[发明专利]控制方法、语音交互装置、语音识别服务器、存储介质和控制系统

说明书

本发明涉及控制方法、语音交互装置、语音识别服务器、存储介质和控制系统。所述控制装置包括：计算单元，其被配置成控制包括话语区间检测器的语音交互装置，其被配置成通过设置的识别等级识别所获取的语音是否包括由对象者发出的话语，并且执行话语区间检测，其中，当从语音识别服务器中已经获取到指示对象者发出的话语很可能被包括在所获取的语音中的估计结果时，计算单元指令语音交互装置以使得降低话语区间检测器的识别等级的方式改变设置，并根据改变之后的识别等级通过话语区间检测与语音识别服务器执行通信。

技术领域

本公开涉及一种控制装置、语音交互装置、语音识别服务器和存储介质。

背景技术

已知语音交互系统，其用于分析作为对话伙伴的对象者(用户)发出的话语，掌握话语的含义和内容，根据话语的类型生成响应，并且通过语音或文本将响应呈现给对象者。日本未经审查的专利申请特开No.2018-109663公开该语音交互系统中的技术，其中，包括对象者发出的话语在内的语音数据从本地侧发送到服务器侧，并且服务器侧执行语音识别并将语音识别的结果发回本地侧。

发明内容

为了在日本未审查专利申请特开No.2018-109663等中公开的语音交互系统中在服务器侧执行语音识别，需要在本地侧与服务器侧之间执行通信。当语音交互系统与处于诸如噪声很大的户外等环境中的对象者执行会话时，除了对象者发出的话语之外，大量的噪声也被收集。当收集到的语音数据不断地从本地发送到服务器端并且服务器端执行语音识别时，在对象者发出话语的情况下无意义的噪声被发送到服务器端，这导致通信成本和电力消耗被浪费地增加。

考虑到上述情况，用于在本地侧上执行话语区间的检测、发送收集的语音当中的其中估计对象者正在讲话的区间中的语音数据、并且在服务器端上对上面的区间中的语音执行语音识别的相应技术的开发已正在进步。但是，因为检测话语区间的精度不够高，所以如果噪声音量大，则有可能无法成功地执行对象者发出的话语和噪声的识别。因此，当执行话语区间的检测并且将语音发送到服务器侧的时间段受到限制时，由对象者的发出的话语中的一些可能缺少发送到服务器侧的语音数据或全部对象者发出的话语可能被错误地识别为噪音，并且因此可能被发送到服务器端。考虑到这些情况，当执行话语区间的检测并且限制在其期间将语音发送到服务器侧的时间段时，这引起语音识别的准确性降低的问题。

鉴于上述情况做出本公开，并且本公开旨在提供一种语音交互装置的控制装置、语音交互装置、语音识别服务器以及程序，其能够提高语音识别的准确性同时避免浪费地增加通信成本和电力消耗。

根据本公开的一个实施例的控制装置包括：计算单元，该计算单元被配置成控制包括话语区间检测器的语音交互装置，该话语区间检测器被配置成通过设置的识别等级识别所获取的语音是否包括由对象者发出的话语，并且执行话语区间检测，其中，当从语音识别服务器中已经获取到指示对象者发出的话语很可能被包括在所获取的语音中的估计结果时，计算单元指令语音交互装置以使得降低话语区间检测器的识别等级的方式改变设置，并根据改变之后的识别等级通过话语区间检测与语音识别服务器执行通信。

在对象者开始发出话语后，会话持续一段时间是正常的。即，当语音交互装置已经从语音识别服务器获取指示对象者发出的话语很可能被包括在获取的语音中的估计结果时，可以认为会话将继续一段时间。因此，如果当语音交互装置已经从语音识别服务器获取估计结果时将话语区间检测的识别等级设置为高，则有可能没有收集到对象者发出的话语。因此，当语音交互装置已经从语音识别服务器获取估计结果时，降低话语区间检测器的识别等级，以降低可能无法收集对象者发出的话语的可能性。根据此过程，可以提高语音识别服务器中语音识别的准确性。另一方面，当语音交互装置未从语音识别服务器获取估计结果时，话语区间检测器的识别等级的设置没有被改变。因此，可以在维持话语区间检测器中的原始识别等级的同时，防止话语区间检测继续进行，并且防止无意义的噪声被发送到语音识别服务器。因此，可以防止浪费地增加通信成本和电力消耗。