CN113284494B - 语音助手识别方法、装置、设备及计算机可读存储介质 - Google Patents
语音助手识别方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113284494B CN113284494B CN202110570862.8A CN202110570862A CN113284494B CN 113284494 B CN113284494 B CN 113284494B CN 202110570862 A CN202110570862 A CN 202110570862A CN 113284494 B CN113284494 B CN 113284494B
- Authority
- CN
- China
- Prior art keywords
- recognition
- voice
- voice assistant
- judgment
- keyword
- 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 35
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 230000011218 segmentation Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/90—Pitch determination of speech signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
- H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
- H04M3/4936—Speech interaction details
Abstract
本发明涉及人工智能技术,揭露一种语音助手识别方法,包括:根据语音助手识别指令,获取预设测试问题语音模板;通过关键字识别模型对识别判断语音进行关键字识别,得到关键字识别结果;若关键字识别结果为非语音助手的信息,通过语调识别模型对识别判断语音进行语调识别,得到语调识别结果;若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果。本发明还涉及区块链技术,预设测试问题语音模板存储于区块链中。本发明能够解决现有技术中,难以通过AI电话机器人对语音助手进行识别,导致AI电话机器人的工作效率低等问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种语音助手识别的方法、装置、电子设备及计算机可读存储介质。
背景技术
AI电话机器人基于语音识别技术,借助真人声音,通过一问一答和客户交流,可以针对客户提问有针对性的回答客户问题,自动帮助筛选有意向客户信息。相较于真人客服而言,AI电话机器人的成本低廉,在提供基础服务、分筛客户方面具有很大优势。
然而随着智能电话技术的发展,目前许多手机厂商都逐渐开始提供语音助手功能。例如,小米手机就提供了小爱语音助理。这些语音助理是可以帮助人们应答电话的,通常智能手机所设置的默认规则为,将来电号码与号码库中的电话号码进行比对,并通过语音助理功能接管被标记为骚扰电话或中介广告类来电。
但是,作为许多公司的公共客服电话,在进行宣传、提醒的业务时,难免会被误标记为此类来电,此时如果采用AI电话机器人拨打用户电话,接电话语音助理和打电话的AI电话机器人之间发生大量无意义对话,使得AI电话机器人的工作效率低。而且,随着语音助手技术的提高,其模仿真人的能力也越来越强,越来越难以通过AI电话机器人对对方进行识别。
发明内容
本发明提供一种语音助手识别方法、装置、电子设备及计算机可读存储介质,其主要目的在于能够解决现有技术中,难以通过AI电话机器人对语音助手进行识别,导致AI电话机器人的工作效率低等问题。
第一方面,为实现上述目的,本发明提供的一种语音助手识别方法,所述方法包括:
根据语音助手识别指令,获取与所述语音助手识别指令相对应的预设测试问题语音模板;
将对所述预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对所述识别判断语音进行关键字识别,得到关键字识别结果;
若所述关键字识别结果为非语音助手的信息,通过语调识别模型对所述识别判断语音进行语调识别,得到语调识别结果;
若所述语调识别结果为非语音助手的信息,通过语义识别模型对所述识别判断语音进行语义识别,得到语义识别结果,将所述语义识别结果作为语音助手识别结果。
第二方面,为了解决上述问题,本发明还提供一种语音助手识别装置,所述装置包括:
语音模板获取模块,用于根据语音助手识别指令,获取与所述语音助手识别指令相对应的预设测试问题语音模板;
关键字识别模块,用于将对所述预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对所述识别判断语音进行关键字识别,得到关键字识别结果;
语调识别模块,用于若所述关键字识别结果为非语音助手的信息,通过语调识别模型对所述识别判断语音进行语调识别,得到语调识别结果;
语义识别模块,用于若所述语调识别结果为非语音助手的信息,通过语义识别模型对所述识别判断语音进行语义识别,得到语义识别结果,将所述语义识别结果作为语音助手识别结果。
第三方面,为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的语音助手识别方法的步骤。
