[发明专利]一种语音交互方法以及语音交互系统

权利要求书

1.一种语音交互方法，其特征在于，包括：

预处理步骤，对输入的语音信息进行预处理并输出第一语音段和第二语音段；

语义识别步骤，对所述预处理步骤输出的所述第一语音段进行语义识别并输出语义信息；

性别分类步骤，对所述预处理步骤输出的所述第二语音段识别出用户性别并输出性别信息；以及

融合处理步骤，融合所述性别信息和所述语义信息而获得对于所述语音信息的个性化回复信息，

其中，所述预处理步骤中，对于所述输入语音信息，使用端点检测算法进行语音段的检测并输出提供给所述语义识别步骤的所述第一语音段以及提供给所述性别分类步骤的所述第二语音段，

其中，所述第一语音段与所述第二语音段不同，其中，提供所述第一语音段以使得保留完整的文本信息并且提供所述第二语音段使得剔除所有的无音，而且，所述第二语音段的端点检测边界比所述第一语音段的端点检测边界更加严格。

2.如权利要求1所述的语音交互方法，其特征在于，所述性别分类步骤包括：

模型训练子步骤，基于滤波器的输出声学特征以及预先标注的性别信息进行长短时记忆模型训练获得长短时记忆模型；以及

性别分类子步骤，将所述语音段输入到经过训练获得的长短时记忆模型并输出性别分类。

3.如权利要求2所述的语音交互方法，其特征在于，所述模型训练子步骤包括：

准备具有性别标注的训练集；

提取所述训练集的滤波器的输出声学特征；

构造滤波器的输出声学特征对应的标注文件；以及

将所述滤波器的输出声学特征以及所述标注文件输入到长短时记忆模型中进行模型训练直至模型收敛。

4.如权利要求2所述的语音交互方法，其特征在于，所述性别分类子步骤包括：

将所述语音段输入到经过训练获得的长短时记忆模型中；

进行向前计算获得不同分类性别的后验概率；以及

累计规定时间长的后验概率而获得性别分类结果。

5.一种语音交互系统，其特征在于，包括：

预处理模块，用于对输入的语音信息进行预处理并输出第一语音段和第二语音段；

语义识别模块，用于对所述预处理模块输出的所述第一语音段进行语义识别并输出语义信息；

性别分类模块，用于对所述预处理模块输出的所述第二语音段进行性别分类，识别出用户性别并输出性别信息；以及

融合处理模块，用于融合所述性别信息和所述语义信息获得对于所述语音信息的个性化回复信息，

其中，在所述预处理模块中，对于所述输入语音信息，使用端点检测算法进行语音段的检测并输出提供给所述语义识别模块的所述第一语音段以及提供给所述性别分类模块的所述第二语音段，

其中，所述第一语音段与所述第二语音段不同，其中，提供所述第一语音段以使得保留完整的文本信息并且提供所述第二语音段使得剔除所有的无音，而且，所述第二语音段的端点检测边界比所述第一语音段的端点检测边界更加严格。

6.如权利要求5所述的语音交互系统，其特征在于，所述性别分类模块包括：

模型训练子模块,用于基于滤波器的输出声学特征以及预先标注的性别信息进行长短时记忆模型训练获得长短时记忆模型；以及

性别分类子模块，用于将所述语音段输入到经过训练获得的长短时记忆模型并输出性别分类。

7.如权利要求6所述的语音交互系统，其特征在于，

所述模型训练子模块基于具有性别标注的训练集，提取所述训练集的滤波器的输出声学特征，构造滤波器的输出声学特征对应的标注文件，将所述滤波器的输出声学特征以及所述标注文件输入长短时记忆模型中进行模型训练直至模型收敛。

8.如权利要求5所述的语音交互系统，其特征在于，所述性别分类子模块将所述语音段输入到经过训练获得的长短时记忆模型，经过向前计算获得不同分类性别的后验概率并且累计规定时间长的后验概率以获得性别分类结果。