[发明专利]多语种语音交互方法和装置

说明书

本发明公开一种多语种语音交互方法和装置，其中，多语种语音交互方法，包括：响应于获取的音频，将所述音频送入混合语言模型进行识别，其中，所述混合语言模型中训练了多种语种的切换语种命令词并存储在本地；基于所述识别结果，判断所述音频中是否存在切换语种命令词；若存在切换语种命令词，基于所述切换语种命令词确定切换后的语种；基于所述切换后的语种设置在线默认语言模型并将所述在线默认语言模型同步至服务端，其中，所述服务端包括多种单一语言模型。通过在客户端使用切换语种命令词的混合语言模型和在服务端使用多个单一语言模型，从而可以实现降低了训练混合语言模型的昂贵费用，提升了语音交互的稳定性。

技术领域

本发明属于语音交互领域，尤其涉及多语种语音交互方法和装置。

背景技术

目前市面上有语音识别(Automatic Speech Recongnition，ASR)、自然语言处理（Natural Language Processing, NLP）、对话管理（Dialogue Manage, DM）等单项技术，提供语音交互的基础能力。

语音识别主要是将人所发出的语音内容转换为可供计算机读入的文本信息，其具有两种工作模式：识别模式和命令模式。语音识别程序的实现也会根据两种模式的不同而采用不同类型的程序。识别模式的工作原理是：引擎系统在后台直接给出一个词库和识别模板库，任何系统都不需要再进一步对识别语法进行改动，只需要根据识别引擎提供的主程序源代码进行改写就可以了。命令模式相对来说实现起来比较困难，词典必须要由程序员自己编写，然后再进行编程，最后还要根据语音词典进行处理和更正。识别模式与命令模式最大的不同就是，程序员要根据词典内容进行代码的核对与修改。

自然语言处理，是实现人机间自然语言通信的重要手段，其包括两个部分，自然语言理解（Natural Language Understanding，NLU）和自然语言生成（Natural LanguageGeneration，NLG），即能使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等。自然语言理解是建立一种计算机模型，自然语言理解以语言学为基础，融合逻辑学、心理学和计算机科学等学科，试图解决以下问题：语言究竟是怎样组织起来传输信息的，人又是怎样从一连串的语言符号中获取信息的，换种表达就是，通过语法、语义、语用的分析，获取自然语言的语义表示，理解自然语言文本所表达的意图。而自然语言生成是人工智能和计算语言学的分支，相应的语言生成系统是基于语言信息处理的计算机模型，其工作过程与自然语言分析相反，是从抽象的概念层次开始，通过选择并执行一定的语义和语法规则来生成文本。

发明内容

本发明实施例提供一种多语种语音交互方法及装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种多语种语音交互方法，用于客户端，包括：响应于获取的音频，将所述音频送入混合语言模型进行识别，其中，所述混合语言模型中训练了多种语种的切换语种命令词并存储在本地；基于所述识别结果，判断所述音频中是否存在切换语种命令词；若存在切换语种命令词，基于所述切换语种命令词确定切换后的语种；基于所述切换后的语种设置在线默认语言模型并将所述在线默认语言模型同步至服务端，其中，所述服务端包括多种单一语言模型。

第二方面，本发明实施例提供一种多语种语音交互方法，用于服务端，包括：响应于获取的音频，将所述音频送入第一单一语言模型进行识别，其中，所述服务端训练了多个单一语言模型；对所述识别结果进行后续处理，其中，所述后续处理包括语义处理和对话处理。