CN115273857A - 音频处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种音频处理方法、装置、电子设备及存储介质，涉及人工智能领域，尤其涉及自动驾驶、自然语言处理、语音技术领域。具体实现方案为：获取音频数据，其中，音频数据包括针对第一目标对象的第一音频数据；对音频数据进行语音识别，得到文本数据；根据车辆的当前模式，从文本数据中确定与第一音频数据相对应的第一文本数据；以及根据第一文本数据，确定第一目标对象的意图。

Description

音频处理方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及自动驾驶、自然语言处理、语音技术领域，更具体地，本公开提供了一种音频处理方法、装置、电子设备、存储介质以及计算机程序产品。

背景技术

用户想要购买或者体验车辆时，会去汽车经销商进行试乘和试驾，从而了解车辆的性能、外观、价格等信息。可以看出，试乘试驾是用户购车决策链中的重要环节，同时也是汽车厂商了解用户需求，基于用户需求对自身产品进行改进以及进行数字化转型的重要环节。

发明内容

本公开提供了一种音频处理方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了一种音频处理方法，包括：获取音频数据，其中，音频数据包括针对第一目标对象的第一音频数据；对音频数据进行语音识别，得到文本数据；根据车辆的当前模式，从文本数据中确定与第一音频数据相对应的第一文本数据；以及根据第一文本数据，确定第一目标对象的意图。

根据本公开的另一方面，提供了一种音频处理装置，包括获取模块、识别模块、第一文本确定模块以及意图确定模块。获取模块用于获取音频数据，其中，音频数据包括针对第一目标对象的第一音频数据。识别模块用于对音频数据进行语音识别，得到文本数据。第一文本确定模块用于根据车辆的当前模式，从文本数据中确定与第一音频数据相对应的第一文本数据。意图确定模块用于根据第一文本数据，确定第一目标对象的意图。

根据本公开的另一个方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提供的方法。

根据本公开的另一个方面，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，计算机指令用于使计算机执行本公开提供的方法。

根据本公开的另一个方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开提供的方法。

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，不构成对本公开的限定。其中：

图1是根据本公开实施例的音频处理方法和装置的应用场景示意图；

图2是根据本公开实施例的音频处理方法的示意流程图；

图3是根据本公开实施例的根据第一文本数据确定第一目标对象的意图的示意流程图；

图4是根据本公开另一实施例的音频处理方法的示意流程图；

图5是根据本公开实施例的音频处理方法的系统架构示意图；

图6是根据本公开实施例的音频处理方法的示意原理图；

图7是根据本公开实施例的音频处理装置的示意结构框图；以及

图8是用来实施本公开实施例的音频处理方法的电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

在试乘试驾过程中，用户与销售人员会进行交流，例如销售人员会向用户介绍车辆性能、参数、价格等信息，用户会向销售人员表达自身对车辆各项性能的评价。

由于销售人员和用户在试乘试驾过程中的沟通对话属于非结构化数据，难以量化分析。因此，在一些技术方案中，会通过人工方式确定用户意图，例如，销售人员会基于试乘试驾过程中的沟通情况，基于个人主观看法来理解用户的购车意图。

可以理解的是，销售人员凭借主观理解的用户购车意图存在偏差，导致难以从沟通对话中准确确定用户的意图。

本公开实施例旨在提出一种音频处理方法，该方法会采集销售人员与用户之间沟通对话的音频数据，然后基于音频数据识别出针对用户的第一文本数据，然后基于第一文本数据确定用户的意图。由于基于第一文本分析用户的意图，来替代销售人员主观理解用户意图的方案，因此可以对用户的意图进行量化分析，从而提高确定意图的准确性。

以下将结合附图和具体实施例详细阐述本公开提供的技术方案。

图1是根据本公开实施例的音频处理方法和装置的应用场景示意图。

需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括第一终端设备101、第二终端设备102、网络103和服务器104。

第一终端设备101可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。用户可以使用第一终端设备101通过网络103与服务器104交互，以接收或发送消息等。例如，可以通过第一终端设备101扫描用户的驾驶证，并将驾驶证图像上传至服务器104。又例如，用户可以通过第一终端设备101选择车辆的当前模式，模式可以包括试乘模式、试驾模式、结束模式，然后将当前模式发送至服务器104。

第二终端设备102可以是车载设备，例如智能后视镜和OBD(On BoardDiagnostics，车载自诊断系统)。第二终端设备102可以通过网络103与服务器104交互，以接收或发送消息等。例如，可以通过第二终端设备102采集第一目标对象(例如用户)和第二目标对象(例如销售人员)沟通对话的音频数据，然后对音频数据进行语音识别，然后将识别后的音频文本发送至服务器104。又例如，第二终端设备102将采集的音频数据发送至服务器104，由服务器104进行语音识别得到音频文本。