第四方面,为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的语音助手识别方法。
本发明提出的语音助手识别方法、装置、电子设备及计算机可读存储介质,通过对识别判断语音依次进行关键字识别、语调识别和语义识别,从简单的识别到高级识别能够准确判断对方是否为语音助手,提高AI机器人电话的工作效率和问答的精确度;节约时间成本,同时也能够给予使用语音助手的用户更好的体验。
附图说明
图1为本发明一实施例提供的语音助手识别方法的流程示意图;
图2为本发明一实施例提供的语音助手识别装置的模块示意图;
图3为本发明一实施例提供的实现语音助手识别方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种语音助手识别方法。参照图1所示,为本发明一实施例提供的语音助手识别方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,语音助手识别方法包括:
步骤S110、根据语音助手识别指令,获取与语音助手识别指令相对应的预设测试问题语音模板。
具体的,目前语音助手被越来越多人使用,当电话接通后,可能先由语音助手接通,此时,通过AI机器人向对方进行沟通时,可能无法判断接通电话的是机主本人还是语音助手,因此,需要通过收集对方的语音信息,从而做出对方是否为语音助手的判断,从而节约时间,为了收集对方语音信息,预设测试问题语音模板。
作为本发明的一个可选实施例,在获取与语音助手识别指令相对应的预设测试问题语音模板之前,进一步包括:
根据获取的通话连接成功的信息,生成语音助手识别指令。
具体的,当电话接通后生成通话连接成功的信息,根据该通话连接成功的信息生成语音助手识别指令,音助手识别指令预先与预设测试问题语音模板关联,从预设测试问题语音模板库中获取预设测试问题语音模板,其中,预设测试问题语音模板可为是预设的一个问题,可根据实际与语音助手回答样本设定,例如,您好,请问您是XXX吗?若对方为语音助手,得到的回答可能是,小爱:您好!我是主人的语音助手小爱;小艺:您好!我是主人的语音助手小艺等。其中,预设测试问题语音模板存储于区块链中。
步骤S120、将对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行关键字识别,得到关键字识别结果。
具体的,将对方对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行初步识别,若通过识别判断语音的关键字识别能够识别出对方为语音助手,则可判定对方为语音助手,从而结束后续的识别判断。
作为本发明的一个可选实施例,将对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行关键字识别,得到关键字识别结果的步骤,具体包括:
将识别判断语音进行语音文本处理,得到识别判断语音文本;
将识别判断语音文本输入关键字识别模型,通过关键字识别模型对识别判断语音文本中的关键字进行识别,得到关键字识别结果;其中,
关键字识别模型包括:用于输入识别判断语音文本的输入层、用于对输入层输入的识别判断语音文本进行分词处理的分词层、用于将分词层得到的分词与预设关键字模板进行比对的关键字比对层;用于对关键字比对层得到的比对结果进行分析的识别结果分析层和用于对识别结果分析层生成的识别结果进行输出的关键字识别结果输出层。
具体的,对识别判断语音进行关键字识别时,需要先将识别判断语音转化为文本,可借助文本翻译器等工具将语音转换成文本,然后将识别判断语音文本输入到关键字识别模型的输入层中,为了便于对文本中关键字的识别,再通过分词层对识别判断语音文本进行分词处理,从而得到文本分词,将得到的分词通过关键字比对层与关键字模板进行比对,例如,分词中出现了“语音助手”、“小爱”、“主人”等关键字词,则可得到关键字比对的分词中存在关键字的结果,通过分析层对关键字比对结果进行分析,从而测到识别结果,再通过输出层输出关键字识别结果。
步骤S130、若关键字识别结果为非语音助手的信息,通过语调识别模型对识别判断语音进行语调识别,得到语调识别结果。
具体的,当关键字识别结果为非语音助手的信息时,为了做出的判断结果更加准确,通过语调识别模型对识别判断语音进行语调识别,从而得到语调识别结果。
作为本发明的一个可选实施例,若关键字识别结果为非语音助手的信息,通过语调识别模型对识别判断语音进行语调识别,得到语调识别结果的步骤,具体包括:
对识别判断语音进行预处理,得到待识别判断语音,其中,预处理包括:降噪处理、预加重处理、分帧加窗处理;
对待识别判断语音进行语调特征提取处理,得到语调特征参数;
将语调特征参数与预设语音助手的语调特征参数模板进行比对,得到语调识别结果。
具体的,通过采集的大量语音助手的语调样本,进行语调模型训练,得到语调识别模型。先对识别判断语音进行预处理,除去语音中的杂质,得到清晰的待识别判断语音,对待识别判断语音进行语调特征提取处理,得到语调特征参数,例如语调的波普特征,将得到的语调特征参数与预设语音助手的语调特征参数模板进行比对,得到语调识别结果。上述的步骤可通过在语调识别模型中进行。
步骤S140、若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果。
具体的,当关键字识别和语调识别的结果均为非语音助手时,再进一步通过语义识别,将对识别判断语音进行语义识别的识别结果作为最终的语音助手识别结果。
