CN117373456A - 语音交互方法、服务器及计算机可读存储介质 - Google Patents
语音交互方法、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117373456A CN117373456A CN202311663124.3A CN202311663124A CN117373456A CN 117373456 A CN117373456 A CN 117373456A CN 202311663124 A CN202311663124 A CN 202311663124A CN 117373456 A CN117373456 A CN 117373456A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- interaction
- language model
- voice request
- 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
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 222
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims description 43
- 230000002452 interceptive effect Effects 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000005352 clarification Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
- B60R16/0373—Voice control
-
- 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
- G10L15/1822—Parsing for meaning understanding
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开一种语音交互方法、服务器及计算机可读存储介质，方法包括：接收车辆转发的当前语音请求，根据大语言模型，确定与当前语音请求相对应的目标意图信息和目标交互信息。服务器根据目标意图信息和目标交互信息，生成与当前语音请求对应的车辆控制指令，及将车辆控制指令转发至车辆，由此完成与用户的语音交互。如此，在本申请中，对于接收到的当前语音请求，服务器可调用预先训练的大语言模型，以通过大语言模型确定当前语音请求的目标意图信息和目标交互信息，最终生成车辆控制指令。本申请可根据语音请求和大语言模型，定位车载系统用户界面中目标操作对象，避免用户需进行多轮澄清的情况出现，语音指令的流畅性和便捷性得以提升。
Description
技术领域
本申请涉及语音交互技术领域，特别涉及一种语音交互方法、服务器及计算机可读存储介质。
背景技术
目前，车载语音技术可以支持用户通过语音在车辆座舱内进行交互，例如控制车辆零部件或与车载系统用户界面中的组件进行交互。然而，车载系统的用户界面中往往会存在多个控件或子用户界面，并且用户语音请求可能同时命中多个相同表达的控件或子用户界面。此种情况下，往往需要进行第二轮的澄清询问，请求用户从多个候选项中，进行二次选择，确认最终的目标，从而影响语音交互的便捷性。
发明内容
本申请提供了一种语音交互方法、服务器及计算机可读存储介质。
本申请实施方式提供一种语音交互方法，包括：
接收车辆转发的与车载系统用户界面进行交互的当前语音请求；
根据大语言模型，确定与所述当前语音请求相对应的目标意图信息和目标交互信息，其中，所述大语言模型预先训练完成，且能够根据语音请求确定与所述语音请求相对应的意图信息和交互信息，所述交互信息包括交互对象及所述交互对象的位置信息；
根据所述目标意图信息和所述目标交互信息，生成与所述当前语音请求对应的车辆控制指令；
将所述车辆控制指令转发至所述车辆以完成所述语音交互。
本申请实施方式提供的语音交互方法中，服务器接收到车辆转发的当前语音请求，根据大语言模型，确定与当前语音请求相对应的目标意图信息和目标交互信息。服务器根据目标意图信息和目标交互信息，生成与当前语音请求对应的车辆控制指令，及将车辆控制指令转发至车辆，由此完成与用户的语音交互。
如此，在本申请实施方式中，用户通过语音与车载系统用户界面进行交互的过程中，对于接收到的当前语音请求，服务器可调用预先训练的大语言模型，以通过大语言模型确定当前语音请求的目标意图信息，及使大语言模型基于预先训练过程中学习到的知识，确定车载系统用户界面中交互对象中，与当前语音请求相对应的目标交互对象及目标交互对象的目标位置信息，从而得到目标交互信息，进而生成车辆控制指令。本申请可根据语音请求和大语言模型，定位车载系统用户界面中目标操作对象，在一定程度上避免用户需进行多轮澄清的情况出现，语音指令的流畅性和便捷性得以提升。
在本申请某些实施方式中，所述大语言模型的训练步骤包括：
根据预设的界面知识信息，对预设的基座模型进行训练以得到参考模型，其中，所述界面知识信息包括所述车载系统用户界面中交互对象的位置信息；
根据预设的语音请求样本及提示信息样本，对所述参考模型进行训练，以使所述参考模型能够根据语音请求样本确定与所述语音请求样本相对应的意图信息和交互信息，确定所述大语言模型。
如此，本申请实施方式基于界面知识信息、语音请求样本及提示信息样本，使得基座模型能学习到车载系统用户界面中交互对象的位置信息，及学习到根据语音请求样本确定与语音请求样本相对应的意图信息和交互信息，从而得到能用于语音交互的大语言模型，在一定程度上保障大语言模型的可靠训练。
在本申请某些实施方式中，所述大语言模型的训练步骤包括：
根据预先确定的思维链提示模板信息，配置所述提示信息样本。
