一种人工智能语音的交互方法与流程

本发明涉及语音交互，具体涉及一种人工智能语音的交互方法。

背景技术：

人工智能(artificialintelligence)，英文缩写为ai，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的站在人类智能的角度做出反应的智能机器，该领域的研究包括机器人、语音交互、图像识别、自然语言处理和专家系统等。其中，人工智能最重要的方面就是语音交互技术。

随着人工智能技术的快速发展，应用人工智能技术的各种智能交互设备应运而生，以方便人们的工作或生活。例如，具有语音交互功能的智能交互设备可以采集并识别用户的实时语音，并基于实时语音的识别结果进行响应，以达到人机交互目的。

然而，现有的语音交互方法不能根据语音发出源距离声音采集设备的距离对语音信号进行适配的信号增强，同时只能针对单一语种进行语音交互。此外，现有的语音交互设备进行语音交互不够准确，经常出现“答非所问”的情况，导致用户的使用兴趣程度下降。

技术实现要素：

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种人工智能语音的交互方法，能够有效克服现有技术所存在的不能对语音信号进行适配的信号增强、只能针对单一语种进行语音交互、语音交互不够准确的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种人工智能语音的交互方法，包括以下步骤：

s1、采集语音信号，并对采集到的语音信号进行采集模式判定；

s2、根据采集模式对采集到的语音信号进行信号增强；

s3、对语种判断模型、语义判断模型分别进行训练，并将增强语音信号输入语种判断模型、语义判断模型；

s4、将语义判断模型的分析判断结果转换为文本数据，并将文本数据输入智能应答模型；

s5、将智能应答模型输出的应答文本转换为应答信号输出。

优选地，所述语音信号的采集设备包括近距离声音采集设备、远距离声音采集设备，所述近距离声音采集设备采集到的语音信号为近距离语音信号，所述远距离声音采集设备采集到的语音信号为远距离语音信号。

优选地，所述对采集到的语音信号进行采集模式判定，包括：

计算近距离语音信号的第一总功率、远距离语音信号的第二总功率，根据第一总功率、第二总功率的比值判定采集模式；

若第一总功率、第二总功率的比值大于阈值，则判定语音信号的采集模式为近距离采集模式，否则判定语音信号的采集模式为远距离采集模式；

其中，第一总功率为近距离声音采集设备采集到语音信号的功率之和，第二总功率为远距离声音采集设备采集到语音信号的功率之和。

优选地，当判定语音信号的采集模式为近距离采集模式时，所述根据采集模式对采集到的语音信号进行信号增强，包括：

确定语音信号相对于远距离声音采集设备的方向；

根据相对方向对语音信号做波束形成，得到零陷波束；

将零陷波束作为噪声参考，对语音信号进行降噪获得增强语音信号。

优选地，当判定语音信号的采集模式为远距离采集模式时，所述根据采集模式对采集到的语音信号进行信号增强，包括：

通过波束形成、噪声抑制和自动增益控制中的至少一种方法，对语音信号进行降噪获得增强语音信号。

优选地，所述对语种判断模型、语义判断模型分别进行训练，包括：

分别建立多个语种对应音素特征、发音特征的第一样本训练集，并将各语种对应的第一样本训练集分别输入语种判断模型进行训练；

分别建立多个语种对应语义的第二样本训练集，并将各语种对应的第二样本训练集分别输入语义判断模型进行训练。

优选地，所述将增强语音信号输入语种判断模型、语义判断模型，包括：

先将增强语音信号输入语种判断模型，由语种判断模型判断增强语音信号对应的语种，再将增强语音信号输入与该语种对应的语义判断模型，由语义判断模型对增强语音信号进行语义分析判断。

优选地，所述将文本数据输入智能应答模型之前，需要对智能应答模型进行训练，包括：

建立文本数据对应应答文本的第三样本训练集，将第三样本训练集输入智能应答模型进行训练。

优选地，训练好的所述智能应答模型在输入文本数据后，还包括：

实时获取与交互环境对应的实时样本数据，根据实时样本数据，采用统计学习算法、机器学习算法、深度学习算法中的一种或多种，实时优化智能应答模型。

优选地，所述将智能应答模型输出的应答文本转换为应答信号输出后，包括：

对应答信号进行检测，若应答信号正常输出，则通过语音输出设备输出应答信号完成语音交互；否则，输出异常报警信号。

(三)有益效果

与现有技术相比，本发明所提供的一种人工智能语音的交互方法，能够根据语音发出源距离声音采集设备的距离对语音信号进行适配的信号增强，以保证后续智能应答交互的准确性；通过语种判断模型能够准确判断语音信号所属语种，通过语义判断模型能够准确判断语音信号的语义，从而能够针对不同类型的语种进行语音交互，便于使用；通过训练智能应答模型，使得智能应答模型能够在输入文本数据后能够准确输出应答文本，保证语音交互的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明语音交互的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种人工智能语音的交互方法，如图1所示，采集语音信号，并对采集到的语音信号进行采集模式判定。

语音信号的采集设备包括近距离声音采集设备、远距离声音采集设备，近距离声音采集设备采集到的语音信号为近距离语音信号，远距离声音采集设备采集到的语音信号为远距离语音信号。

对采集到的语音信号进行采集模式判定，包括：

计算近距离语音信号的第一总功率、远距离语音信号的第二总功率，根据第一总功率、第二总功率的比值判定采集模式；

若第一总功率、第二总功率的比值大于阈值，则判定语音信号的采集模式为近距离采集模式，否则判定语音信号的采集模式为远距离采集模式；

其中，第一总功率为近距离声音采集设备采集到语音信号的功率之和，第二总功率为远距离声音采集设备采集到语音信号的功率之和。

当判定语音信号的采集模式为近距离采集模式时，根据采集模式对采集到的语音信号进行信号增强，包括：

确定语音信号相对于远距离声音采集设备的方向；

根据相对方向对语音信号做波束形成，得到零陷波束；

将零陷波束作为噪声参考，对语音信号进行降噪获得增强语音信号。

当判定语音信号的采集模式为远距离采集模式时，根据采集模式对采集到的语音信号进行信号增强，包括：

通过波束形成、噪声抑制和自动增益控制中的至少一种方法，对语音信号进行降噪获得增强语音信号。

对语种判断模型、语义判断模型分别进行训练，并将增强语音信号输入语种判断模型、语义判断模型。

对语种判断模型、语义判断模型分别进行训练，包括：

分别建立多个语种对应音素特征、发音特征的第一样本训练集，并将各语种对应的第一样本训练集分别输入语种判断模型进行训练；

分别建立多个语种对应语义的第二样本训练集，并将各语种对应的第二样本训练集分别输入语义判断模型进行训练。

将增强语音信号输入语种判断模型、语义判断模型，包括：

先将增强语音信号输入语种判断模型，由语种判断模型判断增强语音信号对应的语种，再将增强语音信号输入与该语种对应的语义判断模型，由语义判断模型对增强语音信号进行语义分析判断。

将语义判断模型的分析判断结果转换为文本数据，并将文本数据输入智能应答模型，将智能应答模型输出的应答文本转换为应答信号输出。

将文本数据输入智能应答模型之前，需要对智能应答模型进行训练，包括：

建立文本数据对应应答文本的第三样本训练集，将第三样本训练集输入智能应答模型进行训练。

训练好的智能应答模型在输入文本数据后，还包括：

实时获取与交互环境对应的实时样本数据，根据实时样本数据，采用统计学习算法、机器学习算法、深度学习算法中的一种或多种，实时优化智能应答模型。

本申请技术方案中，通过结合实时交互环境对应的实时样本数据，对训练好的智能应答模型进行优化，能够提高智能应答模型进行语音交互的准确性。智能应答模型在输入文本数据后，通过提取关键字的方式与第三样本训练集中的文本数据进行对比，来判断采用合适的应答文本。

将智能应答模型输出的应答文本转换为应答信号输出后，包括：

对应答信号进行检测，若应答信号正常输出，则通过语音输出设备输出应答信号完成语音交互；否则，输出异常报警信号。

以上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，并不会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。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除