CN109036413A - 语音交互方法及终端设备 - Google Patents
语音交互方法及终端设备 Download PDFInfo
- Publication number
- CN109036413A CN109036413A CN201811087112.XA CN201811087112A CN109036413A CN 109036413 A CN109036413 A CN 109036413A CN 201811087112 A CN201811087112 A CN 201811087112A CN 109036413 A CN109036413 A CN 109036413A
- Authority
- CN
- China
- Prior art keywords
- mode
- voice
- man
- monitor terminal
- mode switching
- 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.)
- Pending
Links
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000003993 interaction Effects 0.000 claims abstract description 105
- 230000002996 emotional effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 14
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 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
-
- 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
-
- 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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- 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
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)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及计算机技术领域，提供了一种语音交互方法及终端设备。该方法包括：在自动交互模式下获取用户输入的语音信息，并对所述语音信息进行识别；判定识别结果是否符合预设模式切换条件；若所述识别结果符合所述预设模式切换条件，则将语音交互模式切换到人工交互模式；所述语音交互模式包括所述自动交互模式和所述人工交互模式。本发明能够在自动交互模式过程出现交互异常时，及时切换到人工交互模式，利用人工交互模式能够提高对用户语音意图分析的准确度，减少语音交互过程中的异常状况，提升用户体验。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种语音交互方法及终端设备。
背景技术
语音交互是机器人、手机、智能音箱、车载终端等终端设备非常重要的功能，通常终端设备与用户进行语音交互是通过云服务器来进行的。这种语音交互模式是全自动的，非常节省人力，对于内容介绍、诵读等方面的语音交互优势明显，但是在一些情况下对用户问话的意图分析不准确，容易导致语音交互出现偏差，用户体验差。
发明内容
有鉴于此，本发明实施例提供了语音交互方法及终端设备，以解决目前语音交互方法对用户语音的意图分析不准确，导致语音交互出现偏差的问题。
本发明实施例的第一方面提供了语音交互方法，包括：
在自动交互模式下获取用户输入的语音信息，并对所述语音信息进行识别；
判定识别结果是否符合预设模式切换条件；
若所述识别结果符合预设模式切换条件，则将语音交互模式切换到人工交互模式；所述语音交互模式包括所述自动交互模式和所述人工交互模式。
本发明实施例的第二方面提供了终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中的语音交互方法。
本发明实施例的第三方面提供了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，所述计算机程序被处理器执行时实现第一方面中的语音交互方法。