如此，本申请实施方式可根据思维链提示模板信息配置提示信息样本，进而在大语言模型的训练过程中，大语言模型能基于预先设定的推理方式或思维链，逐步地从语音请求中推理出与语音请求样本相对应的意图信息和交互信息，意图信息和交互信息的预测精度得以保障。
在本申请某些实施方式中，所述根据大语言模型，确定与所述当前语音请求相对应的目标意图信息和目标交互信息，包括：
配置目标提示信息；
根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息。
如此，本申请实施方式使得大语言模块可配置相应的目标提示信息，进而根据目标提示信息，推理或确定出与当前语音请求相对应的目标意图信息和所述目标交互信息，从而在一定程度上使得目标意图信息和所述目标交互信息的准确率得以保障。
在本申请某些实施方式中，所述配置目标提示信息，包括：
根据预先确定的思维链提示模板信息，配置所述目标提示信息。
如此，本申请实施方式使得大语言模型可根据由思维链提示模板信息配置的目标提示信息，对当前语音请求对应的目标意图信息和目标交互信息进行逐步的推理和求解，使得目标意图信息和目标交互信息的准确率和可靠性在一定程度上得到保障。
在本申请某些实施方式中，所述根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息，包括：
在根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定多个候选交互对象的情况下，通过所述目标提示信息和所述大语言模型生成与所述候选交互对象相对应的语音询问指令，并将所述语音询问指令转发至所述车辆。
如此，本申请实施方式使得服务器可根据大语言模型可根据目标提示信息，在推理出与当前语音请求相对应的候选交互对象为多个的情况下，通过大语言模型生成与所述候选交互对象相对应的语音询问指令，并将所述语音询问指令转发至所述车辆，进而，车辆后续可根据语音询问指令询问用户，在一定程度上避免服务器根据多个候选交互对象确定车辆控制指令后，车辆根据车辆控制指令对多个候选交互对象均进行操控的情况出现，在一定程度上保障了语音交互的合理性。
在本申请某些实施方式中，所述根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息，包括：
响应于接收到的对所述语音询问指令的回复请求，根据所述回复请求和所述大语言模型，在多个所述候选交互对象中确定目标交互对象。
如此，本申请实施方式使得服务器可使得大语言模型能通过车辆转发的对于语音询问指令的回复请求，推理出与当前语音请求相对应的目标交互对象，及目标交互对象的目标位置信息，从而得到目标交互信息及目标交互信息，服务器可基于目标交互对象完成车辆控制指令的生成与转发，车辆得以正确地响应当前语音请求，语音交互的合理性在一定程度上得到保障。
在本申请某些实施方式中，所述根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息，包括：
在根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定与所述当前语音请求相对应的多个可选交互对象的情况下，根据所述大语言模型和所述目标提示信息，对所述多个可选交互对象进行归一化处理以确定目标交互对象。
如此，本申请实施方式使得车辆可在确定出与当前语音请求对应多个可选交互对象的情况下，通过归一化操作确定多个可选交互对象对应的目标交互对象，使得目标交互对象及目标交互信息得以可靠和准确地确定，服务器根据目标交互信息确定的车辆控制指令的可信度在一定程度上得到保障。
本申请实施方式提供一种服务器，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述的语音交互方法。
本申请实施方式提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被一个或多个处理器执行时，实现上述的语音交互方法。
本申请实施方式提供的服务器和计算机可读存储介质，用户通过语音与车载系统用户界面进行交互的过程中，对于接收到的当前语音请求，服务器可调用预先训练的大语言模型，以通过大语言模型确定当前语音请求的目标意图信息，及使大语言模型基于预先训练过程中学习到的知识，确定车载系统用户界面中交互对象中，与当前语音请求相对应的目标交互对象及目标交互对象的目标位置信息，从而得到目标交互信息，进而生成车辆控制指令。本申请可根据语音请求和大语言模型，定位车载系统用户界面中目标操作对象，在一定程度上避免用户需进行多轮澄清的情况出现，语音指令的流畅性和便捷性得以提升。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1为本申请某些实施方式中的应用场景示意图；
图2为本申请某些实施方式中语音交互方法的流程示意图之一；
图3为本申请某些实施方式中语音交互方法的流程示意图之二；
图4为本申请某些实施方式中语音交互方法的流程示意图之三；
图5为本申请某些实施方式中语音交互方法的流程示意图之四。
具体实施方式
下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
为满足用户的使用需求，车辆可搭载有显示屏等零部件以显示车载系统用户界面，使得用户可根据车载系统用户界面知悉车辆当前状态，如车辆当前速度或车辆零部件的开关状态。同时，车辆还可支持用户在座舱空间内通过语音与车辆进行交互，如通过语音控制车辆零部件或与车载系统用户界面中的各交互对象进行交互等。其中，交互对象可以理解为车载系统用户界面中，用户能通过语音请求进行控制的控件或子用户界面等。
