[发明专利]基于用户说话情绪的语音识别方法、装置、介质及设备

说明书

本公开提供一种基于用户说话情绪的语音识别方法、装置、介质及设备，该方法包括：通过获取用户语音，对用户语音进行频响分析生成用户语音对应的频响曲线，对用户语音进行文本识别生成用户语音对应的文本数据，根据多个历史文本数据和用户语音对应的文本数据确定目标场景类型，通过目标场景类型，确定用户语音在目标场景类型下的预设情绪频响曲线，将频响曲线与预设情绪频响曲线进行比较，确定频响曲线的情绪属性，情绪属性为情绪正常的情况下，根据文本数据确定用户意图，在情绪异常的情况下，根据情绪色彩对文本数据进行补充，并通过补充后的文本数据，确定用户意图。从而使设备准确识别用户语音所对应的用户意图，提高语音识别的准确性。

技术领域

本发明涉及智能交互技术领域，特别是涉及一种基于用户说话情绪的语音识别方法、装置、介质及设备。

背景技术

人机交互产品越来越多，通过语音识别技术使智能设备能够识别出用户语音对应的含义，并作出相应的响应。但在进行语音识别时现有技术中，只是针对用户语音进行文字识别，通过解析出的文本语义来识别出用户意图，但语音对话场景中，只对语义进行分析获得的用户意图不准确，严重影响后续智能设备与用户之间的交互过程，给用户带来不好的体验。

发明内容

有鉴于此，本公开的目的在于提供一种基于用户说话情绪的语音识别方法、装置、介质及设备，以解决相关技术中语音识别不准确的技术问题。

基于上述发明目的，本公开的第一方面提供一种基于用户说话情绪的语音识别方法，所述方法包括：

在用户授权的情况下，获取通过麦克风矩阵采集的用于进行人机交互的用户语音，并对所述麦克风矩阵中每一麦克风采集的所述用户语音按照对应的采集时间戳进行频响分析生成所述用户语音对应的频响曲线，以及对每一麦克风采集的所述用户语音进行文本识别生成所述用户语音对应的文本数据；

根据预设数量的多个历史用户语音对应的多个历史文本数据和所述用户语音对应的所述文本数据确定所述人机交互的目标场景类型，其中，所述人机交互对应的场景类型至少包括游戏交互场景、引导服务场景和智能配送场景；

通过所述目标场景类型，确定所述用户语音在所述目标场景类型下的预设情绪频响曲线，其中，所述预设情绪频响曲线中包括情绪正常频响曲线段和情绪异常频响曲线段；

将所述频响曲线与所述预设情绪频响曲线进行比较，根据所述频响曲线与所述预设情绪频响曲线中不同频响曲线的相似度，确定所述频响曲线的情绪属性，所述相似度根据频响曲线在同一频率下各个频响曲线对应的振幅差值确定，所述振幅差值越小对应的相似度越高；

在通过所述相似度确定所述频响曲线的情绪属性为情绪正常的情况下，根据所述文本数据进行语义分析，确定所述用户语音对应的用户意图；

在通过所述相似度确定所述频响曲线的情绪属性为情绪异常的情况下，根据所述频响曲线的曲线斜率确定所述用户语音对应的语音情绪，并获取所述文本数据中的语气助词，根据预设情绪助词表确定所述语气助词对应的文本情绪，通过所述文本情绪和所述语音情绪确定所述用户语音对应的情绪色彩，根据所述情绪色彩对所述文本数据进行补充，并通过补充后的文本数据，确定所述用户语音对应的所述用户意图其中，所述预设情绪助词表中包括多个语气助词和多种异常情绪之间的映射关系。

进一步地，所述在用户授权的情况下，获取通过麦克风矩阵采集的用于进行人机交互的用户语音，并对所述麦克风矩阵中每一麦克风采集的所述用户语音按照对应的采集时间戳进行频响分析生成所述用户语音对应的频响曲线，以及对每一麦克风采集的所述用户语音进行文本识别生成所述用户语音对应的文本数据，包括：

在用户授权的情况下，对所述用户的历史语音进行分析，确定所述用户对应的语音停顿间隔，所述语音停顿间隔为所述用户语音中各个语音词语之间的停顿间隔或所述用户语音中各个短句之间的停顿间隔；