤醒词；
根据所检测到的唤醒词语音确定所述当前用户的用户特征信息；
查询用户特征信息库中是否存在所述当前用户的用户特征信息；
如果是，则开启全双工对话模式；
如果否，则开启半双工对话模式，并将所述用户特征信息存储至所述用户特征信息库。
本实施例实现了系统被唤醒之后初始对话模式的自适应选择。发明人在实现本发明的过程中发现，智能音箱或者故事机在打开时总是会播报预设的介绍内容或者引导用户如何使用的内容，这对于新的用户来说的确是非常实用的，但是对于已经熟知该智能音箱或者故事机的用户来说则显得有些多余，甚至反感。
采用本实施例的方法，在智能音箱或者故事机被唤醒的同时通过当前用户的唤醒语音中所提取的用户特征信息(例如，声纹信息)，与本地存储的声纹信息库进行比对，来判断当前用户是否为新的用户，如果否，则将系统初始化为全双工对话模式，从而用户可以随时输入语音指令来控制智能音箱或者故事机。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
如图4所示，本发明的实施例还提供一种人机对话模式切换系统400，包括：
语音接收模块410，用于接收当前用户所说的当前用户语句；
对话领域确定模块420，用于确定所述当前用户语句所属的对话领域是否为预设对话领域；
对话模式切换模块430，用于当确定所述当前用户语句所属的对话领域为预设对话领域时，则将当前对话模式切换为全双工对话模式；当确定所述当前用户语句所属的对话领域不是预设对话领域时，则将当前对话模式切换为半双工对话模式。
在一些实施例中，当处于全双工对话模式下时，所述人机对话模式切换系统还配置为：
在多轮对话过程中，确定接收的新的用户语句所属的对话领域；
如果所述新的用户语句与所述多轮对话过程中的前一用户语句属于不同对话领域，则保持应答对应于所述前一用户语句的答复内容。
在一些实施例中，所述人机对话模式切换系统还配置为：
如果再次接收到所述新的用户语句，则保存对应于所述前一用户语句的答复内容；
获取对应于所述新的对话语句的答复内容并呈现给用户；
当接收到重新获取所述前一用户语句的答复内容的用户语音指令时，获取所存储的所述前一用户语句的答复内容并呈现给用户。
在一些实施例中，所述预设对话领域为当前用户使用次数超过设定阈值的对话领域；所述人机对话模式切换系统还配置为：
确定所述当前用户语句所属的对话领域被当前用户所提及的次数是否超过所述设定阈值；
如果是，则将所述当前用户语音所属的对话领域标记为对应于所述当前用户的预设对话领域。
在一些实施例中，确定所述当前用户语句所属的对话领域是否为预设对话领域包括：
确定所述当前用户语句所属的对话领域；
根据所述当前用户语句获取所述当前用户的用户特征信息；
根据所述用户特征信息获取对应于所述当前用户的预设对话领域；
确定所述所属的对话领域是否属于所述预设对话领域。
在一些实施例中，所述人机对话模式切换系统还配置为：在所述接收当前用户所说的当前用户语句之前执行以下步骤：
检测唤醒词；
根据所检测到的唤醒词语音确定所述当前用户的用户特征信息；
查询用户特征信息库中是否存在所述当前用户的用户特征信息；
如果是，则开启全双工对话模式；
如果否，则开启半双工对话模式，并将所述用户特征信息存储至所述用户特征信息库。
在一些实施例中，所述用户特征信息为用户的声纹信息。
在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项人机对话模式切换方法。
在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项人机对话模式切换方法。
在一些实施例中，本发明实施例还提供一种电子设备，其包括：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人机对话模式切换方法。
在一些实施例中，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现人机对话模式切换方法。
上述本发明实施例的人机对话模式切换系统可用于执行本发明实施例的人机对话模式切换方法，并相应的达到上述本发明实施例的实现人机对话模式切换方法所达到的技术效果，这里不再赘述。本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。
图5是本发明另一实施例提供的执行人机对话模式切换方法的电子设备的硬件结构示意图，如图5所示，该设备包括：
一个或多个处理器510以及存储器520，图5中以一个处理器510为例。
执行人机对话模式切换方法的设备还可以包括：输入装置530和输出装置540。
处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器520作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的人机对话模式切换方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的非易失性软件程序、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人机对话模式切换方法。
存储器520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人机对话模式切换装置的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至人机对话模式切换装置。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。
输入装置530可接收输入的数字或字符信息，以及产生与人机对话模式切换装置的用户设置以及功能控制有关的信号。输出装置540可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器520中，当被所述一个或者多个处理器510执行时，执行上述任意方法实施例中的人机对话模式切换方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
