[发明专利]语音交互方法、系统、电子设备及存储介质

说明书

本发明实施例涉及语音交互技术领域，公开了一种语音交互方法、系统、电子设备及存储介质，语音交互方法包括：获取语音信号经自动语音识别ASR处理后得到的文本信息，其中，语音信号为从环境中获取的声音信号；对文本信息进行特征提取，得到文本信息的特征向量；将特征向量输入训练好的无意义文本识别模型，根据无意义文本识别模型的输出结果判断文本信息是否为无意义文本，其中，无意义文本为不符合常规表达方式的文本；若文本信息不是无意义文本，在利用训练好的应答判断模型检测到需要对文本信息进应答后，对文本信息进行应答。使得在不需要提升ASR处理精度的情况下能够避免电子设备乱回答、不停回答的现象，提升嘈杂环境下的应答效果。

技术领域

本发明实施例涉及语音交互技术领域，特别涉及一种语音交互方法、系统、电子设备及存储介质。

背景技术

语音交互通常是机器人等电子设备从环境中获取语音信号后，利用自动语音识别(Automatic Speech Recognition，ASR)处理将语音信号转换为文本信息，然后对文本信息进行自然语言理解(Natural Language Processing，NLU)处理，获取文本信息中包含的意图并确定与该意图相对应的应答内容，然后通过文本转语音(Text To Speech，TTS)处理将应答内容从文本转换到语音，最终输出语音，完成语音交互。由于NLU处理和TTS处理都是基于ASR处理得到的文本信息进行的，因此，ASR处理结果的效果会直接影响语音交互的应答效果。而在实际的应用场景中，进行语音交互时所处的环境通常比较嘈杂，不可避免存在噪声等干扰，尤其是在公共环境，如机场、医院等场景，所处环境中的声音更嘈杂，干扰更大。在嘈杂环境下，获取的语音信号将包括很多背景噪音，例如周围人的聊天信息、环境噪音等，进而通过ASR处理将语音信号转化为文本信息时会同时将背景噪声转化为文本信息，导致ASR处理效果不好，出现电子设备乱回答、不停回答的问题。一种可行的解决办法是不断提高ASR处理的准确率和精度以减少噪音输入。

然而，从现有的精度、准确度较高的ASR模型的处理结果来看，仍然不能解决电子设备乱回答、不停回答的问题，继续提高ASR处理的精度和准确度也很困难，因此，亟需提供一种新的语音交互方法来避免电子设备乱回答、不停回答的现象，提升嘈杂环境下的应答效果。

发明内容

本发明实施例的目的在于提供一种语音交互方法、系统、电子设备及存储介质，使得在不需要提升ASR处理精度和准确度的情况下能够避免电子设备乱回答、不停回答的现象，提升嘈杂环境下的应答效果。

为达到上述目的，本发明的实施例提供了一种语音交互方法，包括以下步骤：获取语音信号经自动语音识别ASR处理后得到的文本信息，其中，所述语音信号为从环境中获取的声音信号；对所述文本信息进行特征提取，得到所述文本信息的特征向量；将所述特征向量输入训练好的无意义文本识别模型，根据所述无意义文本识别模型的输出结果判断所述文本信息是否为无意义文本，其中，所述无意义文本为不符合常规表达方式的文本；若所述文本信息不是所述无意义文本，在利用训练好的应答判断模型检测到需要对所述文本信息进应答后，对所述文本信息进行应答。

本发明的实施方式还提供了一种语音交互系统，包括：获取模块，用于获取语音信号经自动语音识别ASR处理后得到的文本信息，其中，所述语音信号为从环境中获取的声音信号；特征提取模块，用于对所述文本信息进行特征提取，得到所述文本信息的特征向量；意义判断模块，用于将所述特征向量输入训练好的无意义文本识别模型，根据所述无意义文本识别模型的输出结果判断所述文本信息是否为无意义文本，其中，所述无意义文本为不符合常规表达方式的文本；应答模块，用于若所述文本信息不是所述无意义文本，在利用训练好的应答判断模型检测到需要对所述文本信息进应答后，对所述文本信息进行应答。

为实现上述目的，本发明的实施例还提供了一种电子设备，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以上所述的语音交互方法。