[发明专利]语音播报处理方法、装置、计算机设备和存储介质

说明书

本申请涉及一种语音播报处理方法、装置、计算机设备和存储介质。所述方法包括：在语音机器人与用户终端通话的过程中，采集所述用户终端的语音信息；对所述语音信息进行意图识别得到意图识别结果；获取与所述意图识别结果对应的处理逻辑；执行所述处理逻辑。采用本方法能够避免误打断。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种语音播报处理方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了智能客服服务。其中在智能客服存在播报打断的场景，在该场景下目前存在以下几种解决方案：

第一种是基于半双工的语音交互方案，该方案中用户与系统的交互过程处于整个流程最后阶段，即语音播报结束之后才能进入用户交互轮次，如用户需要打断播报中止本次流程，提前进入用户轮次，需要手动操作按键，系统接收到用户按键操作后立即做打断处理。

第二种是检测用户侧声音触发打断的方案，该方案能够支持语音播报的时候同时接收用户侧的语音输入，具备播报打断能力，其原理一般为通过用户侧的语音信号的特征，用能量、过零率、熵(entropy)、高音(pitch)等参数以及他们的衍生参数来判断是否为语音信号，即端点检测VAD(Voice Activity Detector)技术，当信号流检测到语音信号后由系统触发打断，即当检测到用户侧发出声音即打断播报。

第三种是基于用户侧语音流字数阈值触发打断的方案，该方案在用户与语音机器人进行交互流程中语音机器人在输出语音的同时检测用户发出的呼入语音流，并对呼入的语音流进行检测，统计语音流中文字的个数，如语音流个数超过预设文字阈值则执行打断语音操作。

然而，基于半双工的语音交互方案不符合用户对语音智能客服的认知，只能通过按键方式打断语音播报不能真正反映用户意图，用户期望能够像与人工客服一样，通过语音表达打断意愿。检测用户侧声音触发打断的方案无法区分复杂的语音场景。基于用户侧语音流字数阈值触发打断的方案尽管在用户侧对用户输出语音进行了识别，但仅统计了识别出的文字个数，当用户侧输出较多无意义的语句或者其他噪声干扰导致识别到的文字个数超过阈值依然会打断当前对话流程，因此该方案误触打断的几率依然较大。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高打断处理准确性的语音播报处理方法、装置、计算机设备和存储介质。

一种语音播报处理方法，所述方法包括：

在语音机器人与用户终端通话的过程中，采集所述用户终端的语音信息；

对所述语音信息进行意图识别得到意图识别结果；

获取与所述意图识别结果对应的处理逻辑；

执行所述处理逻辑。

在其中一个实施例中，所述对所述语音信息进行意图识别得到意图识别结果，包括：

提取所述语音信息对应的语义特征；

将所述语义特征与标准特征进行匹配得到相似度满足要求的预设数量的标准特征；

统计所述相似度满足要求的预设数量的标准特征对应的意图分类作为所述语音信息对应的意图识别结果。

在其中一个实施例中，所述将所述语义特征与标准特征进行匹配得到相似度满足要求的预设数量的标准特征之前，还包括：

接收意图配置指令，所述意图配置指令携带有标准文本以与所述标准文本对应的意图名称；

根据所述标准文本以与所述标准文本对应的意图名称进行意图配置得到标准意图，并根据所述标准文本生成标准特征。

在其中一个实施例中，所述接收意图配置指令之前，还包括：