作为本发明的一个可选实施例,语义识别模型包括:
用于输入识别判断语音的输入层、用于对输入层的识别判断语音进行文本转换的文本转换层、用于将文本转换层中得到的文本进行分词处理的分词层、用于对分词层中得到的分词映射成浮点数向量的编码器层、用于对编码器层得到的编码进行解码的解码器层、用于对解码器层解码后得到的语音进行分析的分析层和将分析层得到的语意识别结果进行输出的输出层。
具体的,通过机器自然语言学习,能够使机器快速的理解需要其理解的信息。通过输入层将识别判断语音输入到语义识别模型中,由文本转换层对识别判断语音进行文本转换得到文本,通过分词层对文本进行分词,通过编码器层对分词进行编码,再通过解码器层对编码进行解码,由于解码器和编码器是通过大量数据训练得到的,因此能够对大多的数的文本的语义进行解析,通过分析层得到语义分析结果即语意识别结果,再由输出层输出。
作为本发明的一个可选实施例,在若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果之前,进一步包括:
当获取的关键字识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对识别判断语音进行的语调识别和语义识别;
当获取的语调识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对识别判断语音进行的语义识别。
具体的,当关键字识别能够直接识别出对方为语音助手,为了节约时间,无需再继续后续的语调识别和语义识别,直接得出对方为语音助手,从而获取预设通话操作指令,例如,挂断电话、或者叮嘱对方转达信息;同样,当语调识别结果为语音助手的信息时,仍旧直接得到对方为语音助手,停止后续的语义识别。
作为本发明的一个可选实施例,在若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果之后,进一步包括:
根据语音助手识别结果,获取预先与语音助手识别结果相匹配的预设通话操作指令;其中,语音助手识别结果包括通话为语音助手和通话为非语音助手;预设通话操作指令包括与通话为语音助手匹配的识别语音助手通话操作指令和与通话为非语音助手匹配的非语音助手通话操作指令;
根据预设通话操作指令,对当前通话进行处理。
具体的,语义识别为精准识别,因此将语义识别结果作为语音助手识别结果。语音助手识别结果包括两种情况,分别为通话为语音助手和通话为非语音助手,每种情况匹配有相应的预设通话操作指令,如,当判断对方为非语音助手时,则正常完成通话内容,若对方为语音助手时,则挂断电话,结束通话。
如图2所示,是本发明一个实施例的语音助手识别装置的功能模块图。
本发明所述语音助手识别装置200可以安装于电子设备中。根据实现的功能,所述语音助手识别装置可以包括语音模板获取模块210、关键字识别模块220、语调识别模块230、语义识别模块240。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
语音模板获取模块210,用于根据语音助手识别指令,获取与语音助手识别指令相对应的预设测试问题语音模板。
具体的,目前语音助手被越来越多人使用,当电话接通后,可能先由语音助手接通,此时,通过AI机器人向对方进行沟通时,可能无法判断接通电话的是机主本人还是语音助手,因此,需要通过收集对方的语音信息,从而做出对方是否为语音助手的判断,从而节约时间,为了收集对方语音信息,预设测试问题语音模板。
作为本发明的一个可选实施例,在获取与语音助手识别指令相对应的预设测试问题语音模板之前,进一步包括:
根据获取的通话连接成功的信息,生成语音助手识别指令。
具体的,当电话接通后生成通话连接成功的信息,根据该通话连接成功的信息生成语音助手识别指令,音助手识别指令预先与预设测试问题语音模板关联,从预设测试问题语音模板库中获取预设测试问题语音模板,其中,预设测试问题语音模板可为是预设的一个问题,可根据实际与语音助手回答样本设定,例如,您好,请问您是XXX吗?若对方为语音助手,得到的回答可能是,小爱:您好!我是主人的语音助手小爱;小艺:您好!我是主人的语音助手小艺等。其中,预设测试问题语音模板存储于区块链中。
关键字识别模块220,用于将对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行关键字识别,得到关键字识别结果。
具体的,将对方对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行初步识别,若通过识别判断语音的关键字识别能够识别出对方为语音助手,则可判定对方为语音助手,从而结束后续的识别判断。
作为本发明的一个可选实施例,将对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行关键字识别,得到关键字识别结果的步骤,具体包括:
将识别判断语音进行语音文本处理,得到识别判断语音文本;
将识别判断语音文本输入关键字识别模型,通过关键字识别模型对识别判断语音文本中的关键字进行识别,得到关键字识别结果;其中,
关键字识别模型包括:用于输入识别判断语音文本的输入层、用于对输入层输入的识别判断语音文本进行分词处理的分词层、用于将分词层得到的分词与预设关键字模板进行比对的关键字比对层;用于对关键字比对层得到的比对结果进行分析的识别结果分析层和用于对识别结果分析层生成的识别结果进行输出的关键字识别结果输出层。