能理解的是，同一时刻下车载系统用户界面中可能存在多个交互对象。也因此，在语音请求同时命中或指向车载系统用户界面中的多个交互对象时，车辆或车载系统的语音助手往往会进行第二轮澄清询问，也即是，通过播放语音或显示文字，询问用户欲对语音请求命中的多个交互对象中的实际操作对象。进而，使得用户需关注车辆播放的语音，或是车辆显示屏上显示的文字来进行二次选择或发出新的语音请求，以使车辆或语音助手确定实际操作对象，或确定第一次发出的语音请求所命中的最终交互对象。
为更清楚地说明上述情形，请参阅图1，图1为本申请某些实施方式中的应用场景示意图。具体而言，如图2所示，车载系统用户界面左侧和右侧均可分别显示导航界面或音乐界面。进而，在用户发出“将屏幕左侧切换为音乐”的语音请求时，因车辆并不知悉或确定“屏幕左侧”，故车辆可对用户进行二次询问，以询问用户是对左侧切换还是右侧切换以进行二次确认。由此，用户对车辆显示屏的持续关注，以及对语音助手澄清询问的二次回答，不仅影响了语音交互的便捷性，同时也可能导致用户分心而影响驾驶的安全性。
基于上述可能遇到的问题，请参阅图2，本申请实施方式提供了一种语音交互方法，包括：
01：接收车辆转发的与车载系统用户界面进行交互的当前语音请求；
02：根据大语言模型，确定与当前语音请求相对应的目标意图信息和目标交互信息，其中，大语言模型预先训练完成，且能够根据语音请求确定与语音请求相对应的意图信息和交互信息，交互信息包括交互对象及交互对象的位置信息；
03：根据目标意图信息和目标交互信息，生成与当前语音请求对应的车辆控制指令；
04：将车辆控制指令转发至车辆以完成语音交互。
本申请实施方式提供了一种语音交互装置。本申请实施方式的语音交互方法可以由本申请实施方式的语音交互装置实现。具体地，语音交互装置包括接收模块、确定模块、生成模块及转发模块。其中，语音交互装置用于接收车辆转发的与车载系统用户界面进行交互的当前语音请求。确定模块用于根据大语言模型，确定与当前语音请求相对应的目标意图信息和目标交互信息，大语言模型预先训练完成，且能够根据语音请求确定与语音请求相对应的意图信息和交互信息，交互信息包括交互对象及交互对象的位置信息。生成模块用于根据目标意图信息和目标交互信息，生成与当前语音请求对应的车辆控制指令。转发模块用于将车辆控制指令转发至车辆以完成语音交互。
本申请实施方式还提供了一种服务器，服务器包括存储器和处理器。本申请实施方式的车辆的位置确定方法可以由本申请实施方式的服务器实现。具体地，存储器中存储有计算机程序，处理器用于接收车辆转发的与车载系统用户界面进行交互的当前语音请求；根据大语言模型，确定与当前语音请求相对应的目标意图信息和目标交互信息，其中，大语言模型预先训练完成，且能够根据语音请求确定与语音请求相对应的意图信息和交互信息，交互信息包括交互对象及交互对象的位置信息；根据目标意图信息和目标交互信息，生成与当前语音请求对应的车辆控制指令；将车辆控制指令转发至车辆以完成语音交互。
具体而言，本申请实施方式的车辆在接收到用户的当前语音请求后，可将当前语音请求转发或上报至服务器。服务器接收到当前语音请求，调用预先训练完成，且根据训练学习到根据当前语音请求确定与语音请求相对应的意图信息和交互信息的知识的大语言模型（Large Language Model，LLM），对当前语音请求进行相应的处理如意图识别、槽位提取，操作对象确定及位置信息确定等，生成与当前语音请求相对应的目标意图信息和目标交互信息。服务器可基于大语言模型生成的目标意图信息和目标交互信息，生成与当前语音请求对应的车辆控制指令，及将车辆控制指令转发或下发至车辆，使得车辆可根据车辆控制指令对车载系统用户界面和/或车辆零部件进行控制，由此完成与用户的语音交互。
其中，可以理解的是，本申请实施方式中的大语言模型可以理解为在通过大量样本进行训练，具备一定自然语言理解能力和自然语言生成能力后，进而二次训练，从而学习到与车载系统用户界面相对应的知识，且具备根据语音请求确定对应的意图信息和交互信息的能力的模型。
还可以理解的是，意图信息可以理解为用户欲对某个交互对象执行的操作。举例而言，在某些实施方式中，若语音请求为“将屏幕左边切换为音乐”，则意图信息可以理解为“切换音乐界面”。
而在另一些实施方式中，意图信息可以理解为能用于实现用户意图的操作。示范性的，以前述的“将屏幕左边切换为音乐”，在本申请某些实施方式中，意图信息可以理解为能用于实现“切换音乐界面”的函数或方法，如“control_open_music”。
能理解的是，交互信息可以理解为车载系统用户界面中，用户欲操作的交互对象和交互对象所在的位置。示范性的，以前述的“将屏幕左边切换为音乐”为例，在本申请某些实施方式中，交互信息可以为“屏幕左边”或“screen_left”，表征用户欲操作位于显示屏左侧车辆显示屏的显示区域左侧。
还能理解的是，本申请实施方式中的大语言模型已根据训练过程，学习到车载系统用户界面中位置固定的控件或位置固定的子用户界面的位置信息。进而，在语音请求包括交互对象的位置信息的情况下，确定或理解语音请求中表征方位的词或句的语义，进而可确定交互对象的位置信息。
由此，本申请实施方式的大语言模型可根据当前语音请求，确定与当前语音请求相对应的目标意图信息，及包括目标交互对象和目标交互对象的目标位置信息在内的目标交互信息。例如，在当前语音请求为“切换音乐界面”的情况下，大语言模型根据当前语音请求，生成或输出的目标意图信息为“切换音乐界面”，目标交互信息为“屏幕左边”。
而在另一些实施方式中，因JSON格式的数据具备较强的可读性，且便于计算机设备或服务器解析和执行，故大语言模型可使目标意图信息和目标交互信息以JSON格式输出。示范性的，以当前语音请求为“切换音乐界面”为例，大语言模型输出目标意图信息和目标交互信息表征为：{intent:control_open_music，target:screen_left}。
还需理解的是，在大语言模型生成目标意图信息和目标交互信息的情况下，服务器可根据目标意图信息和目标交互信息生成与当前语音请求对应的车辆控制指令。例如，可根据前述的“切换音乐界面”和“屏幕左边”，或是根据前述的{intent:control_open_music，target:screen_left}，生成车载系统能执行的车辆控制指令。
以及，在生成控制指令后，服务器还可将车辆控制指令转发或下发至车辆，使得车辆可根据车辆控制指令执行相应的操作，从而完成自身与用户的语音交互。例如，车辆可根据车辆控制指令，控制显示屏的显示区域左侧切换为音乐界面。
综上，在本申请实施方式中，用户通过语音与车载系统用户界面进行交互的过程中，对于接收到的当前语音请求，服务器可调用预先训练的大语言模型，以通过大语言模型确定当前语音请求的目标意图信息，及使大语言模型基于预先训练过程中学习到的知识，确定车载系统用户界面中交互对象中，与当前语音请求相对应的目标交互对象及目标交互对象的目标位置信息，从而得到目标交互信息，进而生成车辆控制指令。本申请可根据语音请求和大语言模型，定位车载系统用户界面中目标操作对象，在一定程度上避免用户需进行多轮澄清的情况出现，语音指令的流畅性和便捷性得以提升。
以及，因大语言模型具备的自然语言理解能力，在一定程度上避免意图识别、槽位提取，操作对象确定及位置信息确定等任务需单独设计对应模型的情况出现，前述的多个任务可通过一个大语言模型完成，语音交互的实现难度得以降低。同时，也使得服务器无需调用意图识别、槽位提取，操作对象确定及位置信息确定等任务对应的模型或服务器，服务器的运行负荷及运行成本得以下降。
不仅如此，本申请实施方式还基于大语言模型的使用，从而能实现端到端的输出意图信息和交互信息，中间过程的设计难度得以降低。
请参阅图3，在本申请某些实施方式中，大语言模型的训练步骤包括：
05：根据预设的界面知识信息，对预设的基座模型进行训练以得到参考模型，其中，界面知识信息包括车载系统用户界面中交互对象的位置信息；
06：根据预设的语音请求样本及提示信息样本，对参考模型进行训练，以使参考模型能够根据语音请求样本确定与语音请求样本相对应的意图信息和交互信息，确定大语言模型。
本申请实施方式的语音交互装置还包括第一训练模块和第二训练模块。其中，第一训练模块用于根据预设的界面知识信息，对预设的基座模型进行训练以得到参考模型，界面知识信息包括车载系统用户界面中交互对象的位置信息。第二训练模块用于根据预设的语音请求样本及提示信息样本，对参考模型进行训练，以使参考模型能够根据语音请求样本确定与语音请求样本相对应的意图信息和交互信息，确定大语言模型。
本申请实施方式的处理器还用于根据预设的界面知识信息，对预设的基座模型进行训练以得到参考模型，其中，界面知识信息包括车载系统用户界面中交互对象的位置信息；根据预设的语音请求样本及提示信息样本，对参考模型进行训练，以使参考模型能够根据语音请求样本确定与语音请求样本相对应的意图信息和交互信息，确定大语言模型。
具体而言，本申请实施方式可对已通过大量样本进行训练的，具备一定自然语言理解能力和自然语言生成能力的基座模型进行预训练（Pre Training）和有监督微调训练（Supervised Fine Tune Training）。
可以理解的是，预训练能用于使大语言模型学习到特定领域的知识。在本申请实施方式中，可根据由预先设置的界面知识信息，使得大语言模型学习到车载系统用户界面中交互对象的位置信息，从而知悉车载系统用户界面中位置固定的交互对象的位置，进而在接收到语音请求时，能将已知悉的位置固定的交互对象作为参照物，理解语音请求中表征方位的词或句的语义。
能理解的是，界面知识信息具体包括的内容为可根据实际情况设置的内容，如在某些实施方式中，界面知识信息包括屏幕元素功能列表、车载系统用户界面中位置固定的交互对象的位置信息、车载系统用户界面中具备固定的相对位置关系的交互对象的位置信息。其中，屏幕元素功能列表可以理解为能表征车载系统用户界面中各个交互对象所能执行的功能的数据。
还能理解的是，预训练的具体过程为可根据实际情况设置的内容。如在某些实施方式中，预训练的过程可包括：将界面知识信息中的某个文本段落内的字词隐藏（或者说mask），再将隐藏字词后的文本段落输入至基座模型中，以使基座模型对输入的文本段落中被隐藏的字词进行预测，也即是，使基座模型处理Next Token Prediction任务。
还可以理解的是，针对已完成预训练的基座模型或参考模型，微调训练能使参考模型具备下游任务的处理能力。具体而言，本申请实施方式可根据语音请求样本及与语音请求样本对应的提示（Prompt）信息样本，使得大语言模型能基于提示信息样本，生成与语音请求样本相对应的意图信息和交互信息。
举例而言，在本申请某些实施方式中，提示信息样本可以为“假如你是一个车技语音助手，请根据用户指令，判断用户意图和要操作的对象。进而，将语音请求样本和提示信息样本输入至参考模型以进行微调训练的过程中，参考模型能学习到根据语音请求确定对应的意图信息和交互信息的知识或能力。
如此，本申请实施方式基于界面知识信息、语音请求样本及提示信息样本，使得基座模型能学习到车载系统用户界面中交互对象的位置信息，及学习到根据语音请求样本确定与语音请求样本相对应的意图信息和交互信息，从而得到能用于语音交互的大语言模型，在一定程度上保障大语言模型的可靠训练。
不仅如此，基于基座模型本身的自然语言理解能力和自然语言生成能力，能在一定程度上降低训练数据的设计难度，也即是，降低界面知识信息、语音请求样本及提示信息样本的设计难度，构建训练数据的复杂性和人力投入在一定程度上降低。
以及，基于提示和微调训练，使得大语言模型的数据输出规则能基于由自然语言进行表述的提示构建，数据输出规则的复杂性和维护困难在一定程度上得以降低。
在本申请某些实施方式中，大语言模型的训练步骤包括：
根据预先确定的思维链提示模板信息，配置所述提示信息样本。
本申请实施方式中的语音交互装置还包括提示配置模块。提示配置模块用于根据预先确定的思维链提示模板信息，配置所述提示信息样本。
本申请实施方式的处理器还用于根据预先确定的思维链提示模板信息，配置所述提示信息样本。
具体而言，本申请实施方式可根据预先设定或预先确定的思维链提示（Chain-of-Thought Prompting）模板信息，对应配置提示信息样本。