网络103用以在第一终端设备101、第二终端设备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，例如有线和/或无线通信链路等等。

服务器104可以是提供各种服务的服务器，例如对用户利用第一终端设备101所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据音频数据确定的第一目标对象的意图、第二目标对象的评估值等)反馈给第一终端设备101。

需要说明的是，本公开实施例所提供的音频处理方法一般可以由服务器104执行。相应地，本公开实施例所提供的音频处理装置一般可以设置于服务器104中。本公开实施例所提供的音频处理方法也可以由不同于服务器104且能够与第一终端设备101、第二终端设备102和/或服务器104通信的服务器或服务器集群执行。相应地，本公开实施例所提供的音频处理装置也可以设置于不同于服务器104且能够与第一终端设备101、第二终端设备102和和/或服务器104通信的服务器或服务器集群中。

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。

图2是根据本公开实施例的音频处理方法的示意流程图。

如图2所示，该音频处理方法200可以包括操作S210～操作S240。

在操作S210，获取音频数据，音频数据包括针对第一目标对象的第一音频数据。

音频数据可以表示试乘试驾过程中第一目标对象与第二目标对象沟通对话的音频。第一目标对象可以是接受试乘试驾服务的用户，该用户可以是想要购买车辆的消费者、想要体验车辆的体验者等。第二目标对象可以是向第一目标对象介绍车辆信息的销售人员。

音频数据可以包括第一音频数据，第一音频数据可以表示试乘试驾过程中由第一目标对象说出的音频。音频数据还可以包括第二音频数据，第二音频数据可以表示试乘试驾过程中由第二目标对象说出的音频。

在实际应用中，在告知第一目标对象可以采集试乘试驾过程中的沟通对话，并且征得第一目标对象同意的情况下，可以利用音频采集装置来采集音频数据，音频采集装置是上文所述的第一终端设备或第二终端设备。

在操作S220，对音频数据进行语音识别，得到文本数据。

例如，可以对音频数据进行ASR(自动语音识别，Automatic Speech Recognition)处理，从而将音频数据转换为文本数据。

在操作S230，根据车辆的当前模式，从文本数据中确定与第一音频数据相对应的第一文本数据。

例如，车辆的模式可以包括试乘模式和试驾模式。

例如，第一文本数据可以表示由第一目标对象讲话的音频数据转换成的文本数据。可以根据车辆的当前模式确定第一目标对象所在位置，然后将来自该位置的声音作为第一音频数据，进而确定第一文本数据。

在操作S240，根据第一文本数据，确定第一目标对象的意图。

例如，可以从第一文本数据中提取第一目标对象对车辆的评论，然后基于评论的内容确定第一目标对象的意图。

根据本公开实施例提供的技术方案，通过采集第一目标对象与第二目标对象沟通对话的音频数据，然后基于音频数据识别出针对第一目标对象的第一文本数据，然后基于第一文本数据确定第一目标对象的意图。由于基于第一文本分析第一目标对象的意图，因此可以对第一目标对象的意图进行量化分析。相比于通过第二目标对象主观理解第一目标对象的意图的方式，本申请提供的技术方案可以提高确定第一目标对象意图的准确性。

根据本公开另一实施例，上述根据车辆的当前模式，从文本数据中确定与第一音频数据相对应的第一文本数据的操作，可以包括以下操作：先根据车辆的当前模式确定第一目标对象所在位置，并将针对该位置采集得到的数据确定为第一音频数据。然后根据第一音频数据，确定第一文本数据。

例如，对于试乘模式，第一目标对象会坐在主驾驶位置之外的其他位置，例如副驾驶位置，相应地，第二目标对象会坐在主驾驶位置驾驶车辆。因此，可以将音频数据中针对车辆的副驾驶位置采集得到的数据，确定为第一音频数据。类似地，可以将音频数据中针对车辆的主驾驶位置采集得到的数据，确定为第二音频数据。

又例如，对于试驾模式，第一目标对象会坐在主驾驶并驾驶车辆，第二目标对象可以坐在副驾驶位置。因此，可以将音频数据中针对车辆的主驾驶位置采集得到的数据，确定为第一音频数据。类似地，可以将音频数据中针对车辆的副驾驶位置采集得到的数据，确定为第二音频数据。

在实际应用中，以利用上文所述的第二终端设备来采集音频数据为例。可以在第二终端设备上设置两个收音孔，第一收音孔朝向主驾驶位置，第二收音孔朝向副驾驶位置。可以利用第一收音孔采集主驾驶位置的音频，利用第二收音孔采集副驾驶位置的音频。