本发明实施例的电子设备以多种形式存在，包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，智能音响，故事机，机器人，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种人机对话模式切换方法，包括：
接收当前用户所说的当前用户语句；
确定所述当前用户语句所属的对话领域是否为预设对话领域；
若是，则将当前对话模式自动切换为全双工对话模式；
若否，则将当前对话模式自动切换为半双工对话模式。
2.根据权利要求1所述的方法，其中，当处于全双工对话模式下时，所述方法还包括：
在多轮对话过程中，确定接收的新的用户语句所属的对话领域；
如果所述新的用户语句与所述多轮对话过程中的前一用户语句属于不同对话领域，则保持应答对应于所述前一用户语句的答复内容。
3.根据权利要求2所述的方法，其中，所述方法还包括：
如果再次接收到所述新的用户语句，则保存对应于所述前一用户语句的答复内容；
获取对应于所述新的对话语句的答复内容并呈现给用户；
当接收到重新获取所述前一用户语句的答复内容的用户语音指令时，获取所存储的所述前一用户语句的答复内容并呈现给用户。
4.根据权利要求1所述的方法，其中，所述预设对话领域为当前用户使用次数超过设定阈值的对话领域；
所述方法还包括：
确定所述当前用户语句所属的对话领域被当前用户所提及的次数是否超过所述设定阈值；
如果是，则将所述当前用户语音所属的对话领域标记为对应于所述当前用户的预设对话领域。
5.根据权利要求4所述的方法，其中，确定所述当前用户语句所属的对话领域是否为预设对话领域包括：
确定所述当前用户语句所属的对话领域；
根据所述当前用户语句获取所述当前用户的用户特征信息；
根据所述用户特征信息获取对应于所述当前用户的预设对话领域；
确定所述所属的对话领域是否属于所述预设对话领域。
6.根据权利要求1所述的方法，其中，在所述接收当前用户所说的当前用户语句之前还包括：
检测唤醒词；
根据所检测到的唤醒词语音确定所述当前用户的用户特征信息；
查询用户特征信息库中是否存在所述当前用户的用户特征信息；
如果是，则开启全双工对话模式；
如果否，则开启半双工对话模式，并将所述用户特征信息存储至所述用户特征信息库。
7.根据权利要求5或6所述的方法，其中，所述用户特征信息为用户的声纹信息。
8.一种人机对话模式切换系统，包括：
语音接收模块，用于接收当前用户所说的当前用户语句；
对话领域确定模块，用于确定所述当前用户语句所属的对话领域是否为预设对话领域；
对话模式切换模块，用于当确定所述当前用户语句所属的对话领域为预设对话领域时，则将当前对话模式自动切换为全双工对话模式；当确定所述当前用户语句所属的对话领域不是预设对话领域时，则将当前对话模式自动切换为半双工对话模式。
9.一种电子设备，其包括：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1-7中任意一项所述方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任意一项所述方法的步骤。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911028778.2A CN112735398B (zh) | 2019-10-28 | 2019-10-28 | 人机对话模式切换方法及系统 |
| PCT/CN2019/120617 WO2021082133A1 (zh) | 2019-10-28 | 2019-11-25 | 人机对话模式切换方法 |
| US17/770,206 US20220399020A1 (en) | 2019-10-28 | 2019-11-25 | Man-machine dialogue mode switching method |
| JP2022524252A JP7413521B2 (ja) | 2019-10-28 | 2019-11-25 | ヒューマンマシン対話モードの切り替え方法 |
| EP19950263.4A EP4054111A4 (en) | 2019-10-28 | 2019-11-25 | METHOD OF SWITCHING BETWEEN HUMAN-MACHINE DIALOGUE MODES |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911028778.2A CN112735398B (zh) | 2019-10-28 | 2019-10-28 | 人机对话模式切换方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112735398A CN112735398A (zh) | 2021-04-30 |
| CN112735398B true CN112735398B (zh) | 2022-09-06 |
Family
ID=75588779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911028778.2A Active CN112735398B (zh) | 2019-10-28 | 2019-10-28 | 人机对话模式切换方法及系统 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220399020A1 (zh) |
| EP (1) | EP4054111A4 (zh) |
| JP (1) | JP7413521B2 (zh) |
| CN (1) | CN112735398B (zh) |
| WO (1) | WO2021082133A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112002315B (zh) * | 2020-07-28 | 2023-12-29 | 珠海格力节能环保制冷技术研究中心有限公司 | 一种语音控制方法、装置、电器设备、存储介质及处理器 |