也因此，在大语言模型的训练过程和推理过程中，大语言模型可根据思维链提示模板信息构建提示信息，基于预先设定的推理方式或思维链，逐步地从语音请求中推理出与语音请求样本相对应的意图信息和交互信息。
示范性的，在本申请某些实施方式中，根据思维链提示模板信息配置的提示信息样本可以包括：（1）请首先对指令进行理解，判断用户意图，判断该意图的操作对象是否有多个；（2）如果对象唯一，则输出意图，若不唯一，请在指令中进行对齐，确认是否有明确的操作对象；（3）如果可以得到明确操作对象，请返回意图和操作对象，如果有多个，请对用户进行询问；（4）结果请以JSON形式输出，格式为{intent:XXX，target:XXX}。
可以理解的是，思维链提示模板信息和根据思维链提示模板信息配置的提示信息样本均为可根据实际情况设置的内容，前述内容仅用作示例。
还可以理解的是，思维链提示模板信息可以是人工生成，提示信息样本可以是人工生成或是借助特定的提示生成模块或提示生成程序来生成。
如此，本申请实施方式可根据思维链提示模板信息配置提示信息样本，进而在大语言模型的训练过程中，大语言模型能基于预先设定的推理方式或思维链，逐步地从语音请求中推理出与语音请求样本相对应的意图信息和交互信息，意图信息和交互信息的预测精度得以保障。
请参阅图4，在本申请某些实施方式中，根据大语言模型，确定与当前语音请求相对应的目标意图信息和目标交互信息，包括：
020：配置目标提示信息；
021：根据目标提示信息、当前语音请求及大语言模型，确定目标意图信息和目标交互信息。
本申请实施方式中的确定模块还用于配置目标提示信息；根据目标提示信息、当前语音请求及大语言模型，确定目标意图信息和目标交互信息。
本申请实施方式的处理器还用于配置目标提示信息；根据目标提示信息、当前语音请求及大语言模型，确定目标意图信息和目标交互信息。
具体而言，本申请实施方式可在大语言模型对当前语音请求进行目标意图信息和目标交互信息的预测前，配置目标提示信息。进而，大语言模型根据目标提示信息，对当前语音请求进行目标意图信息和目标交互信息的预测，还可根据目标提示信息，将目标意图信息和目标交互信息按照预设的规则输出。
为更清楚地说明本申请实施方式，请参阅图5，图5为本申请某些实施方式中语音交互方法的流程示意图。如图5所示，在用户发出“将屏幕左边切换为音乐”的当前语音请求，车辆将当前语音请求转发至服务器，服务器将当前语音请求输入至大语言模型，大语言模型在进行预测前，配置或构建目标提示信息，进而，大语言模型根据目标提示信息，对当前语音请求进行目标意图信息和目标交互信息的预测和生成，及将预测并生成的目标意图信息和目标交互信息按照特定的格式输出，也即是图5中的“intent: control_open_music,target:screen_left,tts:None”。其中，tts表示语音指令。
如此，本申请实施方式使得大语言模块可配置相应的目标提示信息，进而根据目标提示信息，推理或确定出与当前语音请求相对应的目标意图信息和所述目标交互信息，从而在一定程度上使得目标意图信息和所述目标交互信息的准确率得以保障。
在本申请某些实施方式中，步骤020包括：
根据预先确定的思维链提示模板信息，配置所述目标提示信息。
本申请实施方式中的确定模块还用于根据预先确定的思维链提示模板信息，配置所述目标提示信息。
本申请实施方式的处理器还用于根据预先确定的思维链提示模板信息，配置所述目标提示信息。
也即是，本申请实施方式可通过预先确定的思维链提示模板信息来配置目标提示信息。
示范性的，在本申请某些实施方式中，当前语音请求为“将屏幕左边切换为音乐”，大语言模型根据思维链提示模板信息配置的目标提示信息包括：（1）请首先对指令进行理解，判断用户意图，判断该意图的操作对象是否有多个；（2）如果对象唯一，则输出意图，若不唯一，请在指令中进行对齐，确认是否有明确的操作对象；（3）如果可以得到明确操作对象，请返回意图和操作对象，如果有多个，请对用户进行询问；（4）结果请以JSON形式输出，格式为：{intent:XXX，target:XXX}。
能理解的是，本申请实施方式的大语言模型可在推理过程中，根据由思维链提示模板信息配置的目标提示信息，以按照目标提示信息所表征的思维方式或推理方式，对当前语音请求对应的目标意图信息和目标交互信息进行逐步的推理和求解，由此生成或输出相应的目标意图信息和目标交互信息。
如此，本申请实施方式使得大语言模型可根据由思维链提示模板信息配置的目标提示信息，对当前语音请求对应的目标意图信息和目标交互信息进行逐步的推理和求解，使得目标意图信息和目标交互信息的准确率和可靠性在一定程度上得到保障。
另外，可以理解的是，目标提示信息除通过大语言模型获取外，还可通过其他方式获取。例如，将预先存储与完成车载系统功能定制方案的提示信息模板，进而，在获取到当前语音请求的情况下，通过对当前语音请求进行相应的意图识别或是槽位提取等操作后，基于提示信息模板，结合识别出的意图信息和/或提取出的槽位信息又或其他信息，以进行配置或组合操作，从而得到目标提示信息。
在本申请某些实施方式中，步骤021包括：
在根据目标提示信息、当前语音请求及大语言模型，确定多个候选交互对象的情况下，通过目标提示信息和大语言模型生成与候选交互对象相对应的语音询问指令，并将语音询问指令转发至车辆。
本申请实施方式中的确定模块还用于在根据目标提示信息、当前语音请求及大语言模型，确定多个候选交互对象的情况下，通过目标提示信息和大语言模型生成与候选交互对象相对应的语音询问指令，并将语音询问指令转发至车辆。
本申请实施方式的处理器还用于在根据目标提示信息、当前语音请求及大语言模型，确定多个候选交互对象的情况下，通过目标提示信息和大语言模型生成与候选交互对象相对应的语音询问指令，并将语音询问指令转发至车辆。
具体而言，本申请实施方式的目标提示信息能用于指示大语言模型在推理出语音请求对应多个交互对象的情况下，或者说，指示大语言模型在推理出语音请求能够控制若干个不同的交互对象执行意图信息对应的操作的情况下，生成语音询问指令。进而，服务器可在获取到大语言模型输出的语音询问指令的情况下，将语音询问指令下发或转发至车辆。
举例而言，在与当前语音请求对应的候选交互对象包括第一应用界面、第二应用界面及第三应用界面的情况下，在本申请某些实施方式中，大语言模型可根据第一应用界面、第二应用界面及第三应用界面，生成相应的语音询问语句“请问您需要关闭第一应用界面、第二应用界面及第三应用界面中的哪一个？”，服务器根据语音询问语句生成相应的语音询问指令，并将语音询问指令转发至车辆。
而在另一些实施方式中，大语言模型还可直接根据第一应用界面、第二应用界面及第三应用界面生成相应的语音询问指令，进而，服务器可直接将大语言模型生成的语音询问指令转发至车辆。
如此，本申请实施方式使得服务器可根据大语言模型可根据目标提示信息，在推理出与当前语音请求相对应的候选交互对象为多个的情况下，通过大语言模型生成与候选交互对象相对应的语音询问指令，并将语音询问指令转发至车辆，进而，车辆后续可根据语音询问指令询问用户，在一定程度上避免服务器根据多个候选交互对象确定车辆控制指令后，车辆根据车辆控制指令对多个候选交互对象均进行操控的情况出现，在一定程度上保障了语音交互的合理性。
在本申请某些实施方式中，步骤021包括：
本申请实施方式中的确定模块还用于响应于接收到的对语音询问指令的回复请求，根据回复请求和大语言模型，在多个候选交互对象中确定目标交互对象。
本申请实施方式的处理器还用于响应于接收到的对语音询问指令的回复请求，根据回复请求和大语言模型，在多个候选交互对象中确定目标交互对象。
具体而言，车辆根据语音询问指令，控制自身的声音播放零部件播放语音，或是通过显示零部件显示文字，以询问用户多个候选交互对象中的目标交互对象。针对车辆的语音询问指令执行结果，用户做出回复并触发回复请求，车辆接收到回复请求的情况下，车辆将回复请求转发至服务器，以使服务器通过回复请求和大语言模型，在多个候选交互对象中确定目标交互对象，进而大语言模型可根据目标交互对象，从而可确定目标交互信息和目标意图信息输出，服务器可根据目标交互对象和目标意图信息生成车辆控制指令，并将车辆控制指令转发至车辆。
示范性的，在与当前语音请求对应的候选交互对象包括第一应用界面、第二应用界面及第三应用界面的情况下，在本申请某些实施方式中，车辆根据语音询问指令播放“请问您需要关闭第一应用界面、第二应用界面及第三应用界面中的哪一个？”的语音，用户说出“第一应用界面”的回复从而触发回复请求后，服务器可根据接收到的车辆转发的回复请求，使得大语言模型推理出当前语音请求对应的目标交互对象为“第一应用界面”，进而完成目标交互信息的确定。
如此，本申请实施方式使得服务器可使得大语言模型能通过车辆转发的对于语音询问指令的回复请求，推理出与当前语音请求相对应的目标交互对象及目标交互信息，服务器可基于目标交互对象完成车辆控制指令的生成与转发，车辆得以正确地响应当前语音请求，语音交互的合理性在一定程度上得到保障。
在本申请某些实施方式中，步骤021包括：
在根据目标提示信息、当前语音请求及大语言模型，确定与当前语音请求相对应的多个可选交互对象的情况下，根据大语言模型和目标提示信息，对多个可选交互对象进行归一化处理以确定目标交互对象。
本申请实施方式中的确定模块还用于在根据目标提示信息、当前语音请求及大语言模型，确定与当前语音请求相对应的多个可选交互对象的情况下，根据大语言模型和目标提示信息，对多个可选交互对象进行归一化处理以确定目标交互对象。
本申请实施方式的处理器还用于在根据目标提示信息、当前语音请求及大语言模型，确定与当前语音请求相对应的多个可选交互对象的情况下，根据大语言模型和目标提示信息，对多个可选交互对象进行归一化处理以确定目标交互对象。
具体而言，本申请实施方式的目标提示信息可指示或提示大语言模型在推理出多个语义相似的可选交互对象的情况下，对多个可选交互对象的进行归一化处理，从而确定出多个的可选交互对象所对应的目标交互对象。
举例而言，假设当前语音请求分别为“关闭音乐软件A和音乐软件B”的情况下，则大语言模型可确定与当前语音请求包括“音乐软件A”和“音乐软件B”。进而，大语言模型可根据预先确定的词表，对“音乐软件A”和“音乐软件B”进行归一化，以在确定出“音乐软件A”和“音乐软件B”均可由“音乐软件”来表征的情况下，则大语言模型可将目标交互对象确定为“音乐软件”。
可选的，在本申请某些实施方式中，大语言模型确定的目标交互对象可以理解为大语言模型对当前语音请求中的交互对象进行理解和转化后，生成的与目标交互对象相对应的标定表示信息或标准说法。例如，在目标交互对象确定为“音乐软件”的情况下，则大语言模型可将“音乐软件”转换为一个标准说法如“media_player”，以使得服务器在获取到目标交互信息中的目标交互对象的情况下，能准确地生成车辆控制指令。
如此，本申请实施方式使得车辆可在确定出与当前语音请求对应多个可选交互对象的情况下，通过归一化操作确定多个可选交互对象对应的目标交互对象，使得目标交互对象及目标交互信息得以可靠和准确地确定，服务器根据目标交互信息确定的车辆控制指令的可信度在一定程度上得到保障。
本申请还提供了一种计算机可读存储介质，存储有计算机程序，当计算机程序被一个或多个处理器执行时，实现上述语音交互方法。
在本说明书的描述中，参考术语“具体地”、“进一步地”、“特别地”、“可以理解地”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不预定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (10)
1.一种语音交互方法，其特征在于，包括：
接收车辆转发的与车载系统用户界面进行交互的当前语音请求；
根据大语言模型，确定与所述当前语音请求相对应的目标意图信息和目标交互信息，其中，所述大语言模型预先训练完成，且能够根据语音请求确定与所述语音请求相对应的意图信息和交互信息，所述交互信息包括交互对象及所述交互对象的位置信息；
根据所述目标意图信息和所述目标交互信息，生成与所述当前语音请求对应的车辆控制指令；
将所述车辆控制指令转发至所述车辆以完成所述语音交互。
2.根据权利要求1所述的方法，其特征在于，所述大语言模型的训练步骤包括：
根据预设的界面知识信息，对预设的基座模型进行训练以得到参考模型，其中，所述界面知识信息包括所述车载系统用户界面中交互对象的位置信息；
根据预设的语音请求样本及提示信息样本，对所述参考模型进行训练，以使所述参考模型能够根据语音请求样本确定与所述语音请求样本相对应的意图信息和交互信息，确定所述大语言模型。
3.根据权利要求2所述的方法，其特征在于，所述大语言模型的训练步骤包括：
根据预先确定的思维链提示模板信息，配置所述提示信息样本。
4.根据权利要求1所述的方法，其特征在于，所述根据大语言模型，确定与所述当前语音请求相对应的目标意图信息和目标交互信息，包括：
配置目标提示信息；
根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息。
5.根据权利要求4所述的方法，其特征在于，所述配置目标提示信息，包括：
根据预先确定的思维链提示模板信息，配置所述目标提示信息。
6.根据权利要求4所述的方法，其特征在于，所述根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息，包括：
在根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定多个候选交互对象的情况下，通过所述目标提示信息和所述大语言模型生成与所述候选交互对象相对应的语音询问指令，并将所述语音询问指令转发至所述车辆。
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息，包括：
响应于接收到的对所述语音询问指令的回复请求，根据所述回复请求和所述大语言模型，在多个所述候选交互对象中确定目标交互对象。
8.根据权利要求4所述的方法，其特征在于，所述根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定所述目标意图信息和所述目标交互信息，包括：
在根据所述目标提示信息、所述当前语音请求及所述大语言模型，确定与所述当前语音请求相对应的多个可选交互对象的情况下，根据所述大语言模型和所述目标提示信息，对所述多个可选交互对象进行归一化处理以确定目标交互对象。
9.一种服务器，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被一个或多个处理器执行时，实现权利要求1-8任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311663124.3A CN117373456B (zh) | 2023-12-05 | 2023-12-05 | 语音交互方法、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311663124.3A CN117373456B (zh) | 2023-12-05 | 2023-12-05 | 语音交互方法、服务器及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117373456A true CN117373456A (zh) | 2024-01-09 |
| CN117373456B CN117373456B (zh) | 2024-03-12 |
Family
ID=89404417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311663124.3A Active CN117373456B (zh) | 2023-12-05 | 2023-12-05 | 语音交互方法、服务器及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117373456B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115457960A (zh) * | 2022-11-09 | 2022-12-09 | 广州小鹏汽车科技有限公司 | 语音交互方法、服务器及计算机可读存储介质 |
| US20230141398A1 (en) * | 2021-11-11 | 2023-05-11 | Servicenow, Inc. | Data augmentation for intent classification |
| CN116229955A (zh) * | 2023-05-09 | 2023-06-06 | 海尔优家智能科技（北京）有限公司 | 基于生成式预训练gpt模型的交互意图信息确定方法 |
| CN116680384A (zh) * | 2023-06-08 | 2023-09-01 | 科大讯飞股份有限公司 | 知识问答方法、装置、设备及存储介质 |
| CN116798428A (zh) * | 2023-06-26 | 2023-09-22 | 深圳市众禧禾立科技有限公司 | 一种基于私域管理的大语言智能模型系统 |
| CN116861921A (zh) * | 2023-07-10 | 2023-10-10 | 厦门大学 | 基于大语言模型的机器人任务解析方法、装置及可读介质 |
| CN117079651A (zh) * | 2023-10-08 | 2023-11-17 | 中国科学技术大学 | 一种基于大规模语言模型的语音交叉实时增强现实方法 |
-
2023
- 2023-12-05 CN CN202311663124.3A patent/CN117373456B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230141398A1 (en) * | 2021-11-11 | 2023-05-11 | Servicenow, Inc. | Data augmentation for intent classification |
| CN115457960A (zh) * | 2022-11-09 | 2022-12-09 | 广州小鹏汽车科技有限公司 | 语音交互方法、服务器及计算机可读存储介质 |
| CN116229955A (zh) * | 2023-05-09 | 2023-06-06 | 海尔优家智能科技（北京）有限公司 | 基于生成式预训练gpt模型的交互意图信息确定方法 |
| CN116680384A (zh) * | 2023-06-08 | 2023-09-01 | 科大讯飞股份有限公司 | 知识问答方法、装置、设备及存储介质 |
| CN116798428A (zh) * | 2023-06-26 | 2023-09-22 | 深圳市众禧禾立科技有限公司 | 一种基于私域管理的大语言智能模型系统 |
| CN116861921A (zh) * | 2023-07-10 | 2023-10-10 | 厦门大学 | 基于大语言模型的机器人任务解析方法、装置及可读介质 |
| CN117079651A (zh) * | 2023-10-08 | 2023-11-17 | 中国科学技术大学 | 一种基于大规模语言模型的语音交叉实时增强现实方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117373456B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6243675B1 (en) | System and method capable of automatically switching information output format | |
| US7548861B2 (en) | Speech recognition system | |
| US20050021341A1 (en) | In-vehicle controller and program for instructing computer to excute operation instruction method | |
| CN110998526B (zh) | 用户配置的且自定义的交互式对话应用 | |
| JP4659754B2 (ja) | 車両運転者および複数のアプリケーション間の対話方法およびシステム | |
| US20090157388A1 (en) | Method and device for outputting information and/or status messages, using speech | |
| US11929065B2 (en) | Coordinating electronic personal assistants | |
| JP2007511414A6 (ja) | 車両運転者および複数のアプリケーション間の対話方法およびシステム | |
| CN112017667A (zh) | 语音交互方法、车辆和计算机存储介质 | |
| KR20190041109A (ko) | 차량의 사용자 입력 처리 장치 및 사용자 입력 처리 방법 | |
| CN111660955A (zh) | 车载智能体系统、车载智能体系统的控制方法及存储介质 | |
| CN116401349A (zh) | 一种多模态回复生成的方法、装置、电子设备及存储介质 | |
| US20240126503A1 (en) | Interface control method and apparatus, and system | |
| CN117373456B (zh) | 语音交互方法、服务器及计算机可读存储介质 | |
| JP2007033478A (ja) | マルチモーダル対話システム及びマルチモーダルアプリケーション生成ウィザード | |
| JP2007193422A (ja) | 対話型の情報処理システム、およびサービス・シナリオ用のヘルプ・シナリオを提供する方法 | |
| KR102371513B1 (ko) | 대화 시스템 및 대화 처리 방법 | |
| CN113709954A (zh) | 一种氛围灯的控制方法、装置、电子设备及存储介质 | |
| CN110633037B (zh) | 基于自然语言的人机交互方法、装置和计算机存储介质 | |
| CN111312254A (zh) | 语音对话方法和装置 | |
| US20200349936A1 (en) | Method for operating a motor vehicle having an operating device | |
| KR102437242B1 (ko) | 대화를 통하여 하드웨어의 제어 및 프로그래밍을 수행하는 물리적 컴퓨팅 방법, 컴퓨터 프로그램 및 시스템 | |
| JP2008233009A (ja) | カーナビゲーション装置及びカーナビゲーション装置用プログラム | |
| CN118136014A (zh) | 语音交互方法、服务器及计算机可读存储介质 | |
| Dausend et al. | A prototype for future spoken dialog systems using an embodied conversational agent |
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 |