具体的,对识别判断语音进行关键字识别时,需要先将识别判断语音转化为文本,可借助文本翻译器等工具将语音转换成文本,然后将识别判断语音文本输入到关键字识别模型的输入层中,为了便于对文本中关键字的识别,再通过分词层对识别判断语音文本进行分词处理,从而得到文本分词,将得到的分词通过关键字比对层与关键字模板进行比对,例如,分词中出现了“语音助手”、“小爱”、“主人”等关键字词,则可得到关键字比对的分词中存在关键字的结果,通过分析层对关键字比对结果进行分析,从而测到识别结果,再通过输出层输出关键字识别结果。
语调识别模块230,用于若关键字识别结果为非语音助手的信息,通过语调识别模型对识别判断语音进行语调识别,得到语调识别结果。
具体的,当关键字识别结果为非语音助手的信息时,为了做出的判断结果更加准确,通过语调识别模型对识别判断语音进行语调识别,从而得到语调识别结果。
作为本发明的一个可选实施例,若关键字识别结果为非语音助手的信息,通过语调识别模型对识别判断语音进行语调识别,得到语调识别结果的步骤,具体包括:
对识别判断语音进行预处理,得到待识别判断语音,其中,预处理包括:降噪处理、预加重处理、分帧加窗处理;
对待识别判断语音进行语调特征提取处理,得到语调特征参数;
将语调特征参数与预设语音助手的语调特征参数模板进行比对,得到语调识别结果。
具体的,通过采集的大量语音助手的语调样本,进行语调模型训练,得到语调识别模型。先对识别判断语音进行预处理,除去语音中的杂质,得到清晰的待识别判断语音,对待识别判断语音进行语调特征提取处理,得到语调特征参数,例如语调的波普特征,将得到的语调特征参数与预设语音助手的语调特征参数模板进行比对,得到语调识别结果。上述的步骤可通过在语调识别模型中进行。
语义识别模块240,用于若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果。
具体的,当关键字识别和语调识别的结果均为非语音助手时,再进一步通过语义识别,将对识别判断语音进行语义识别的识别结果作为最终的语音助手识别结果。
作为本发明的一个可选实施例,语义识别模型包括:
用于输入识别判断语音的输入层、用于对输入层的识别判断语音进行文本转换的文本转换层、用于将文本转换层中得到的文本进行分词处理的分词层、用于对分词层中得到的分词映射成浮点数向量的编码器层、用于对编码器层得到的编码进行解码的解码器层、用于对解码器层解码后得到的语音进行分析的分析层和将分析层得到的语意识别结果进行输出的输出层。
具体的,通过机器自然语言学习,能够使机器快速的理解需要其理解的信息。通过输入层将识别判断语音输入到语义识别模型中,由文本转换层对识别判断语音进行文本转换得到文本,通过分词层对文本进行分词,通过编码器层对分词进行编码,再通过解码器层对编码进行解码,由于解码器和编码器是通过大量数据训练得到的,因此能够对大多的数的文本的语义进行解析,通过分析层得到语义分析结果即语意识别结果,再由输出层输出。
作为本发明的一个可选实施例,在若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果之前,进一步包括:
当获取的关键字识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对识别判断语音进行的语调识别和语义识别;
当获取的语调识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对识别判断语音进行的语义识别。
具体的,当关键字识别能够直接识别出对方为语音助手,为了节约时间,无需再继续后续的语调识别和语义识别,直接得出对方为语音助手,从而获取预设通话操作指令,例如,挂断电话、或者叮嘱对方转达信息;同样,当语调识别结果为语音助手的信息时,仍旧直接得到对方为语音助手,停止后续的语义识别。
作为本发明的一个可选实施例,在若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果之后,进一步包括:
根据语音助手识别结果,获取预先与语音助手识别结果相匹配的预设通话操作指令;其中,语音助手识别结果包括通话为语音助手和通话为非语音助手;预设通话操作指令包括与通话为语音助手匹配的识别语音助手通话操作指令和与通话为非语音助手匹配的非语音助手通话操作指令;
根据预设通话操作指令,对当前通话进行处理。
具体的,语义识别为精准识别,因此将语义识别结果作为语音助手识别结果。语音助手识别结果包括两种情况,分别为通话为语音助手和通话为非语音助手,每种情况匹配有相应的预设通话操作指令,如,当判断对方为非语音助手时,则正常完成通话内容,若对方为语音助手时,则挂断电话,结束通话。
如图3所示,是本发明一个实施例实现语音助手识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如语音助手识别程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如语音助手识别程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如语音助手识别程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的语音助手识别程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
根据语音助手识别指令,获取与语音助手识别指令相对应的预设测试问题语音模板;
将对预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对识别判断语音进行关键字识别,得到关键字识别结果;
若关键字识别结果为非语音助手的信息,通过语调识别模型对识别判断语音进行语调识别,得到语调识别结果;
若语调识别结果为非语音助手的信息,通过语义识别模型对识别判断语音进行语义识别,得到语义识别结果,将语义识别结果作为语音助手识别结果。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。需要强调的是,为进一步保证上述所述预设测试问题语音模板的私密和安全性,上述预设测试问题语音模板还可以存储于一区块链的节点中。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
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限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种语音助手识别方法,应用于电子装置,其特征在于,所述方法包括:
根据语音助手识别指令,获取与所述语音助手识别指令相对应的预设测试问题语音模板;
将对所述预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对所述识别判断语音进行关键字识别,得到关键字识别结果;
若所述关键字识别结果为非语音助手的信息,通过语调识别模型对所述识别判断语音进行语调识别,得到语调识别结果;当获取的所述关键字识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对所述识别判断语音进行的语调识别和语义识别;
若所述语调识别结果为非语音助手的信息,通过语义识别模型对所述识别判断语音进行语义识别,得到语义识别结果,将所述语义识别结果作为语音助手识别结果;当获取的所述语调识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对所述识别判断语音进行的语义识别;其中,所述语义识别模型包括:
用于输入所述识别判断语音的输入层、用于对所述输入层的识别判断语音进行文本转换的文本转换层、用于将所述文本转换层中得到的文本进行分词处理的分词层、用于对所述分词层中得到的分词映射成浮点数向量的编码器层、用于对所述编码器层得到的编码进行解码的解码器层、用于对解码器层解码后得到的语音进行分析的分析层和将所述分析层得到的语意识别结果进行输出的输出层。
2.根据权利要求1所述的语音助手识别方法,其特征在于,所述将对所述预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对所述识别判断语音进行关键字识别,得到关键字识别结果的步骤,具体包括:
将所述识别判断语音进行语音文本处理,得到识别判断语音文本;
将所述识别判断语音文本输入所述关键字识别模型,通过所述关键字识别模型对所述识别判断语音文本中的关键字进行识别,得到所述关键字识别结果;其中,
所述关键字识别模型包括:用于输入识别判断语音文本的输入层、用于对所述输入层输入的识别判断语音文本进行分词处理的分词层、用于将所述分词层得到的分词与预设关键字模板进行比对的关键字比对层;用于对所述关键字比对层得到的比对结果进行分析的识别结果分析层和用于对所述识别结果分析层生成的识别结果进行输出的关键字识别结果输出层。
3.根据权利要求1所述的语音助手识别方法,其特征在于,所述若所述关键字识别结果为非语音助手的信息,通过语调识别模型对所述识别判断语音进行语调识别,得到语调识别结果的步骤,具体包括:
对所述识别判断语音进行预处理,得到待识别判断语音,其中,所述预处理包括:降噪处理、预加重处理、分帧加窗处理;
对所述待识别判断语音进行语调特征提取处理,得到语调特征参数;
将所述语调特征参数与预设语音助手的语调特征参数模板进行比对,得到语调识别结果。
4.根据权利要求1-3中任一项所述的语音助手识别方法,其特征在于,在所述若所述语调识别结果为非语音助手的信息,通过语义识别模型对所述识别判断语音进行语义识别,得到语义识别结果,将所述语义识别结果作为语音助手识别结果之后,进一步包括:
根据所述语音助手识别结果,获取预先与所述语音助手识别结果相匹配的预设通话操作指令;其中,所述语音助手识别结果包括通话为语音助手和通话为非语音助手;所述预设通话操作指令包括与所述通话为语音助手匹配的识别语音助手通话操作指令和与所述通话为非语音助手匹配的非语音助手通话操作指令;
根据所述预设通话操作指令,对当前通话进行处理。
5.根据权利要求1所述的语音助手识别方法,其特征在于,在所述获取与所述语音助手识别指令相对应的预设测试问题语音模板之前,进一步包括:
根据获取的通话连接成功的信息,生成语音助手识别指令。
6.一种语音助手识别装置,其特征在于,所述装置包括:
语音模板获取模块,用于根据语音助手识别指令,获取与所述语音助手识别指令相对应的预设测试问题语音模板;
关键字识别模块,用于将对所述预设测试问题语音模板的回复语音作为识别判断语音,通过关键字识别模型对所述识别判断语音进行关键字识别,得到关键字识别结果;
语调识别模块,用于若所述关键字识别结果为非语音助手的信息,通过语调识别模型对所述识别判断语音进行语调识别,得到语调识别结果;以及当获取的所述关键字识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对所述识别判断语音进行的语调识别和语义识别;
语义识别模块,用于根据若所述语调识别结果为非语音助手的信息,通过语义识别模型对所述识别判断语音进行语义识别,得到语义识别结果,将所述语义识别结果作为语音助手识别结果;以及当获取的所述语调识别结果为语音助手的信息时,获取预先与当前通话为语音助手的语音助手识别结果所匹配的通话操作指令,并停止后续对所述识别判断语音进行的语义识别;其中,所述语义识别模型包括:
用于输入所述识别判断语音的输入层、用于对所述输入层的识别判断语音进行文本转换的文本转换层、用于将所述文本转换层中得到的文本进行分词处理的分词层、用于对所述分词层中得到的分词映射成浮点数向量的编码器层、用于对所述编码器层得到的编码进行解码的解码器层、用于对解码器层解码后得到的语音进行分析的分析层和将所述分析层得到的语意识别结果进行输出的输出层。
7.一种电子设备,其特征在于,所述电子设备包括:
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如权利要求1至5中任一所述的语音助手识别方法的步骤。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一所述的语音助手识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110570862.8A CN113284494B (zh) | 2021-05-25 | 2021-05-25 | 语音助手识别方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110570862.8A CN113284494B (zh) | 2021-05-25 | 2021-05-25 | 语音助手识别方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113284494A CN113284494A (zh) | 2021-08-20 |
CN113284494B true CN113284494B (zh) | 2023-12-01 |
Family
ID=77281623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110570862.8A Active CN113284494B (zh) | 2021-05-25 | 2021-05-25 | 语音助手识别方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284494B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004004354A (ja) * | 2002-05-31 | 2004-01-08 | Mitsubishi Electric Corp | 音声認識装置、音声認識方法及び音声認識プログラム |
CN107452382A (zh) * | 2017-07-19 | 2017-12-08 | 珠海市魅族科技有限公司 | 语音操作方法及装置、计算机装置和计算机可读存储介质 |
CN108231074A (zh) * | 2017-12-11 | 2018-06-29 | 深圳市金立通信设备有限公司 | 一种数据处理方法、语音助手设备及计算机可读存储介质 |
CN109003612A (zh) * | 2018-06-08 | 2018-12-14 | 英业达科技有限公司 | 基于人工智能的语音问答验证系统及其方法 |
CN109087670A (zh) * | 2018-08-30 | 2018-12-25 | 西安闻泰电子科技有限公司 | 情绪分析方法、系统、服务器及存储介质 |
CN110198381A (zh) * | 2019-04-28 | 2019-09-03 | 北京蓦然认知科技有限公司 | 一种识别ai来电的方法及装置 |
CN111081218A (zh) * | 2019-12-24 | 2020-04-28 | 北京工业大学 | 一种语音识别方法及语音控制系统 |
CN111128130A (zh) * | 2019-12-31 | 2020-05-08 | 秒针信息技术有限公司 | 语音数据处理方法和装置及电子装置 |
CN111191255A (zh) * | 2019-08-08 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 信息加密处理的方法、服务器、终端、设备以及存储介质 |
CN112489645A (zh) * | 2020-11-05 | 2021-03-12 | 北京中凯信通信息技术有限公司 | 一种智能语音交互方法、系统及存储介质 |
-
2021
- 2021-05-25 CN CN202110570862.8A patent/CN113284494B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004004354A (ja) * | 2002-05-31 | 2004-01-08 | Mitsubishi Electric Corp | 音声認識装置、音声認識方法及び音声認識プログラム |
CN107452382A (zh) * | 2017-07-19 | 2017-12-08 | 珠海市魅族科技有限公司 | 语音操作方法及装置、计算机装置和计算机可读存储介质 |
CN108231074A (zh) * | 2017-12-11 | 2018-06-29 | 深圳市金立通信设备有限公司 | 一种数据处理方法、语音助手设备及计算机可读存储介质 |
CN109003612A (zh) * | 2018-06-08 | 2018-12-14 | 英业达科技有限公司 | 基于人工智能的语音问答验证系统及其方法 |
CN109087670A (zh) * | 2018-08-30 | 2018-12-25 | 西安闻泰电子科技有限公司 | 情绪分析方法、系统、服务器及存储介质 |
CN110198381A (zh) * | 2019-04-28 | 2019-09-03 | 北京蓦然认知科技有限公司 | 一种识别ai来电的方法及装置 |
CN111191255A (zh) * | 2019-08-08 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 信息加密处理的方法、服务器、终端、设备以及存储介质 |
CN111081218A (zh) * | 2019-12-24 | 2020-04-28 | 北京工业大学 | 一种语音识别方法及语音控制系统 |
CN111128130A (zh) * | 2019-12-31 | 2020-05-08 | 秒针信息技术有限公司 | 语音数据处理方法和装置及电子装置 |
CN112489645A (zh) * | 2020-11-05 | 2021-03-12 | 北京中凯信通信息技术有限公司 | 一种智能语音交互方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113284494A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560453B (zh) | 语音信息校验方法、装置、电子设备及介质 | |
CN112001175B (zh) | 流程自动化方法、装置、电子设备及存储介质 | |
CN111179935B (zh) | 一种语音质检的方法和设备 | |
CN112527994A (zh) | 情绪分析方法、装置、设备及可读存储介质 | |
CN112233700A (zh) | 基于音频的用户状态识别方法、装置及存储介质 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
CN113205814B (zh) | 语音数据标注方法、装置、电子设备及存储介质 | |
CN112201253B (zh) | 文字标记方法、装置、电子设备及计算机可读存储介质 | |
CN112669850A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
CN110740212B (zh) | 基于智能语音技术的通话接听方法、装置及电子设备 | |
CN113284494B (zh) | 语音助手识别方法、装置、设备及计算机可读存储介质 | |
CN111326142A (zh) | 基于语音转文本的文本信息提取方法、系统和电子设备 | |
CN114297380A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN111985231B (zh) | 无监督角色识别方法、装置、电子设备及存储介质 | |
CN114186028A (zh) | 咨诉工单处理方法、装置、设备及存储介质 | |
CN114548114A (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
CN111369975A (zh) | 基于人工智能的大学音乐评分方法、装置、设备及存储介质 | |
CN111522943A (zh) | 逻辑节点的自动化测试方法、装置、设备及存储介质 | |
CN111783447B (zh) | 基于ngram距离的敏感词检测方法、装置、设备及存储介质 | |
CN114548825B (zh) | 投诉工单失真检测方法、装置、设备及存储介质 | |
CN110992067B (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
CN113704504B (zh) | 基于聊天记录的情绪识别方法、装置、设备及存储介质 | |
CN116684529A (zh) | 外呼处理方法、装置、计算机设备及存储介质 | |
CN113724738B (zh) | 语音处理方法、决策树模型训练方法、装置、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231107 Address after: Room A135, 1st Floor, Building 3, No. 18 Keyuan Road, Daxing District Economic Development Zone, Beijing 102600 Applicant after: Beijing Jizhi Technology Co.,Ltd. Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: PING AN PUHUI ENTERPRISE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |