[发明专利]语音预测方法、装置、电子设备和存储介质

说明书

本申请具体公开了一种语音预测方法、装置、电子设备和存储介质，其中，预测方法包括：对用户当前时刻的语音信息进行检测，得到当前时刻的语音信息包含的目标短语，其中，当前时刻的语音信息包括多个语音帧；将多个语音帧中目标短语对应的语音帧作为当前帧，并提取当前帧和当前帧的前k帧语音帧，得到k+1帧语音帧，其中，k为大于或等于1的整数；分别对k+1帧语音帧中的每个语音帧进行特征提取，得到k+1个语音特征，其中，k+1个语音特征与k+1帧语音帧一一对应；根据k+1个语音特征建立拓扑关系图；根据拓扑关系图预测用户下一时刻的语音信息中的关键词，并根据关键词在预设的回复语音数据库中确定与下一时刻的语音信息对应的回复语音。

技术领域

本发明涉及语音交互技术领域，具体涉及一种语音预测方法、装置、电子设备和存储介质。

背景技术

目前语音处理领域主要利用卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)结构推理生成语音信息。通常是在接收完用户在当前时刻的语音信息后，对该语音信息进行分析，再得出对当前时刻语音信息的回复。例如，传统的客户服务系统通常是在客户说完话之后，再对客户输入的语音信息进行处理，做出相应的应答。可以看出，这个处理过程需要客户花费一定时间等待，如果客户一次说的话较长，就更加剧了这种不利影响，从而给客户带来较差的服务体验。基于此，传统的语音处理方法在生成语音时难以将当前时间点之前较长范围时间内的语音信息直接反应到之后时间段的语音中，而采用记忆模型又对系统算力提出更高要求。

而人类说的话在时间上一般是具有一定的逻辑的，即前后具有一定的相关性。因此，人类在日常生活的交流中，通常可以通过别人已经说过的话或做过的动作猜想他接下来会说什么，会做什么，从而可以提前为之后的交流做好准备，这是人类基本的应激反应和能力。

基于此，在语音处理时，如何针对当前时刻之前的一段时间内的对话信息，对下一时刻可能会出现的对话进行预测，是目前亟待解决的问题。

发明内容

为了解决现有技术中存在的上述问题，本申请实施方式提供了一种语音预测方法、装置、电子设备和存储介质，可以基于用户当前输入的语音信息，对用户在下一时刻可能说的话进行预测，从而提前准备好相应的答复，相对于传统语音处理方法，具有交互效率高、交互等待时间少等优点。

第一方面，本申请的实施方式提供了一种语音预测方法，包括：

对用户当前时刻的语音信息进行检测，得到当前时刻的语音信息包含的目标短语，其中，当前时刻的语音信息包括多个语音帧；

将多个语音帧中目标短语对应的语音帧作为当前帧，并提取当前帧和当前帧的前k帧语音帧，得到k+1帧语音帧，其中，k为大于或等于1的整数；

分别对k+1帧语音帧中的每个语音帧进行特征提取，得到k+1个语音特征，其中，k+1个语音特征与k+1帧语音帧一一对应；

根据k+1个语音特征建立拓扑关系图；

根据拓扑关系图预测用户下一时刻的语音信息中的关键词，并根据关键词在预设的回复语音数据库中确定与下一时刻的语音信息对应的回复语音。

第二方面，本申请的实施方式提供了一种语音预测装置，包括：

目标短语检测模块，用于对用户当前时刻的语音信息进行检测，得到当前时刻的语音信息包含的目标短语，其中，当前时刻的语音信息包括多个语音帧；

特征提取模块，用于将多个语音帧中目标短语对应的语音帧作为当前帧，并提取当前帧和当前帧的前k帧语音帧，得到k+1帧语音帧，其中，k为大于或等于1的整数；以及，分别对k+1帧语音帧中的每个语音帧进行特征提取，得到k+1个语音特征，其中，k+1个语音特征与k+1帧语音帧一一对应；