本发明实施例与现有技术相比存在的有益效果是：通过对语音信息进行识别，判定识别结果是否符合预设模式切换条件，能够判断出是否需要进行语音交互模式的切换；通过在识别结果符合预设模式切换条件后，将语音交互模式切换到人工交互模式，能够在自动交互模式过程出现交互异常时，及时切换到人工交互模式，利用人工交互模式能够提高对用户语音意图分析的准确度，减少语音交互过程中的异常状况，提升用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的语音交互方法的实现流程图；
图2是本发明实施例提供的语音交互方法中语音交互模式切换的实现流程图；
图3是本发明实施例提供的语音交互方法中识别用户图像的实现流程图；
图4是本发明实施例提供的语音交互方法中人工交互模式的实现流程图；
图5是本发明实施例提供的一个实施示例的示意图；
图6是本发明实施例提供的语音交互装置的示意图；
图7是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1为本发明实施例提供的语音交互方法的实现流程图，详述如下：
在S101中，在自动交互模式下获取用户输入的语音信息，并对所述语音信息进行识别。
在本实施例中，执行主体可以为机器人、手机、智能音箱、车载终端及计算机等能够与用户进行语音交互的终端设备，在此不作限定。自动交互模式是一种语音交互模式，在自动交互模式下，终端设备通过自动识别语音信息并进行回复的方式与用户进行语音交互。
终端设备可以在本地对语音信息进行识别，也可以通过服务器对语音信息进行识别，在此不作限定。对语音信息进行识别可以包括，对语音信息进行识别生成语音信息对应的文本信息，再对文本信息进行语义识别得到语音信息对应的语义信息。
在S102中，判定识别结果是否符合预设模式切换条件。
在本实施例中，预设模式切换条件为用于判断是否需要进行语音交互模式切换的条件。在终端设备以自动交互模式与用户进行语音交互过程中，可以通过预设模式切换条件判断是否进行语音交互模式的切换。
作为本发明的一个实施例，S102可以包括：
查找所述语音信息对应的文本信息中是否包含预设文本敏感词；和/或，
查找所述语音信息对应的语义信息中是否包含预设语义敏感词。
在本实施例中，识别结果包括语音信息对应的文本信息和/或语音信息对应的语义信息。若语音信息对应的文本信息中包含预设文本敏感词，则判定识别结果符合预设模式切换条件；或者，若语音信息对应的语义信息中包含预设语义敏感词，则判定识别结果符合预设模式切换条件；或者，若语音信息对应的文本信息中包含预设文本敏感词且语音信息对应的语义信息中包含预设语义敏感词，则判定识别结果符合预设模式切换条件。
预设文本敏感词和预设语义敏感词为表征语音交互存在异常状态或者用户对语音交互不满意等的词句。例如，预设文本敏感词可以包括“你很笨”、“理解错了”、“听不懂”等词句，预设语义敏感词可以包括“不知道”、“不理解”等词句。预设文本敏感词和预设语义敏感词可以根据实际的语音交互场景进行相应的设置，在此不作限定。语音信息对应的文本信息中包含预设文本敏感词，和/或语音信息对应的语义信息中包含预设语义敏感词，表明发生语音交互异常或者用户对语音交互不满意等情况，需要进行语音交互模式的切换。
本实施例通过预设文本敏感词和预设语义敏感词能够准确判断是否需要进行语音交互模式切换，能够使语音交互模式切换更为准确。
在S103中，若所述识别结果符合所述预设模式切换条件，则将语音交互模式切换到人工交互模式；所述语音交互模式包括所述自动交互模式和所述人工交互模式。
在本实施例中，人工交互模式是一种语音交互模式，在人工交互模式下，由服务人员以远程的方式通过终端设备与用户进行语音交互。服务人员通过监控终端和用户的终端设备远程获取用户的语音信息，并通过监控终端将回复信息发送至用户的终端设备，由用户的终端设备将回复信息语音播报出来。其中服务人员为负责人工语音交互的工作人员。
识别结果符合预设模式切换条件，表明发生语音交互异常或者用户对语音交互不满意等情况，可以将语音交互模式由自动交互模式切换到人工交互模式，将语音信息发送至监控终端，由服务人员理解用户语音信息的含义并进行回复，从而克服自动交互模式中终端设备对用户语音的意图分析不准确的问题。
本发明实施例通过对语音信息进行识别，判定识别结果是否符合预设模式切换条件，能够判断出是否需要进行语音交互模式的切换；通过在识别结果符合预设模式切换条件后，将语音交互模式切换到人工交互模式，能够在自动交互模式过程出现交互异常时，及时切换到人工交互模式，利用人工交互模式能够提高对用户语音意图分析的准确度，减少语音交互过程中的异常状况，提升用户体验。
作为本发明的一个实施例，如图2所示，S103可以包括：
在S201中，若所述识别结果符合所述预设模式切换条件，则向监控终端发送模式切换请求。
在本实施例中，在识别结果符合述预设模式切换条件后，终端设备向监控终端发送模式切换请求。模式切换请求用于向监控终端请求进行语音交互模式切换的许可指令。
作为本发明的一个实施例，S201中“向监控终端发送模式切换请求”可以包括：
向所述监控终端发送模式切换请求及语音交互过程信息；所述语音交互过程信息用于指示所述监控终端播放所述语音交互过程信息，所述模式切换请求用于指示所述监控终端在接收到服务人员输入的第一模式切换指令后返回所述第一模式切换指令。
在本实施例中，语音交互过程信息为终端设备与用户进行语音交互过程中的语音信息或者视频信息，用于服务人员判断是否进行语音交互模式切换。语音交互信息可以是终端设备向监控终端发送模式切换请求之前，预设时间段内的终端设备记录的历史交互信息，也可以是终端设备向监控终端发送模式切换请求之后，终端设备与用户之间进行语音交互的信息。
例如，终端设备向监控终端发送模式切换请求之后，未接收到监控终端的回复之前，继续以自动交互模式与用户进行语音交互。终端设备将发送模式切换请求之后与用户进行语音交互的语音交互过程信息发送给监控终端，监控终端将接收到的语音交互过程信息进行播放，以便服务人员根据语音交互过程信息判断是否需要切换为人工交互模式。若服务人员判断需要切换为人工交互模式，可以向监控终端输入第一模式切换指令，监控终端将第一模式切换指令返回至终端设备；若服务人员判断不需要切换为人工交互模式，可以向监控终端输入拒绝请求指令，监控终端将拒绝请求指令返回至终端设备。
本实施例通过将语音交互过程信息发送至监控终端，使语音交互过程信息能够作为服务人员判断是否切换为人工交互模式的参考信息，使服务人员参考信息更为全面，做出更准确地模式切换判断，提高语音交互模式切换的准确性。
在S202中，在接收到所述监控终端发送的第一模式切换指令后，将语音交互模式切换到人工交互模式。
在本实施例中，第一模式切换指令用于指示终端设备将语音交互模式从自动交互模式切换为人工交互模式。若终端设备接收到监控终端发送的第一模式切换指令，则将语音交互模式切换到人工交互模式；若终端设备接收到监控终端发送的拒绝请求指令，则不进行语音交互模式的切换，保持以自动交互模式与用户进行语音交互。
本实施例通过向监控终端发送模式切换请求，由监控终端的服务人员进行是否切换到人工交互模式的判断，通过人工判断是否进行模式切换来提高语音交互模式切换的准确性，使语音交互模式的切换更为恰当，从而提升用户体验。
作为本发明的一个实施例，如图3所示，上述方法还可以包括：
在S301中，在所述自动交互模式下获取用户图像，并对所述用户图像进行人脸识别，得到用户的情绪信息。
在本实施例中，终端设备可以通过图像采集装置采集用户图像，用户图像可以为包含用户脸部区域的图像。可以对用户图像进行人脸识别，通过脸部特征识别出用户的情绪，得到用户的情绪信息。
在S302中，判定所述情绪信息是否符合预设模式切换条件。
在本实施例中，判定情绪信息是否符合预设模式切换条件可以包括，判定情绪信息是否属于预设敏感情绪信息。其中预设敏感情绪信息可以为“不满意”、“不耐烦”、“不开心”等的情绪信息，用于表征用户对语音交互不满意、体验差。例如，可以设置一个满意度阈值，如果识别出的情绪信息的满意度值低于预设的满意度阈值，则判定该情绪信息属于预设敏感情绪信息，即情绪信息符合预设模式切换条件。
在S303中，若所述情绪信息符合所述预设模式切换条件，则将语音交互模式切换到所述人工交互模式。
在本实施例中，情绪信息符合预设模式切换条件，表明发生语音交互异常或者用户对语音交互不满意等情况，用户体验差，需要进行语音交互模式的切换，可以将语音交互模式从自动交互模式切换到所述人工交互模式。如果情绪信息不符合预设模式切换条件，表明语音交互正常，则维持以自动交互模式与用户进行语音交互。
本实施例对用户图像进行人脸识别，识别出用户的情绪信息，根据用户情绪判定是否进行语音交互模式的切换，将语音识别和图像识别相结合，从多角度判断是否进行语音交互模式切换，从提高语音交互模式切换的及时性和准确性。
作为本发明的一个实施例，如图4所示，上述方法还可以包括：
在S401中，在所述人工交互模式下，将用户输入的语音信息发送到监控终端，以使所述监控终端播放所述语音信息，并在接收到服务人员输入对所述语音信息的回复信息后返回所述回复信息。
在本实施例中，在人工交互模式下，终端设备将用户输入的语音信息发送到监控终端。监控终端接收并播放语音信息，以便服务人员获知语音信息，并对语音信息进行回复。服务人员可以向监控终端输入语音信息的回复信息，监控终端在接收到服务人员输入的回复信息后，将回复信息返回至终端设备。
作为本发明的一个实施例，上述方法还可以包括：
在所述人工交互模式下，将采集到的用户图像发送到所述监控终端。
在本实施例中，在人工交互模式下，终端设备可以采集用户的语音信息和用户图像，将用户的语音信息及用户图像都发送至监控终端，以便服务人员可以从声音和图像两方面获知用户语音交互的状态，从而更好确定用户的交互意图，做出更适合的回复。本实施例通过将用户图像发送至监控终端，使服务人员能更准确地获知用户语音交互的状态，提供更适合的回复，从而提升用户体验。
在S402中，接收所述监控终端返回的回复信息，并将所述回复信息进行语音播放。
在本实施例中，终端设备接收监控终端返回的回复信息，并对回复信息进行语音播放，从而实现服务人员远程与用户的语音交互。
可选地，在自动交互模式下和人工交互模式下，终端设备播放的语音语调相同。例如可以都由同一语音播放装置按照同一播放模式进行播放。通过使自动交互模式和人工交互模式下播放的语音语调相同，能使语音交互模式切换更为顺畅，使用户察觉不到语音交互模式的切换，保证用户的语音交互体验。
作为本发明的一个实施例，上述方法还可以包括：
在所述人工交互模式下，若接收到监控终端发送的第二模式切换指令，则将所述语音交互模式切换到所述自动交互模式。
在本实施例中，在人工交互模式下，服务人员可以根据语音交互过程中用户的状态，选择是否将人工交互模式切换回自动交互模式。服务人员若选择切换回自动交互模式，可以向监控终端输入第二模式切换指令。监控终端将第二模式切换指令发送到终端设备。终端设备在接收到监控终端发送的第二模式切换指令后，则将语音交互模式由人工切换模式切换到自动交互模式。
本实施例根据第二模式切换指令将语音交互模式切换回自动交互模式，可以由服务人员判断是否切换回自动交互模式，能够在不需要人工语音交互时及时切换回自动交互模式，保证语音交互的效率。
作为本发明的一个实施示例，如图5所示，语音交互***可以包括终端设备、服务器及监控终端。终端设备可以包括麦克风阵列51、语音提取识别本地处理模块52、自然语义识别本地处理模块53、摄像头54、语音模式切换处理模块55、语音播报模块56及音箱57。服务器可以包括语音提取识别云端处理模块58和自然语义识别云端处理模块59。
在自动交互模式下，语音提取识别本地处理模块52和/或语音提取识别云端处理模块58通过降噪、定向拾音等处理从麦克风陈列51获取用户的语音，进行模数转换，再通过本地和/或服务器来识别生成文本。自然语义识别本地处理模块53和/或自然语义识别云端处理模块59，对生成的文本进行语义识别，预测用户的意图，并得到相应的回复文本。语音播报模块56将回复文本转换为声音，再由音箱57播报出来。
在人工交互模式下，监控终端通过终端设备上的麦克风阵列51监听用户的语音，并通过终端设备的摄像头54获取用户的视频。监控终端获取服务人员对用户语音的回复信息，将回复信息转换文字流传回给终端设备。终端设备的语音播报模块56将文字流以语音的形式播报出来。
在自动交互模式下，语音模式切换处理模块55根据用户的语音和/或图像判断是否符合预设模式切换条件；若判断出符合预设模式切换条件，则向监控终端发送模式切换请求，并且维持以自动交互模式与用户进行语音交互。监控终端接收到模式切换请求后，获取并播放交互过程中用户的语音或图像。服务人员若判断需要进行模式切换，可以通过监控终端向终端设备发送第一模式切换指令，终端设备由自动交互模式切换为人工交互模式；服务人员若判断不需要进行模式切换，可以通过监控终端向终端设备发送拒绝请求指令，终端设备保持以自动交互模式与用户进行语音交互。
在人工交互模式下，服务人员若判断需要进行模式切换，可以通过监控终端向终端设备发送第二模式切换指令，终端设备由人工交互模式切换为自动交互模式。
本发明实施例通过对语音信息进行识别，判定识别结果是否符合预设模式切换条件，能够判断出是否需要进行语音交互模式的切换；通过在识别结果符合预设模式切换条件后，将语音交互模式切换到人工交互模式，能够在自动交互模式过程出现交互异常时，及时切换到人工交互模式，利用人工交互模式能够提高对用户语音意图分析的准确度，减少语音交互过程中的异常状况，提升用户体验。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的语音交互方法，图6示出了本发明实施例提供的语音交互装置的示意图。为了便于说明，仅示出了与本实施例相关的部分。
参照图6，该装置包括识别模块61、判定模块62和切换模块63。
识别模块61，用于在自动交互模式下获取用户输入的语音信息，并对所述语音信息进行识别；
判定模块62，用于判定识别结果是否符合预设模式切换条件；
切换模块63，用于若所述识别结果符合所述预设模式切换条件，则将语音交互模式切换到人工交互模式；所述语音交互模式包括所述自动交互模式和所述人工交互模式。
可选地，所述判定模块62用于：
查找所述语音信息对应的文本信息中是否包含预设文本敏感词；和/或，
查找所述语音信息对应的语义信息中是否包含预设语义敏感词。
可选地，所述切换模块63用于：
若所述识别结果符合所述预设模式切换条件，则向监控终端发送模式切换请求；
在接收到所述监控终端发送的第一模式切换指令后，将语音交互模式切换到人工交互模式。
可选地，所述切换模块63用于：
向所述监控终端发送模式切换请求及语音交互过程信息；所述语音交互过程信息用于指示所述监控终端播放所述语音交互过程信息，所述模式切换请求用于指示所述监控终端在接收到服务人员输入的第一模式切换指令后返回所述第一模式切换指令。
可选地，还包括处理模块，所述处理模块用于：
在所述自动交互模式下获取用户图像，并对所述用户图像进行人脸识别，得到用户的情绪信息；
判定所述情绪信息是否符合预设模式切换条件；
若所述情绪信息符合所述预设模式切换条件，则将语音交互模式切换到所述人工交互模式。
可选地，所述处理模块用于：
在所述人工交互模式下，将用户输入的语音信息发送到监控终端，以使所述监控终端播放所述语音信息，并在接收到服务人员输入对所述语音信息的回复信息后返回所述回复信息；
接收所述监控终端返回的回复信息，并将所述回复信息进行语音播放。
可选地，所述处理模块用于：
在所述人工交互模式下，将采集到的用户图像发送到所述监控终端。
可选地，所述处理模块用于：
在所述人工交互模式下，若接收到监控终端发送的第二模式切换指令，则将所述语音交互模式切换到所述自动交互模式。
本发明实施例通过对语音信息进行识别，判定识别结果是否符合预设模式切换条件，能够判断出是否需要进行语音交互模式的切换；通过在识别结果符合预设模式切换条件后，将语音交互模式切换到人工交互模式，能够在自动交互模式过程出现交互异常时，及时切换到人工交互模式，利用人工交互模式能够提高对用户语音意图分析的准确度，减少语音交互过程中的异常状况，提升用户体验。
图7是本发明一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如程序。所述处理器70执行所述计算机程序72时实现上述各个方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块61至63的功能。
示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线、显示器等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元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单元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，也可以采用软件功能单元的形式实现。
所述集成的模块/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。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述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，均应包含在本发明的保护范围之内。
Claims (10)
1.一种语音交互方法，其特征在于，包括：
在自动交互模式下获取用户输入的语音信息，并对所述语音信息进行识别；
判定识别结果是否符合预设模式切换条件；
若所述识别结果符合所述预设模式切换条件，则将语音交互模式切换到人工交互模式；所述语音交互模式包括所述自动交互模式和所述人工交互模式。
2.如权利要求1所述的语音交互方法，其特征在于，所述判定识别结果是否符合预设模式切换条件包括：
查找所述语音信息对应的文本信息中是否包含预设文本敏感词；和/或，
查找所述语音信息对应的语义信息中是否包含预设语义敏感词。
3.如权利要求1所述的语音交互方法，其特征在于，所述若所述识别结果符合所述预设模式切换条件，则将语音交互模式切换到人工交互模式包括：
若所述识别结果符合所述预设模式切换条件，则向监控终端发送模式切换请求；
在接收到所述监控终端发送的第一模式切换指令后，将语音交互模式切换到人工交互模式。
4.如权利要求3所述的语音交互方法，其特征在于，所述向监控终端发送模式切换请求包括：
向所述监控终端发送模式切换请求及语音交互过程信息；所述语音交互过程信息用于指示所述监控终端播放所述语音交互过程信息，所述模式切换请求用于指示所述监控终端在接收到服务人员输入的第一模式切换指令后返回所述第一模式切换指令。
5.如权利要求1所述的语音交互方法，其特征在于，还包括：
在所述自动交互模式下获取用户图像，并对所述用户图像进行人脸识别，得到用户的情绪信息；
判定所述情绪信息是否符合预设模式切换条件；
若所述情绪信息符合所述预设模式切换条件，则将语音交互模式切换到所述人工交互模式。
6.如权利要求1所述的语音交互方法，其特征在于，还包括：
在所述人工交互模式下，将用户输入的语音信息发送到监控终端，以使所述监控终端播放所述语音信息，并在接收到服务人员输入对所述语音信息的回复信息后返回所述回复信息；
接收所述监控终端返回的回复信息，并将所述回复信息进行语音播放。
7.如权利要求6所述的语音交互方法，其特征在于，还包括：
在所述人工交互模式下，将采集到的用户图像发送到所述监控终端。
8.如权利要求1至7任一项所述的语音交互方法，其特征在于，还包括：
在所述人工交互模式下，若接收到监控终端发送的第二模式切换指令，则将所述语音交互模式切换到所述自动交互模式。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一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，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8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087112.XA CN109036413A (zh) | 2018-09-18 | 2018-09-18 | 语音交互方法及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087112.XA CN109036413A (zh) | 2018-09-18 | 2018-09-18 | 语音交互方法及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109036413A true CN109036413A (zh) | 2018-12-18 |
Family
ID=64616781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811087112.XA Pending CN109036413A (zh) | 2018-09-18 | 2018-09-18 | 语音交互方法及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109036413A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349577A (zh) * | 2019-06-19 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 人机交互方法、装置、存储介质及电子设备 |
| CN111540358A (zh) * | 2020-04-26 | 2020-08-14 | 云知声智能科技股份有限公司 | 人机交互方法、装置、设备和存储介质 |
| CN112700781A (zh) * | 2020-12-24 | 2021-04-23 | 江西台德智慧科技有限公司 | 一种基于人工智能的语音交互*** |
| CN112860877A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 客服作业处理方法、装置、电子设备及存储介质 |
| CN112918381A (zh) * | 2019-12-06 | 2021-06-08 | 广州汽车集团股份有限公司 | 一种车载机器人迎送宾方法、装置及*** |
| CN114567692A (zh) * | 2022-02-10 | 2022-05-31 | 上清童子(北京)投资顾问有限公司 | 一种人工智能便携式移动电话 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104202491A (zh) * | 2014-09-25 | 2014-12-10 | 北京橙鑫数据科技有限公司 | 客服电话处理方法及装置 |
| CN105701088A (zh) * | 2016-02-26 | 2016-06-22 | 北京京东尚科信息技术有限公司 | 从机器对话切换到人工对话的方法和装置 |
| CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
-
2018
- 2018-09-18 CN CN201811087112.XA patent/CN109036413A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104202491A (zh) * | 2014-09-25 | 2014-12-10 | 北京橙鑫数据科技有限公司 | 客服电话处理方法及装置 |
| CN105701088A (zh) * | 2016-02-26 | 2016-06-22 | 北京京东尚科信息技术有限公司 | 从机器对话切换到人工对话的方法和装置 |
| CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349577A (zh) * | 2019-06-19 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 人机交互方法、装置、存储介质及电子设备 |
| CN112918381A (zh) * | 2019-12-06 | 2021-06-08 | 广州汽车集团股份有限公司 | 一种车载机器人迎送宾方法、装置及*** |
| CN112918381B (zh) * | 2019-12-06 | 2023-10-27 | 广州汽车集团股份有限公司 | 一种车载机器人迎送宾方法、装置及*** |
| CN111540358A (zh) * | 2020-04-26 | 2020-08-14 | 云知声智能科技股份有限公司 | 人机交互方法、装置、设备和存储介质 |
| CN112700781A (zh) * | 2020-12-24 | 2021-04-23 | 江西台德智慧科技有限公司 | 一种基于人工智能的语音交互*** |
| CN112700781B (zh) * | 2020-12-24 | 2022-11-11 | 江西台德智慧科技有限公司 | 一种基于人工智能的语音交互*** |
| CN112860877A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 客服作业处理方法、装置、电子设备及存储介质 |
| CN112860877B (zh) * | 2021-03-31 | 2024-02-02 | 中国工商银行股份有限公司 | 客服作业处理方法、装置、电子设备及存储介质 |
| CN114567692A (zh) * | 2022-02-10 | 2022-05-31 | 上清童子(北京)投资顾问有限公司 | 一种人工智能便携式移动电话 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109036413A (zh) | 语音交互方法及终端设备 | |
| CN109065035A (zh) | 信息交互方法及装置 | |
| CN108447480B (zh) | 智能家居设备控制的方法、智能语音终端和网络设备 | |
| CN105592237B (zh) | 一种会话切换的方法、装置及智能客服机器人 | |
| CN108874895B (zh) | 交互信息推送方法、装置、计算机设备及存储介质 | |
| CN109240111A (zh) | 智能家居控制方法、装置、***及智能网关 | |
| CN111783439B (zh) | 人机交互对话处理方法、装置、计算机设备及存储介质 | |
| CN108646580A (zh) | 控制对象的确定方法及装置、存储介质、电子装置 | |
| CN110010125A (zh) | 一种智能机器人的控制方法、装置、终端设备及介质 | |
| CN105446146A (zh) | 基于语义分析的智能终端控制方法、***及智能终端 | |
| CN105100360A (zh) | 用于语音通话的通话辅助方法和装置 | |
| CN109450745A (zh) | 信息处理方法、装置、智能控制***以及智能网关 | |
| CN110019716A (zh) | 多轮问答方法、终端设备以及存储介质 | |
| CN108038243A (zh) | 音乐推荐方法、装置、存储介质及电子设备 | |
| CN109271503A (zh) | 智能问答方法、装置、设备及存储介质 | |
| CN110019731A (zh) | 智能交互方法、装置、终端设备及存储介质 | |
| CN108961267A (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN113011159A (zh) | 人工座席监听方法、装置、电子设备及存储介质 | |
| CN107577677A (zh) | 一种统一语音播放的翻译装置 | |
| CN110866392A (zh) | 一种用于策略控制的***及其策略控制方法 | |
| CN110334198A (zh) | 机器人智能服务方法、***及终端设备 | |
| CN106802941B (zh) | 一种答复信息的生成方法和设备 | |
| CN113132214B (zh) | 一种对话方法、装置、服务器及存储介质 | |
| CN110047486A (zh) | 语音控制方法、装置、服务器、***及存储介质 | |
| CN116521832A (zh) | 对话交互方法、装置及***、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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |