语音交互的方法、装置、电子设备和计算机可读介质与流程

本申请涉及通讯，尤其涉及一种语音交互的方法、装置、电子设备和计算机可读介质。

背景技术：

1、语音系统是基于呼叫中心、自动语音识别(automatic speech recognition，asr)、文字转语音(text to speech，tts)、自然语言处理(natural language processing，nlp)及内容等实现的一种人工智能(artificial intelligence，ai)机器人与用户进行语音沟通的系统，语音系统可以用于呼叫用户即外呼，也可以用户接听用户来电。ai机器人可以自动应答用户提出的问题，节省了大量人力资源，提高沟通效率，可以应用于用户服务、电话营销、电话客服、来电服务等场景。

2、由于ai机器人每次应答时都需要等待用户说话结束后再进行asr、nlp及内容的处理，最后通过tts得到反馈给用户的语音文件，将语音文件播报给用户，中间过程多、响应时间长，导致用户每次说话后都会产生较长的等待时间，用户的对话体验较差。

技术实现思路

1、本申请实施例的目的是提供一种语音交互的方法、装置、电子设备和计算机可读介质，能够减少智能语音交互时用户的等待时间。

2、为解决上述技术问题，本申请实施例是通过以下各方面实现的。

3、一方面，本申请实施例提供了一种语音交互的方法，包括：获取目标用户语音的备选回复音频；将目标用户语音转换为目标用户文本；在所述目标用户语音的停顿时长大于或等于第一时长并小于第二时长的情况下，根据所述目标用户文本，确定目标用户意图；在所述备选回复音频中存在与所述目标用户意图对应的目标回复音频且所述停顿时长达到第二时长的情况下，向所述目标用户回复所述目标回复音频，所述第二时长大于所述第一时长。

4、一方面，本申请实施例提供了一种语音交互的装置，包括：获取模块，用于获取目标用户语音的备选回复音频；语音转换模块，用于将目标用户语音转换为目标用户文本；意图识别模块，用于在所述目标用户语音的停顿时长大于或等于第一时长并小于第二时长的情况下，根据所述目标用户文本，确定目标用户意图；回复模块，用于在所述备选回复音频中存在与所述目标用户意图对应的目标回复音频且所述停顿时长达到第二时长的情况下，向所述目标用户回复所述目标回复音频，所述第二时长大于所述第一时长。

5、一方面，本申请实施例提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现上述第一方面所述的语音交互的方法。

6、一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现上述第一方面所述的语音交互的方法。

7、在本申请实施例中，通过获取目标用户语音的备选回复音频；将目标用户语音转换为目标用户文本；在所述目标用户语音的停顿时长大于或等于第一时长并小于第二时长的情况下，根据所述目标用户文本，确定目标用户意图；在所述备选回复音频中存在所述目标用户意图对应的目标回复音频且所述停顿时长达到第二时长的情况下，向所述目标用户回复所述目标回复音频，所述第二时长大于所述第一时长，在进行目标用户语音时能够提前获取目标用户语音关联的备选回复音频，在所述目标用户语音的停顿时长大于或等于第一时长时，识别目标用户意图从所述备选回复音频中确定目标回复音频，而无需等到停顿时长达到第二时长时再确定目标用户意图并生成目标回复音频，能够减少智能语音交互时用户的等待时间。

技术特征：

1.一种语音交互的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取目标用户语音的备选回复音频，包括：

3.根据权利要求2所述的方法，其特征在于，在所述获取目标用户语音的备选回复音频之后，还包括：

4.根据权利要求2所述的方法，其特征在于，所述备选标识信息还包括：历史用户语音中的第一信息，所述确定所述目标用户语音的备选标识信息对应的备选回复文本，包括：

5.根据权利要求4所述的方法，其特征在于，所述备选标识信息还包括：所述目标用户文本中的第二信息，所述确定所述目标用户语音的备选标识信息对应的备选回复文本，包括：

6.根据权利要求3所述的方法，其特征在于，在向所述目标用户回复所述目标回复音频之前，还包括：

7.根据权利要求6所述的方法，其特征在于，在所述备选回复音频中不存在所述目标回复音频的情况下，基于所述目标回复文本，生成所述目标回复音频。

8.根据权利要求2所述的方法，其特征在于，所述确定所述目标用户语音的备选标识信息对应的备选回复文本，包括：

9.根据权利要求1所述的方法，其特征在于，在所述目标用户语音发生多次停顿的情况下，所述目标用户语音的结束时刻为多个，多个所述结束时刻对应多个所述目标用户文本，所述目标用户意图是根据结束时刻靠后的第二用户文本确定的；

10.一种语音交互的系统，其特征在于，包括：服务器和终端；

11.一种电子设备，其特征在于，包括：

12.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至9中任一项所述的语音交互的方法。

技术总结
本申请提供了一种语音交互的方法，所述方法包括：获取目标用户语音的备选回复音频；将目标用户语音转换为目标用户文本；在所述目标用户语音的停顿时长大于或等于第一时长并小于第二时长的情况下，根据所述目标用户文本，确定目标用户意图；在所述备选回复音频中存在与所述目标用户意图对应的目标回复音频且所述停顿时长达到第二时长的情况下，向所述目标用户回复所述目标回复音频，所述第二时长大于所述第一时长。

技术研发人员：叶启松
受保护的技术使用者：马上消费金融股份有限公司
技术研发日：
技术公布日：2024/5/6