例如，可以对第一音频数据进行语音识别，得到第一文本数据。又例如，可以根据第一音频数据的起始时间和结束时间，从文本数据中确定第一文本数据。

根据本公开实施例提供的技术方案，由于根据车辆的当前模式确定第一目标对象所在位置，然后根据该位置确定第一文本数据，因此准确确定出与第一目标对象对应的第一文本数据，从而提升意图的准确性。

图3是根据本公开实施例的根据第一文本数据确定第一目标对象的意图的示意流程图。

如图3所示，上述根据第一文本数据确定第一目标对象的意图的方法340可以包括操作S341～S344。

在操作S341，根据多个预定标签，确定第一文本数据中包括的多个目标数据，每个目标数据包括用于表征车辆性能的目标标签和用于表征第一目标对象情感倾向的情感文本数据。

例如，预定标签可以用于评价车辆性能，可以根据需求预先设定多个预定标签。例如，可以使用“维修保养”、“油耗”、“机油品牌”等作为评价车辆经济性的预定标签，可以使用“前排空间”、“车宽”、“轴距”等作为评价车辆空间信息的预定标签。

目标标签可以表示包含于第一文本数据中，且与预定标签相同或者相近的标签。

情感倾向可以包括正向、中性和负向。情感文本数据是用于描述情感倾向的文本，例如，“舒服”、“便宜”、“宽敞”等情感文本数据可以描述正向情感。“正常水平”、“普普通通”、“差不多”、“还行”等情感文本数据可以描述中性情感。“难受”、“太贵了”、“拥挤”等情感文本数据可以描述负向情感。

在一种示例中，可以先从第一文本数据中，确定与多个预定标签相匹配的目标标签，目标标签包括名词。例如，可以对第一文本数据进行分词处理，得到多个第一分词，然后计算第一分词和预定标签之间的相似度，并将相似度大于等于第一阈值的第一分词确定为目标标签。然后，可以从第一文本数据中，确定与目标标签对应的上下文文本数据，例如，将目标标签所在的句子确定为上下文文本数据。然后，可以确定上下文文本数据中的目标形容词，例如，可以识别上下文文本数据中所包含的第一分词的词性，并从中确定出目标形容词。接下来，可以将目标标签和目标形容词确定为目标数据。采用该示例提供的技术方案，通过名称和形容词可以准确确定第一目标对象对预定车辆性能的感情倾向，从而提示意图的准确性。

在另一种示例中，可以预先利用汽车行业相关语料训练的NLP(自然语言处理)模型，然后利用NLP模型处理第一文本数据，从而得到第一目标对象所说的每句话中，所包含的目标标签以及每个标签的情感倾向。

在操作S342，将多个目标数据中，包括正向情感文本数据的目标数据，确定为第一目标数据。

例如，第一目标数据可以包括“维修保养便宜”、“前排空间宽敞”、“油耗低”等。

在操作S343，将多个目标数据中，包括负向情感文本数据的目标数据，确定为第二目标数据。

例如，第二目标数据可以包括“维修保养贵”、“前排空间拥挤”、“油耗高”等。

在操作S344，根据第一目标数据和第二目标数据，确定意图。

例如，第一目标数据的数量大于第二目标数据的数量，则确定第一目标对象对试乘试驾的车辆较为满意，第一目标对象具有较大的购车意图。第一目标数据的数量小于等于第二目标数据的数量，则确定第一目标对象的购车意图较小或者没有购车意图。

又例如，可以在第一目标数据的数量大于等于第一预定数量，并且第二目标数据的数量小于等于第二预定数量，且第一预定数量大于第二预定数量的情况下，确定第一目标对象具有较大的购车意图。第一预定数量可以是15，第二预定数量可以是5。

根据本公开实施例提供的技术方案，由于根据正向情感文本数据和负向情感文本数据确定第一目标数据和第二目标数据，并基于第一目标数据和第二目标数据确定意图，因此可以对第一目标对象的意图进行量化分析，从而提高意图的准确性。

根据本公开另一实施例，可以预先将多个预定标签划分为多个标签集合，每个标签集合包括具有层级关系的至少两个标签，该方法还可以包括以下操作：在确定第一文本数据中包括的多个目标数据之后，将目标标签所在的标签集合确定为目标标签集合，然后根据目标标签集合和层级关系，确定第一目标对象的喜好信息。

例如，在第一标签集合中，“经济性”是一级标签，“经济性”标签的下一层级的标签包括“预算”和“油耗”，“预算”标签的下一层级的标签包括“维护保养费用”和“机油品牌”，“油耗”标签的下一层级的标签包括“省油模式”、“百公里油耗”、“瞬时油耗”以及“匀速油耗”。

例如，在第二标签集合中，“空间”是一级标签，“空间”标签的下一层级的标签包括“前排空间”、“第二排空间”和“物理尺寸”，“前排空间”标签的下一层级的标签包括“主驾空间”和“驾驶位空间”，“第二排空间”标签的下一层级的标签包括“后排顶腿”、“中间凸起”和“第二排中间座椅空间”，“物理尺寸”标签的下一层级的标签包括“车宽”、“宽”和“轴距”。

例如，在确定第一文本数据中的目标标签包括“百公里油耗”的情况下，可以将上述第一标签集合确定为目标标签集合。然后可以从目标标签集合中确定出与目标标签具有层级关系的其他标签，例如从上述第一标签集合中确定出“油耗”标签和“经济性”标签。通过这些标签可以确定第一目标对象关注车辆的经济性，并且在经济性中较为关注油耗情况，尤其是百公里油耗情况。可以基于该关注点确定第一目标对象喜好经济性高的车辆，进而可以向第一目标对象推荐符合其喜好的车型。

本公开实施例根据层级关系和标签集合确定第一目标对象的喜好信息，进而可以向第一目标对象推荐喜好的车型，从而提高试乘试驾体验。

图4是根据本公开另一实施例的音频处理方法的示意流程图。

如图4所示，上述音频处理方法400还可以包括操作S450～操作S470。

在操作S450，从文本数据中确定与第二音频数据相对应的第二文本数据。

例如，可以先根据车辆的当前模式确定第二目标对象所在位置，并将针对该位置采集得到的数据确定为第二音频数据。

在操作S460，根据包括至少一个预定语料的语料集合，确定与第二文本数据相匹配的至少一个目标语料。

例如，可以基于车型预先配置多个销售话术，每个销售话术可以包括话术内容和预定语料，话术内容可以是介绍车辆性能的一段文本，预定语料可以是话术内容中的关键词。

例如，可以对第二文本数据进行分词处理，得到多个第二分词，然后计算第二分词和预定语料之间的相似度，相似度可以是文本相似度，然后将相似度大于第二阈值的预定语料确定为目标语料。

在操作S470，根据至少一个目标语料，确定针对第二目标对象的评估值。

根据本公开实施例提供的技术方案，可以对第二目标对象介绍说明车辆信息的情况进行评估，确定第二目标对象是否向第一目标对象讲解预定语料，例如是否向第一目标对象介绍车辆的特定性能参数和功能，从而可以评估第二目标对象的工作情况，约束第二目标对象的工作行为，进而确保试乘试驾效果。

此外，在一些实施例中，可以对语料集合中未与第二文本数据相匹配的预定语料进行提示。

根据本公开另一实施例，语料集合包括多个语料子集，每个语料子集包括与同一个车辆性能有关的至少一个预定语料。

例如，某个与车辆动力性有关的话术内容为“车辆配备2.0L自然吸气发动机，最大功率126kW，最大扭矩209N·m”，与该话术内容对应的语料子集可以包括“2.0L发动机”、“动力强”等预定语料。

又例如，某个与车辆空间有关的话术内容为“车内有很大空间，轴距2.75米，在同级别车里是最大的，给腿部空间高达980mm，给人更多的活动空间”，与该话术内容对应的语料子集可以包括“大空间”、“轴距2750mm”、“轴距2.75m”、“腿部空间980mm”等预定语料。

相应地，上述确定针对第二目标对象的评估值的操作可以包括以下操作：根据至少一个目标语料，确定至少一个目标语料所在的至少一个目标语料子集。然后根据至少一个目标语料子集各自对应的预定评估值，确定评估值。

例如，语料集合包括语料子集a、b、c，其中语料子集a中的预定语料包括“2.0L发动机”、“动力强”，语料子集b中的预定语料包括“大空间”、“轴距2750mm”、“轴距2.75m”、“腿部空间980mm”，语料子集c中的预定语料包括“油耗低”、“保养便宜”。

在目标语料包括“动力强”、“大空间”、“轴距2.75m”的情况下，目标语料子集包括语料子集a、b。

例如，将语料子集a对应的预定评估值与语料子集b对应的预定评估值相加，并将二者之和作为第二目标对象的评估值。

可以看出，第二文本数据与语料子集中的任一预定语料相匹配，表示第二目标对象对与该语料子集对应的车辆性能进行了介绍。

采用本公开实施例提供的技术方案，可以准确确定第二目标对象针对哪些车辆性能进行了讲解，同时第二目标对象无需将与同一个车辆性能有关的语料子集所包含多个预定语料进行介绍，因此可以在确保服务质量的基础上，降低第二目标对象的工作量。

图5是根据本公开实施例的音频处理方法的系统架构示意图。

如图5所示，本实施例涉及车机端510、客户端520和云端530。

车机端510可以采用上文所述的第二终端设备，例如车机端510可以包括OBD和智能后视镜。

OBD可以获取VIN码(车辆车架号)、单次行驶里程、车速等车辆信息，然后将采集到的车辆信息发送至智能后视镜。

智能后视镜安装于车辆的内部，一方面作为后视镜使用，另一方面可以进行数据传输。例如，智能后视镜可以采集音频数据，可以将采集的音频数据和接收到的来自OBD的车辆信息等数据上传至云端530，例如将10秒的音频数据作为一个切片上传至云端530，每2秒上传一次GPS数据、车速等数据。又例如，智能后视镜可以将自身的标识码(例如SN码)、OBD的标识码和VIN码这三个标识码进行绑定，并将三个标识码发送至云端530。又例如，智能后视镜可以在试乘试驾过程中对当前车辆模式进行语音播报。又例如，智能后视镜可以根据预定规则对车辆的功能进行推荐和讲解，例如检测到车辆行驶预定时长、行驶至预定位置，可以对车辆悬架舒适、转弯半径合理、燃油经济性高等相关信息进行语音播报，从而使第一目标对象了解车辆信息，提高试乘试驾体验。

客户端520可以采用上文所述的第一终端设备，客户端520可以安装应用程序，该应用程序可以提供上车扫码启动、信息采集、电子协议签订、车辆模式切换等相关试乘试驾功能，从而简化试乘试驾操作流程。

例如，可以使用客户端520扫描试乘试驾标识码，可以开启第一流程。又例如，第一流程启动后，通过客户端520展示信息采集页面(例如扫描页面)，通过信息采集页面采集第一目标对象的驾驶证图像，然后客户端520可以对驾驶证图像进行OCR(Optical CharacterRecognition，光学字符)识别，或者客户端520将驾驶证图像上传至云端530并由云端530进行OCR识别。又例如，通过客户端520展示试乘试驾的电子协议，并在接收到第一目标对象的电子签名之后触发第二流程。又例如，在第二流程启动后可以展示模式按钮，通过模式按钮可以选择试乘、试驾、结束等车辆模式。

云端530可以采用上文所述的服务器，云端530可以与客户端520及车机端510进行相关数据传输、数据处理、状态检测及指令传递，进而实现基础数据管理、基础服务管理、业务服务管理等功能。

例如，云端530可以管理车辆、车型、经销商、第二目标对象、试驾路线等基础数据。可以基于MQTT(消息队列遥测传输)、TSDB(时间序列数据库)、OCR(光学字符识别)、ASR(自动语音识别)、NLP(自然语言处理)、BOS(对象存储)等实现基础服务管理功能，例如，云端530可以基于MQTT长连接实现试乘试驾过程的实时消息提醒，例如将试驾过程中的消息事件实时下发至车机端510，使车机端510进行语音播报。又例如，可以基于TSDB实现GPS数据存储及毫秒级查询。可以基于OCR识别驾驶证图像，可以基于ASR将音频数据转换为音频文本。又例如，云端530可以采用BOS存储试乘试驾过程中的音频数据。又例如，云端530可以对SN码、VIN和OBD标识码进行绑定。又例如，还可以根据已有数据生成试乘试驾相关数据分析报告。业务服务可以包括利用音频文本确定第一目标对象的意图和第二目标对象的评估值，业务服务可以基于基础服务功能中的NLP实现。

本公开实施例提供的技术方案，可以缓解试乘试驾流程繁琐，第二目标对象的销售话术无法标准化，无法及时收集和准确分析客户购车意图等问题。

图6是根据本公开实施例的音频处理方法的示意原理图。

如图6所示，本实施例涉及车机端610、客户端620和云端630。

车机端610可以包括OBD和智能后视镜。智能后视镜通过OBD读取车辆VIN码，然后智能后视镜向云端630发送智能后视镜的标识码(例如SN码)、车辆VIN码和OBD标识码。此外，智能后视镜与云端630之间可以建立长连接。

云端630确定智能后视镜的标识码(例如SN码)、车辆VIN码和OBD标识码是否绑定。例如，云端630通过在数据库中检测三个标识码是否已建立关联关系，来确定三个标识码是否完成绑定。若已绑定，则云端630输出与三个标识码对应的试乘试驾标识码。若未绑定，则云端630对三个标识码进行绑定，并更新数据库中的数据，然后输出试乘试驾标识码，供车机端620展示。

在第一目标对象和第二目标对象上车之后，可以通过客户端620扫描试乘试驾标识码，然后会跳转至信息采集页面，并通过该页面扫描第一目标对象的驾驶证，得到驾驶证图像，然后客户端620对驾驶证图像进行OCR识别，或者将驾驶证图像发送至云端630，由云端630进行OCR识别，从而得到第一目标对象的信息。由于无需在纸质申请单中手动填写信息，因此可以简化试乘试驾流程。

客户端620可以展示试乘试驾协议，并在接收到第一目标对象的电子签名后，第一目标对象或者第二目标对象可以通过客户端620展示的模式按钮选择车辆的模式，从而方便第一目标对象或者第二目标对象选择当前模式。

在客户端620检测到模式按钮被触发之后，客户端620可以调用云端630接口，云端630确定车辆的当前模式，并通过MQTT异步消息来控制车机端610对车辆的当前模式进行语音播报。例如，客户端620检测到试乘模式按钮被触发，则云端630会控制车载端对试乘模式进行语音播报。又例如，客户端620检测到当前模式被切换之后，客户端620向云端630发送指示当前模式的消息，云端630根据该消息通过MQTT异步消息来控制车机端610对切换后的模式进行语音播报。又例如，客户端620检测到结束按钮被触发之后，云端630更新当前模式，然后控制车机端610对结束试乘试驾进行语音播报。

在试乘试驾过程中，车机端610的智能后视镜可以采集第一目标对象和第二目标对象沟通对话的音频数据，然后可以对音频数据进行ASR识别，得到音频文本。或者车机端610将音频数据发送至云端630，由云端630对音频数据进行ASR识别，得到音频文本。然后车机端610将音频数据和音频文本发送至云端630。

云端630可以对音频数据进行处理，例如将多个音频片段合并为一个音频文件，然后基于BOS对音频文件进行存储。

云端630可以从音频文本中提取第一目标对象的第一文本数据和第二目标对象的第二文本数据。针对第一文本数据，可以基于预定标签和预定标签的上下文，分析第一目标对象的情感，然后基于第一目标对象的情感确定第一目标对象的意图，例如确定第一目标对象是否有意向购车。针对第二文本数据，云端630可以根据预定语料确定第二目标对象的评估值。云端630还可以展示分析报表，分析报表中可以包括第一目标对象的意图、第二目标对象的评估值、未被第二目标对象提及的预定语料等。云端630还可以云端630将音频文本转换为对话的形式，然后通过客户端610进行展示。

云端630还可以自动结束试驾，例如，云端630检测到车辆在预定时长内没有移动，则可以将车辆的当前模式更新为结束模式，预定时长可以是半小时。

云端630还可以生成试乘试驾的记录，记录可以包括：本次试驾的距离、开始时间、结束时间、经销店信息等。

图7是根据本公开实施例的音频处理装置的示意结构框图。

如图7所示，该音频处理装置700可以包括获取模块710、识别模块720、第一文本确定模块730以及意图确定模块740。

获取模块710用于获取音频数据，其中，音频数据包括针对第一目标对象的第一音频数据。

识别模块720用于对音频数据进行语音识别，得到文本数据。

第一文本确定模块730用于根据车辆的当前模式，从文本数据中确定与第一音频数据相对应的第一文本数据。

意图确定模块740用于根据第一文本数据，确定第一目标对象的意图。

根据本公开另一实施例，第一文本确定模块包括第一确定子模块、第二确定子模块以及第三确定子模块。第一确定子模块用于在当前模式是试乘模式的情况下，将音频数据中，针对车辆的副驾驶位置采集得到的数据，确定为第一音频数据。第二确定子模块用于在当前模式是试驾模式的情况下，将音频数据中，针对车辆的主驾驶位置采集得到的数据，确定为第一音频数据。第三确定子模块用于根据第一音频数据，确定第一文本数据。

根据本公开另一实施例，意图确定模块包括第四确定子模块、第五确定子模块、第六确定子模块以及第七确定子模块。第四确定子模块用于根据多个预定标签，确定第一文本数据中包括的多个目标数据，每个目标数据包括用于表征车辆性能的目标标签和用于表征第一目标对象情感倾向的情感文本数据。第五确定子模块用于将多个目标数据中，包括正向情感文本数据的目标数据，确定为第一目标数据。第六确定子模块用于将多个目标数据中，包括负向情感文本数据的目标数据，确定为第二目标数据。第七确定子模块用于根据第一目标数据和第二目标数据，确定意图。

根据本公开另一实施例，多个预定标签被划分为多个标签集合，每个标签集合包括具有层级关系的至少两个标签。上述音频处理装置还包括标签集合确定模块和喜好确定模块。标签集合确定模块用于在确定第一文本数据中包括的多个目标数据之后，将目标标签所在的标签集合确定为目标标签集合。喜好确定模块用于根据目标标签集合和层级关系，确定第一目标对象的喜好信息。

根据本公开另一实施例，第四确定子模块包括第一确定单元、第二确定单元、第三确定单元以及第四确定单元。第一确定单元用于从第一文本数据中，确定与多个预定标签相匹配的目标标签，目标标签包括名词。第二确定单元用于从第一文本数据中，确定与目标标签对应的上下文文本数据。第三确定单元用于确定上下文文本数据中的目标形容词。第四确定单元用于将目标标签和目标形容词，确定为目标数据。

根据本公开另一实施例，音频数据还包括针对第二目标对象的第二音频数据。上述音频处理装置还包括第二文本确定模块、语料确定模块以及评估值确定模块。第二文本确定模块用于从文本数据中确定与第二音频数据相对应的第二文本数据。语料确定模块用于根据包括至少一个预定语料的语料集合，确定与第二文本数据相匹配的至少一个目标语料。评估值确定模块用于根据至少一个目标语料，确定针对第二目标对象的评估值。

根据本公开另一实施例，语料集合包括多个语料子集，每个语料子集包括与同一个车辆性能有关的至少一个预定语料，每个语料子集对应有预定评估值。评估值确定模块包括子集确定子模块和评估值确定子模块。子集确定子模块用于根据至少一个目标语料，确定至少一个目标语料所在的至少一个目标语料子集。评估值确定子模块用于根据至少一个目标语料子集各自对应的预定评估值，确定评估值。

本公开的技术方案中，所涉及的目标对象个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。目标对象可以是上文的第一目标对象和第二目标对象。

在本公开的技术方案中，在获取或采集目标对象个人信息之前，均获取了目标对象的授权或同意。

根据本公开的实施例，本公开还提供了一种电子设备，包括至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述音频处理方法。

根据本公开的实施例，本公开还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，计算机指令用于使计算机执行上述音频处理方法。

根据本公开的实施例，本公开还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述音频处理方法。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如音频处理方法。例如，在一些实施例中，音频处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的音频处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行音频处理方法。

本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种音频处理方法，包括：

获取音频数据，其中，所述音频数据包括针对第一目标对象的第一音频数据；

对所述音频数据进行语音识别，得到文本数据；

根据车辆的当前模式，从所述文本数据中确定与所述第一音频数据相对应的第一文本数据；以及

根据所述第一文本数据，确定所述第一目标对象的意图。

2.根据权利要求1所述的方法，其中，所述根据车辆的当前模式，从所述文本数据中确定与所述第一音频数据相对应的第一文本数据包括：

在当前模式是试乘模式的情况下，将所述音频数据中，针对所述车辆的副驾驶位置采集得到的数据，确定为所述第一音频数据；

在当前模式是试驾模式的情况下，将所述音频数据中，针对所述车辆的主驾驶位置采集得到的数据，确定为所述第一音频数据；以及

根据所述第一音频数据，确定所述第一文本数据。

3.根据权利要求1所述的方法，其中，所述根据所述第一文本数据，确定所述第一目标对象的意图包括：

根据多个预定标签，确定所述第一文本数据中包括的多个目标数据，每个目标数据包括用于表征车辆性能的目标标签和用于表征所述第一目标对象情感倾向的情感文本数据；

将所述多个目标数据中，包括正向情感文本数据的目标数据，确定为第一目标数据；

将所述多个目标数据中，包括负向情感文本数据的目标数据，确定为第二目标数据；以及

根据所述第一目标数据和所述第二目标数据，确定所述意图。

4.根据权利要求3所述的方法，其中，所述多个预定标签被划分为多个标签集合，每个标签集合包括具有层级关系的至少两个标签；所述方法还包括：在确定所述第一文本数据中包括的多个目标数据之后，

将所述目标标签所在的标签集合确定为目标标签集合；以及

根据所述目标标签集合和所述层级关系，确定所述第一目标对象的喜好信息。

5.根据权利要求3所述的方法，其中，所述根据多个预定标签，确定所述第一文本数据中包括的多个目标数据包括：

从所述第一文本数据中，确定与所述多个预定标签相匹配的目标标签，所述目标标签包括名词；

从所述第一文本数据中，确定与所述目标标签对应的上下文文本数据；

确定所述上下文文本数据中的目标形容词；以及

将所述目标标签和所述目标形容词，确定为所述目标数据。

6.根据权利要求1至5中任意一项所述的方法，其中，所述音频数据还包括针对第二目标对象的第二音频数据；所述方法还包括：

从所述文本数据中确定与所述第二音频数据相对应的第二文本数据；

根据包括至少一个预定语料的语料集合，确定与所述第二文本数据相匹配的至少一个目标语料；以及

根据所述至少一个目标语料，确定针对所述第二目标对象的评估值。

7.根据权利要求6所述的方法，其中，所述语料集合包括多个语料子集，每个语料子集包括与同一个车辆性能有关的至少一个预定语料，所述每个语料子集对应有预定评估值；所述根据所述至少一个目标语料，确定针对所述第二目标对象的评估值包括：

根据所述至少一个目标语料，确定所述至少一个目标语料所在的至少一个目标语料子集；以及

根据所述至少一个目标语料子集各自对应的预定评估值，确定所述评估值。

8.一种音频处理装置，包括：

获取模块，用于获取音频数据，其中，所述音频数据包括针对第一目标对象的第一音频数据；

识别模块，用于对所述音频数据进行语音识别，得到文本数据；

第一文本确定模块，用于根据车辆的当前模式，从所述文本数据中确定与所述第一音频数据相对应的第一文本数据；以及

意图确定模块，用于根据所述第一文本数据，确定所述第一目标对象的意图。

9.根据权利要求8所述的装置，其中，所述第一文本确定模块包括：

第一确定子模块，用于在当前模式是试乘模式的情况下，将所述音频数据中，针对所述车辆的副驾驶位置采集得到的数据，确定为所述第一音频数据；

第二确定子模块，用于在当前模式是试驾模式的情况下，将所述音频数据中，针对所述车辆的主驾驶位置采集得到的数据，确定为所述第一音频数据；以及

第三确定子模块，用于根据所述第一音频数据，确定所述第一文本数据。

10.根据权利要求8所述的装置，其中，所述意图确定模块包括：

第四确定子模块，用于根据多个预定标签，确定所述第一文本数据中包括的多个目标数据，每个目标数据包括用于表征车辆性能的目标标签和用于表征所述第一目标对象情感倾向的情感文本数据；

第五确定子模块，用于将所述多个目标数据中，包括正向情感文本数据的目标数据，确定为第一目标数据；

第六确定子模块，用于将所述多个目标数据中，包括负向情感文本数据的目标数据，确定为第二目标数据；以及

第七确定子模块，用于根据所述第一目标数据和所述第二目标数据，确定所述意图。

11.根据权利要求10所述的装置，其中，所述多个预定标签被划分为多个标签集合，每个标签集合包括具有层级关系的至少两个标签；所述装置还包括：

标签集合确定模块，用于在确定所述第一文本数据中包括的多个目标数据之后，将所述目标标签所在的标签集合确定为目标标签集合；以及

喜好确定模块，用于根据所述目标标签集合和所述层级关系，确定所述第一目标对象的喜好信息。

12.根据权利要求10所述的装置，其中，所述第四确定子模块包括：

第一确定单元，用于从所述第一文本数据中，确定与所述多个预定标签相匹配的目标标签，所述目标标签包括名词；

第二确定单元，用于从所述第一文本数据中，确定与所述目标标签对应的上下文文本数据；

第三确定单元，用于确定所述上下文文本数据中的目标形容词；以及

第四确定单元，用于将所述目标标签和所述目标形容词，确定为所述目标数据。

13.根据权利要求8至12中任意一项所述的装置，其中，所述音频数据还包括针对第二目标对象的第二音频数据；所述装置还包括：

第二文本确定模块，用于从所述文本数据中确定与所述第二音频数据相对应的第二文本数据；

语料确定模块，用于根据包括至少一个预定语料的语料集合，确定与所述第二文本数据相匹配的至少一个目标语料；以及

评估值确定模块，用于根据所述至少一个目标语料，确定针对所述第二目标对象的评估值。

14.根据权利要求13所述的装置，其中，所述语料集合包括多个语料子集，每个语料子集包括与同一个车辆性能有关的至少一个预定语料，所述每个语料子集对应有预定评估值；所述评估值确定模块包括：

子集确定子模块，用于根据所述至少一个目标语料，确定所述至少一个目标语料所在的至少一个目标语料子集；以及

评估值确定子模块，用于根据所述至少一个目标语料子集各自对应的预定评估值，确定所述评估值。

15.一种电子设备，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至7中任一项所述的方法。

16.一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根据权利要求1至7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。

Images