| CN112820290A (zh) * | 2020-12-31 | 2021-05-18 | 广东美的制冷设备有限公司 | 家电设备及其语音控制方法、语音装置、计算机存储介质 |
| CN113744743B (zh) * | 2021-08-27 | 2022-11-08 | 海信冰箱有限公司 | 一种洗衣机的语音交互方法及装置 |
| CN117496973B (zh) * | 2024-01-02 | 2024-03-19 | 四川蜀天信息技术有限公司 | 一种提升人机对话交互体验感的方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105679314A (zh) * | 2015-12-28 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 语音识别方法和装置 |
| CN105812573A (zh) * | 2016-04-28 | 2016-07-27 | 努比亚技术有限公司 | 一种语音处理方法及移动终端 |
| CN109657091A (zh) * | 2019-01-02 | 2019-04-19 | 百度在线网络技术（北京）有限公司 | 语音交互设备的状态呈现方法、装置、设备及存储介质 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004037721A (ja) * | 2002-07-02 | 2004-02-05 | Pioneer Electronic Corp | 音声応答システム、音声応答プログラム及びそのための記憶媒体 |
| US7912070B1 (en) * | 2006-07-12 | 2011-03-22 | Nextel Communications Inc. | System and method for seamlessly switching a half-duplex session to a full-duplex session |
| US8542617B2 (en) * | 2008-06-02 | 2013-09-24 | Apple Inc. | Adaptive operational full-duplex and half-duplex FDD modes in wireless networks |
| US8369251B2 (en) * | 2008-06-20 | 2013-02-05 | Microsoft Corporation | Timestamp quality assessment for assuring acoustic echo canceller operability |
| US8817641B2 (en) * | 2011-02-16 | 2014-08-26 | Intel Mobile Communications GmbH | Communication terminal, communication device and methods thereof for detecting and avoiding in-device interference |
| CN103516407B (zh) * | 2012-06-27 | 2017-02-22 | 华为技术有限公司 | 传输模式选择方法、天线收发组合确定方法、装置及系统 |
| US9397820B2 (en) * | 2013-02-04 | 2016-07-19 | Ubiquiti Networks, Inc. | Agile duplexing wireless radio devices |
| US11569972B2 (en) * | 2015-08-12 | 2023-01-31 | Telefonaktiebolaget Lm Ericsson (Publ) | Method of determining a mode of operation for a wireless terminal |
| JP6705589B2 (ja) * | 2015-10-07 | 2020-06-03 | Ｎｅｃソリューションイノベータ株式会社 | 音声認識システム、方法およびプログラム |
| CN105931638B (zh) * | 2016-04-26 | 2019-12-24 | 北京光年无限科技有限公司 | 面向智能机器人的对话系统数据处理方法及装置 |
| US10311875B2 (en) * | 2016-12-22 | 2019-06-04 | Soundhound, Inc. | Full-duplex utterance processing in a natural language virtual assistant |
| JP2018185362A (ja) | 2017-04-24 | 2018-11-22 | 富士ソフト株式会社 | ロボットおよびその制御方法 |
| US20180364798A1 (en) * | 2017-06-16 | 2018-12-20 | Lenovo (Singapore) Pte. Ltd. | Interactive sessions |
| CN107507612B (zh) | 2017-06-30 | 2020-08-28 | 百度在线网络技术（北京）有限公司 | 一种声纹识别方法及装置 |
| CN108108340B (zh) * | 2017-11-28 | 2021-07-23 | 北京光年无限科技有限公司 | 用于智能机器人的对话交互方法及系统 |
| JP7111488B2 (ja) | 2018-03-29 | 2022-08-02 | 旭化成ホームズ株式会社 | 発話量積算装置、接客支援装置及びプログラム |
| US11979360B2 (en) * | 2018-10-25 | 2024-05-07 | Microsoft Technology Licensing, Llc | Multi-phrase responding in full duplex voice conversation |
| CN110300435A (zh) * | 2019-05-21 | 2019-10-01 | 努比亚技术有限公司 | 一种通信模式切换方法、终端及计算机可读存储介质 |
-
2019
- 2019-10-28 CN CN201911028778.2A patent/CN112735398B/zh active Active
- 2019-11-25 WO PCT/CN2019/120617 patent/WO2021082133A1/zh unknown
- 2019-11-25 EP EP19950263.4A patent/EP4054111A4/en active Pending
- 2019-11-25 US US17/770,206 patent/US20220399020A1/en active Pending
- 2019-11-25 JP JP2022524252A patent/JP7413521B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105679314A (zh) * | 2015-12-28 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 语音识别方法和装置 |
| CN105812573A (zh) * | 2016-04-28 | 2016-07-27 | 努比亚技术有限公司 | 一种语音处理方法及移动终端 |
| CN109657091A (zh) * | 2019-01-02 | 2019-04-19 | 百度在线网络技术（北京）有限公司 | 语音交互设备的状态呈现方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220399020A1 (en) | 2022-12-15 |
| CN112735398A (zh) | 2021-04-30 |
| EP4054111A4 (en) | 2022-12-07 |
| EP4054111A1 (en) | 2022-09-07 |
| WO2021082133A1 (zh) | 2021-05-06 |
| JP2022554219A (ja) | 2022-12-28 |
| JP7413521B2 (ja) | 2024-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112735398B (zh) | 人机对话模式切换方法及系统 | |
| CN110459221B (zh) | 多设备协同语音交互的方法和装置 | |
| CN108962262B (zh) | 语音数据处理方法和装置 | |
| JP7353497B2 (ja) | 能動的に対話の開始を提起するためのサーバ側処理方法及びサーバ、並びに能動的に対話の開始が提起できる音声インタラクションシステム | |
| CN111049996B (zh) | 多场景语音识别方法及装置、和应用其的智能客服系统 | |
| CN111540349B (zh) | 一种语音的打断方法和装置 | |
| JP2019117623A (ja) | 音声対話方法、装置、デバイス及び記憶媒体 | |
| CN108920128B (zh) | 演示文稿的操作方法及系统 | |
| CN111263962B (zh) | 信息处理设备和信息处理方法 | |
| CN109360567A (zh) | 可定制唤醒的方法和装置 | |
| CN109741740B (zh) | 基于外部触发的语音交互方法及装置 | |
| CN111128166B (zh) | 连续唤醒识别功能的优化方法和装置 | |
| US11830483B2 (en) | Method for processing man-machine dialogues | |
| CN112700767B (zh) | 人机对话打断方法及装置 | |
| CN108271096A (zh) | 一种任务执行方法、装置、智能音箱及存储介质 | |
| CN109686372B (zh) | 资源播放控制方法和装置 | |
| CN109658934B (zh) | 通过语音控制多媒体app的方法及装置 | |
| CN103677582A (zh) | 一种控制电子设备的方法及一种电子设备 | |
| CN112447177B (zh) | 全双工语音对话方法及系统 | |
| CN111161734A (zh) | 基于指定场景的语音交互方法及装置 | |
| CN109584877B (zh) | 语音交互控制方法和装置 | |
| CN109712622B (zh) | 用于语音对话平台的语音交互异常处理的配置方法及系统 | |
| CN112786031B (zh) | 人机对话方法及系统 | |
| CN113488047A (zh) | 人机对话打断方法、电子设备及计算机可读存储介质 | |
| CN115188377A (zh) | 语音交互方法、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 | ||
| CB02 | Change of applicant information |
Address after: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: Sipic Technology Co.,Ltd. Address before: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: AI SPEECH Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |