CN114155845A - 服务确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种服务确定方法、装置、电子设备及存储介质。该方法包括：监听预设时长内的待处理语音信息，并确定待处理语音信息的声纹特征；基于预先训练得到的声纹识别模型对声纹特征分类处理，确定声纹分类结果；根据声纹分类结果，确定对待处理语音信息对应的目标终端设备提供的目标服务。解决了现有技术中利用用户账号信息对应性为用户提供适配服务，导致提供的适配服务不准确的问题，实现基于用户声纹特征快速、准确的确定出用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的效果。

Description

服务确定方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及计算机处理技术，尤其涉及一种服务确定方法、装置、电子设备及存储介质。

背景技术

在经济飞速发展的带动下，各大企业业务量飞速增长，同时对应的进行电话咨询以及业务办理的用户也越来越多，电话容易操作、业务办理逻辑简单，成为了很多人进行业务办理以及咨询的首选。但是随着用户的业务需求不同，由此为用户提供适宜的服务成为亟待解决的问题。

目前，为用户提供适宜服务的方法通常是利用调取用户账号信息对应性为用户提供适配服务，由于账号信息的真实性较差，存在提供的适配服务与用户需求不匹配，用户体验效果不佳的问题。

发明内容

本发明实施例提供一种服务确定方法、装置、电子设备及存储介质，以实现基于用户声纹特征快速、准确的确定出用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的效果。

第一方面，本发明实施例提供了一种服务确定方法，该方法包括：

监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征；

基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果；

根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

第二方面，本发明实施例还提供了一种服务确定装置，该装置包括：

声纹特征确定模块，用于监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征；

声纹分类结果确定模块，用于基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果；

目标服务确定模块，用于根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

第三方面，本发明实施例还提供了一种电子设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的服务确定方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的服务确定方法。

本发明实施例的技术方案，通过监听预设时长内的待处理语音信息，并确定待处理语音信息的声纹特征，基于预先训练得到的声纹识别模型对声纹特征分类处理，确定声纹分类结果，根据声纹分类结果，确定对待处理语音信息对应的目标终端设备提供的目标服务，解决了现有技术中利用用户账号信息对应性为用户提供服务，由于账号信息的真实性较差，导致提供的服务与用户需求不适配，用户体验效果不佳的问题，实现了基于声纹识别模型对用户声纹特征进行分类，快速、准确的确定出声纹特征对应的用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的技术效果。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1为本发明实施例一所提供的一种服务确定方法的流程图；

图2为本发明实施例二所提供的一种服务确定方法的流程图；

图3为本发明实施例三所提供的一种服务确定方法的示意图；

图4为本发明实施例四所提供的一种服务确定装置的结构框图；

图5为本发明实施例五所提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

图1为本发明实施例一提供的一种服务确定方法的流程图，本实施例可适用于为用户提供适配服务的情况，该方法可以由本发明实施例中的服务确定装置来执行，该装置可以采用软件和/或硬件的方式来实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、PC端或服务端等。该装置可配置于计算设备中，本实施例提供的服务确定方法具体包括如下步骤：

S110、监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征。

需要说明的是，本技术方案可以应用在语音服务领域中服务分配的情形，还可以应用在任意需要服务确定的情形中。还需要说明的是，可以基于本技术方案开发相应的服务确定的系统，进而基于该系统处理相应的任务，从而进行服务分配。示例性的，在语音服务领域中，在授权的情况下，可以利用算法对用户语音数据进行处理，确定用户对应的属性类别，以使可以为用户提供与其属性类别相适配的服务。目前，采用的服务一般是基于用户账号信息进行确定的，这种确定服务的方式一般存在用户账号信息真实性较差，且调用信息耗费时间长，导致确定服务效率低、且与用户不适配，从而还会导致用户对服务投诉率上升，同时流失很多新的用户群体的问题，基于本技术方案可以实现基于用户声纹特征快速、准确的确定出用户属性类别，进而可以为用户提供与其属性类别相适配的服务，极大的满足了用户体验需求。

其中，待处理语音信息是指用于被检测的语音信息。如，在实际业务中，可以将用户通话语音数据作为待处理语音信息，以使对用户语音进行分析，为其提供适配服务。声纹特征可以理解为语音特征。声纹特征可以包括但不限于声学特征、词法特征、韵律特征、方言特征中至少一个。

具体的，可以利用监听设备获取用户在预设时长内的语音数据，作为待处理语音信息。如，在实际业务中，可以利用设备将客户进线后的语音数据实时或间接性的录音并存储在预设语音库中，进而可以利用算法提取预设时长为n秒的语音数据片段，n为一个自然数，可以将这n秒的语音数据片段作为待处理语音信息。进一步的，可以利用特征提取算法提取语音中的声纹特征。

需要说明的是，为了减少环境噪音或信道噪音等对特征识别的干扰，可以将监听到的预设时长内的待处理语音信息进行去噪处理，如，可以利用降噪技术对待处理语音信息进行降噪处理，获取精度更高的语音信息，提高特征识别的准确性。

可选的，所述监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征，包括：基于麦克风阵列采集所述目标终端设备传输的语音信息，并获取预设时长内的待使用语音信息；通过对所述待使用语音信息降噪处理，得到所述待处理语音信息；基于声纹特征识别模型对所述待处理语音信息进行声纹特征提取，得到所述声纹特征。

其中，麦克风阵列可以理解为一个声音采集的系统，该系统可以使用多个麦克风采集来自于不同空间方向的声音。目标终端设备是指用户通话所使用的设备，可以包括但不限于为电脑、手机、笔记本等等。待使用语音信息是指原始语音，可选的，可以将用户原始的语音信息作为待使用语音信息，可以将原始语音进行降噪处理后的语音，作为待处理语音信息。声纹特征识别模型可以是预先训练好的、用于提取声纹特征的模型，可选的，声纹特征识别模型可以为Mel频率倒普系数算法。

需要说明的是，当用户使用终端设备进行通话时，在授权的情况下，可以利用麦克风阵列采集终端设备传输过来的用户语音信息，进而可以利用接口截取预设时长内的语音片段，即待使用语音信息。进一步的，可以利用降噪技术对待处理语音信息进行降噪处理，得到消除无用信息后的待处理语音信息。进而待处理语音信息输入至声纹特征识别模型，模型可以对语音数据帧中语音信号参数进行声纹特征提取，输出待处理语音信息中的声纹特征。

具体的，可以利用麦克风阵列采集目标终端设备传输的语音信息，进而可以利用接口调取预设时长内的待使用语音信息，进而可以利用降噪技术对待使用语音信息降噪处理，得到待处理语音信息，进而可以将待处理语音信息作为声纹特征识别模型的输入，模型可以对待处理语音信息进行声纹特征提取，得到声纹特征。

S120、基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果。

其中，声纹分类结果可以理解为声纹属性类别，可选的，可以为年龄属性、地域属性、通道属性以及受教育水平属性等。声纹识别模型可以是预先训练好的、用于进行特征分类的模型，可选的，声纹识别模型可以为GMM。

具体的，可以将声纹特征输入至预先训练得到的声纹识别模型，模型可以对声纹特征进行特征分类处理，可以输出声纹特征对应的声纹属性类别，可以将输出的声纹属性类别作为待处理语音信息对应的声纹分类结果。

需要说明的是，声纹识别模型可以对输入的每一个声纹特征进行特征分类处理，输出各声纹特征对应的属性类别，进而可以将得到的多个属性类别进行融合处理，得到最终的声纹分类结果。

可选的，所述基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果，包括：基于所述声纹特征分类模型对所述声纹特征识别处理，确定与所述声纹特征相对应的分类标识；基于所述分类标识，确定所述待处理语音信息对应的年龄阶段，并将所述年龄阶段作为所述声纹分类结果。

其中，分类标识可以理解为声纹属性标签。可选的，可以为声纹特征对应的年龄标签、地域标签、通道标签以及受教育水平标签。年龄阶段是指某个年龄段，可以为10-30岁，也可以为50-90岁。

具体的，可以将声纹特征作为声纹特征分类模型的输入，声纹特征分类模型可以对声纹特征进行特征识别处理，可以得到每个声纹特征对应的属性标签，即分类标识。可以利用算法获取各分类标识对应的年龄标签，作为待处理语音信息对应的年龄阶段，进而可以利用融合技术将各年龄阶段进行融合处理，可以得到待处理语音信息对应的最终的年龄阶段，可以将该年龄阶段作为声纹分类结果。

S130、根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

其中，目标服务是指与声纹分类结果相适配的服务。

需要说明的是，由于不同属性类别的用户对业务需求的差异性，所需要的业务服务也大不相同，如，属性类别为年龄，那么可能存在老年人对智能设备不熟悉的情况，往往希望系统可以自动提供人工客服服务，相应的，为了提高提供的服务与用户属性的适配性，可以根据待处理语音信息对应的声纹分类结果，为待处理语音信息对应的目标终端设备提供与声纹分类结果相适配的服务，即目标服务，以使用户可以在目标终端设备上享受该项服务，提高用户体验。

需要说明的是，还可以预先将年龄阶段进行划分，划分成不同年龄阶段，可以利用算法将各年龄阶段与对应要提供的服务建立对应关系，以使在得到声纹分类结果对应的年龄阶段时，为该年龄阶段的用户提供对应的服务。

可选的，所述根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务，包括：若所述声纹分类结果中的年龄阶段在第一预设年龄范围之内，则确定所述目标服务为第一服务；若所述声纹分类结果中的年龄阶段在第二预设年龄范围之内，则确定所述目标服务为第二服务。

其中，第一预设年龄范围区别与第二预设年龄范围，可选的，第一预设年龄范围可以为中或老年人对应的年龄范围，如，大于40岁。相应的，可以将不大于40岁的年龄范围作为第二预设年龄范围。所述第一服务区别与所述第二服务。第一服务为人工服务，所述第二服务为通用服务。

具体的，可以利用算法将声纹分类结果中的年龄阶段与第一预设年龄范围和第二预设年龄范围进行比较，若年龄阶段在第一预设年龄范围之内，则可以为用户对应的目标终端设备提供第一服务，即目标服务为第一服务；若年龄阶段在第二预设年龄范围之内，则可以为用户对应的目标终端设备提供第二服务，即目标服务为第二服务。例如，可以利用分配器完成业务分配，如，年龄属于老年人类别范围，则选择适老服务器件，为其提供适老化服务，即人工服务。若非老年人范畴，则选择常规服务器件，为其提供常规服务，即通用服务，可以利用自动化业务办理方式提供服务，在遇到问题时按照指引进行人工服务转接。

本实施例的技术方案，通过监听预设时长内的待处理语音信息，并确定待处理语音信息的声纹特征，基于预先训练得到的声纹识别模型对声纹特征分类处理，确定声纹分类结果，根据声纹分类结果，确定对待处理语音信息对应的目标终端设备提供的目标服务，解决了现有技术中利用用户账号信息对应性为用户提供服务，由于账号信息的真实性较差，导致提供的服务与用户需求不适配，用户体验效果不佳的问题，实现了基于声纹识别模型对用户声纹特征进行分类，快速、准确的确定出声纹特征对应的用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的技术效果。

实施例二

图2为本发明实施例二所提供的一种服务确定方法的流程图，在前述实施例的基础上，还可以预先训练得到声纹识别模型，以使基于声纹识别模型对声纹特征分类处理，确定声纹分类结果。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。

如图2所示，该方法具体包括如下步骤：

S210、获取训练样本数据集。

需要说明的是，在训练得到声纹识别模型之前，需要先获取训练样本数据，以基于训练样本数据来训练。为了提高模型的准确性，可以尽可能多而丰富的获取训练样本。

其中，所述训练样本数据集中包括多种样本类型的样本数据，样本数据为用户的语音信息，样本类型与用户的年龄层级相匹配。训练样本数据集可以是用于对模型进行训练的样本集合，可以在训练的过程中通过调整网络的结构，使网络的输出结果与预期结果相符。样本类型可以理解为样本数据的特征信息，样本类型可以包括但不限于声学特征、词法特征、韵律特征、口音特征中至少一个。年龄层级可以理解为不同年龄段，可以为50-90岁，也可以为20-30岁。需要说明的是，可以利用麦克风阵列连续性或间接性的获取历史客户进线的语音数据，并可以将语音数据存储至预设语音库中，语音数据一般选择通话稳定后的10秒数据片段，可以得到历史客户的声音数据集合，可以将声音数据集合转换为语音流数据作为训练样本数据，可以通过人工对训练样本数据进行样本特征分类标注，以及对应性的用户的年龄层级标注，以使样本类型与用户的年龄层级相匹配。

具体的，可以将各训练样本存储在预设的数据库中，进而可以利用接口提取数据库中的各训练样本。

S220、针对各训练样本数据，将当前训练样本数据作为待训练声纹识别模型的输入，将所述当前训练样本数据年龄层级的分类标识作为所述待训练声纹识别模型的输出，训练所述待训练声纹识别模型。

其中，当需要确定每个训练样本数据对应的年龄层级时，可以将确定任一训练样本数据的年龄层级作为确定当前训练样本数据的年龄层级进行处理，以对其中一个训练样本数据作为当前训练样本数据进行说明。待训练声纹识别模型是指需要被训练的声纹识别模型，训练完毕后，可以得到声纹识别模型。

具体的，可以依据训练样本数据集中的各训练样本数据对待训练声纹识别模型进行训练，以得到声纹识别模型。可以将训练样本数据中每个用户语音数据输入至待训练声纹识别模型，模型可以对训练样本数据进行声纹特征识别处理，可以输出训练样本数据对应的年龄层级的分类标识，进而可以利用算法对输出的分类标识与标注的年龄层级标签进行损失处理，得到损失值，以使基于损失值对待训练声纹识别模型中的模型参数进行修正，训练待训练声纹识别模型。

S230、将所述待训练声纹识别模型中的损失函数收敛作为训练目标，得到声纹识别模型。

其中，可以将预设损失函数收敛作为训练目标，当判定待训练声纹识别模型的预设损失函数收敛时，表明调整结果符合方案要求，已经得到训练好的模型，从而得到声纹识别模型。

在本实施例中，可以利用声纹识别技术将当前训练样本数据对应的语音数据进行处理，待训练声纹识别模型可以输出与当前训练样本数据对应的年龄层级的分类标识。由于待训练声纹识别模型中的模型参数是未修正的，那么，得到的年龄层级的分类标识与当前训练样本数据对应的人工标注年龄层级标识也是存在相应差异的，可以基于当前训练样本数据对应的分类标识以及人工标注年龄层级标识进行处理，可以确定出误差值，进而基于误差值可以修正待训练声纹识别模型中的模型参数。

具体的，可以利用待训练声纹识别模型中的损失函数对当前训练样本数据对应的分类标识与人工标注年龄层级标识进行比较，计算出损失值，以根据得到的损失结果对待训练声纹识别模型的模型参数进行修正。进一步的，可以将损失函数的训练误差，即损失参数作为检测损失函数当前是否达到收敛的条件，比如训练误差是否小于预设误差或误差变化趋势是否趋于稳定，或者当前的迭代次数是否等于预设次数。若检测达到收敛条件，比如损失函数的训练误差达到小于预设误差或误差变化趋于稳定，表明待训练声纹识别模型训练完成，此时可以停止迭代训练。若检测到当前未达到收敛条件，可以进一步获取训练样本数据对待训练声纹识别模型继续进行训练，直至损失函数的训练误差在预设范围之内。当损失函数的训练误差达到收敛时，可以认为待训练声纹识别模型训练好了，即得到声纹识别模型，以使在将用户语音数据输入至声纹识别模型，模型可以精准输出用户语音数据对应的声纹分类结果。

S240、监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征。

S250、基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果。

S260、根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

本实施例的技术方案，通过监听预设时长内的待处理语音信息，并确定待处理语音信息的声纹特征，基于预先训练得到的声纹识别模型对声纹特征分类处理，确定声纹分类结果，根据声纹分类结果，确定对待处理语音信息对应的目标终端设备提供的目标服务，解决了现有技术中利用用户账号信息对应性为用户提供服务，由于账号信息的真实性较差，导致提供的服务与用户需求不适配，用户体验效果不佳的问题，实现了基于声纹识别模型对用户声纹特征进行分类，快速、准确的确定出声纹特征对应的用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的技术效果。

实施例三

作为上述实施例的一可选实施例，图3为本发明实施例三提供的一种服务确定方法的示意图。具体的，可以参见下述具体内容。

示例性的，如图3所示，本发明实施例的技术方案可以由语音采集单元、语音处理单元、年龄识别单元和决策处置单元实现。其中，语音采集单元用于通过其内置的声音数据采集器件，在客户拨打客服热线之后，语音导航会与客户交互，让用户说话办理业务，用户说话后采集用户语音数据，并将其传送到语音处理单元进行处理。语音处理单元中可以包括声音数据预处理器件和声音数据特征提取器件。声音数据预处理器件用于通过历史客户进线存储的录音数据，一般选择通话稳定后的10秒数据片段，得到客户声音数据集合，转换声音数据集合为语音流数据。声音数据特征提取器件用于利用语音流数据提取能够代表说话人语音特征的信息，消除无用的信息，生成语音特征数据集合。从而有利于后续的特征比较，对于声音数据帧中语音信号参数进行提取，并且存储，提取的特征能够直接辨别说话人年龄，充分体现不同语音的差异。年龄识别单元用于接收语音特征数据集合，利用声纹识别算法建立年龄判断模型。利用该模型和语音特征信息，获取客户年龄分类信息，并进行模型存储，作为声音年龄匹配模板使用。年龄识别单元接收到语音处理单元发送的声音特征数据后，通过声音识别模型进行模式识别并判断当前用户的具体年龄。决策处置单元中包括分配器件、适老服务器件和常规服务器件。分配器件接收年龄识别单元年龄识别结果，利用分配器完成业务分配，如年龄属于老年人类别范围，则选择适老服务器件，为其提供适老化服务，若非老年人范畴，则选择常规服务器件，为其提供常规服务。适老服务器件主要提供适老化服务，方便的转人工服务，路由排队优先级最高，随路数据中带有老年人标识信息。常规服务器件提供常规服务，利用自动化业务办理方式提供服务，在遇到问题时按照指引进行人工服务转接。

本实施例的技术方案，通过监听预设时长内的待处理语音信息，并确定待处理语音信息的声纹特征，基于预先训练得到的声纹识别模型对声纹特征分类处理，确定声纹分类结果，根据声纹分类结果，确定对待处理语音信息对应的目标终端设备提供的目标服务，解决了现有技术中利用用户账号信息对应性为用户提供服务，由于账号信息的真实性较差，导致提供的服务与用户需求不适配，用户体验效果不佳的问题，实现了基于声纹识别模型对用户声纹特征进行分类，快速、准确的确定出声纹特征对应的用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的技术效果。

实施例四

图4为本发明实施例四提供的一种服务确定装置的结构框图。该装置包括：声纹特征确定模块410、声纹分类结果确定模块420和目标服务确定模块430。

其中，声纹特征确定模块410，用于监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征；声纹分类结果确定模块420，用于基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果；目标服务确定模块430，用于根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

本实施例的技术方案，通过监听预设时长内的待处理语音信息，并确定待处理语音信息的声纹特征，基于预先训练得到的声纹识别模型对声纹特征分类处理，确定声纹分类结果，根据声纹分类结果，确定对待处理语音信息对应的目标终端设备提供的目标服务，解决了现有技术中利用用户账号信息对应性为用户提供服务，由于账号信息的真实性较差，导致提供的服务与用户需求不适配，用户体验效果不佳的问题，实现了基于声纹识别模型对用户声纹特征进行分类，快速、准确的确定出声纹特征对应的用户属性类别，进而可以为用户提供与其属性类别相适配的服务，达到满足用户体验需求的技术效果。

在上述装置的基础上，可选的，所述声纹特征确定模块，包括待使用语音信息获取单元、待处理语音信息获取单元和声纹特征获取单元。

待使用语音信息获取单元，用于基于麦克风阵列采集所述目标终端设备传输的语音信息，并获取预设时长内的待使用语音信息；

待处理语音信息获取单元，用于通过对所述待使用语音信息降噪处理，得到所述待处理语音信息；

声纹特征获取单元，用于基于声纹特征识别模型对所述待处理语音信息进行声纹特征提取，得到所述声纹特征。

在上述装置的基础上，可选的，所述声纹分类结果确定模块420，包括分类标识确定单元和声纹分类结果获取单元。

分类标识确定单元，用于基于所述声纹特征分类模型对所述声纹特征识别处理，确定与所述声纹特征相对应的分类标识；

声纹分类结果获取单元，用于基于所述分类标识，确定所述待处理语音信息对应的年龄阶段，并将所述年龄阶段作为所述声纹分类结果。

在上述装置的基础上，可选的，所述目标服务确定模块430，包括第一服务确定单元和第二服务确定单元。

第一服务确定单元，用于若所述声纹分类结果中的年龄阶段在第一预设年龄范围之内，则确定所述目标服务为第一服务；

第二服务确定单元，用于若所述声纹分类结果中的年龄阶段在第二预设年龄范围之内，则确定所述目标服务为第二服务；

其中，所述第一服务区别与所述第二服务；

其中，所述第一服务为人工服务，所述第二服务为通用服务。

在上述装置的基础上，可选的，所述装置还包括：声纹识别模型获取模块。其中，声纹识别模型训练模块包括训练样本数据集获取单元、声纹识别模型训练单元、声纹识别模型获取单元。

训练样本数据集获取单元，用于获取训练样本数据集；其中，所述训练样本数据集中包括多种样本类型的样本数据，样本数据为用户的语音信息，样本类型与用户的年龄层级相匹配；

声纹识别模型训练单元，用于针对各训练样本数据，将当前训练样本数据作为待训练声纹识别模型的输入，将所述当前训练样本数据年龄层级的分类标识作为所述待训练声纹识别模型的输出，训练所述待训练声纹识别模型；

声纹识别模型获取单元，用于将所述待训练声纹识别模型中的损失函数收敛作为训练目标，得到声纹识别模型。

本发明实施例所提供的服务确定装置可执行本发明任意实施例所提供的服务确定方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例五

图5为本发明实施例五提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图5显示的电子设备50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。

电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该电子设备50交互的设备通信，和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且，电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器512通过总线503与电子设备50的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的服务确定方法。

实施例六

本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种服务确定方法。该方法包括：

监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征；

基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果；

根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。

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发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种服务确定方法，其特征在于，包括：

监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征；

基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果；

根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

2.根据权利要求1所述的方法，其特征在于，所述监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征，包括：

基于麦克风阵列采集所述目标终端设备传输的语音信息，并获取预设时长内的待使用语音信息；

通过对所述待使用语音信息降噪处理，得到所述待处理语音信息；

基于声纹特征识别模型对所述待处理语音信息进行声纹特征提取，得到所述声纹特征。

3.根据权利要求1所述的方法，其特征在于，所述基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果，包括：

基于所述声纹特征分类模型对所述声纹特征识别处理，确定与所述声纹特征相对应的分类标识；

基于所述分类标识，确定所述待处理语音信息对应的年龄阶段，并将所述年龄阶段作为所述声纹分类结果。

4.根据权利要求1所述的方法，其特征在于，所述根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务，包括：

若所述声纹分类结果中的年龄阶段在第一预设年龄范围之内，则确定所述目标服务为第一服务；

若所述声纹分类结果中的年龄阶段在第二预设年龄范围之内，则确定所述目标服务为第二服务；

其中，所述第一服务区别与所述第二服务。

5.根据权利要求4所述的方法，其特征在于，所述第一服务为人工服务，所述第二服务为通用服务。

6.根据权利要求1所述的方法，其特征在于，还包括：

训练得到声纹识别模型；

所述训练得到声纹识别模型，包括：

获取训练样本数据集；其中，所述训练样本数据集中包括多种样本类型的样本数据，样本数据为用户的语音信息，样本类型与用户的年龄层级相匹配；

针对各训练样本数据，将当前训练样本数据作为待训练声纹识别模型的输入，将所述当前训练样本数据年龄层级的分类标识作为所述待训练声纹识别模型的输出，训练所述待训练声纹识别模型；

将所述待训练声纹识别模型中的损失函数收敛作为训练目标，得到声纹识别模型。

7.一种服务确定装置，其特征在于，包括：

声纹特征确定模块，用于监听预设时长内的待处理语音信息，并确定所述待处理语音信息的声纹特征；

声纹分类结果确定模块，用于基于预先训练得到的声纹识别模型对所述声纹特征分类处理，确定声纹分类结果；

目标服务确定模块，用于根据所述声纹分类结果，确定对所述待处理语音信息对应的目标终端设备提供的目标服务。

8.根据权利要求7所述的装置，其特征在于，所述声纹特征确定模块，包括：

待使用语音信息获取单元，用于基于麦克风阵列采集所述目标终端设备传输的语音信息，并获取预设时长内的待使用语音信息；

待处理语音信息获取单元，用于通过对所述待使用语音信息降噪处理，得到所述待处理语音信息；

声纹特征获取单元，用于基于声纹特征识别模型对所述待处理语音信息进行声纹特征提取，得到所述声纹特征。

9.一种电子设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的服务确定方法。

10.一种计算机可读存储介质，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如权利要求1-6中任一所述的服务确定方法。

Images