人机交互方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种人机交互方法、装置、计算机设备和存储介质，电话机器人在播放目标语音数据时检测目标用户所在环境中的语音信息，若该语音信息为目标用户的语音信息，则暂停播放目标语音数据，并记录目标语音数据在暂停时刻的播放位置，然后识别目标用户的语音信息的语义，执行与语义对应的响应操作，且在响应操作结束后，从暂停时刻的播放位置，播放目标语音数据剩余的内容。该方法可以避免了因用户的打断造成语音重复播报导致的效率低下和信息传达不完整，提升了机器人灵活应对用户的打断，使得人机交互效率更高，更加灵活、智能。

【技术实现步骤摘要】
人机交互方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种人工交互方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的发展，智能机器人已经在各领域得到了应用，例如，在电信运营商、金融服务、电子政务、电子商务、各类智能终端及个人互联网信息服务等诸多领域提供了自动客服、智能营销、内容导航、智能语音控制、娱乐聊天等多种类型的服务。大部分智能机器人在服务的过程中，可以与用户进行基本交流，但当机器人在播放话术的时候，如果所在环境中噪音很大，例如用户周围的环境中的他人说话等噪音，就会造成机器人的讲话被错误的打断；或者机器人在用户多次连续打断后，会机械地从头重新播放话术。因此，现有的机器人存在人机交互不够灵活，不够智能的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够使人机交互更加灵活、智能的人机交互方法、装置、计算机设备和存储介质。第一方面，提供一种人机交互方法，该方法包括：在播放目标语音数据时检测目标用户所在环境中的语音信息；若语音信息为目标用户的语音信息，暂停播放目标语音数据，并记录目标语音数据在暂停时刻的播放位置；识别目标用户的语音信息的语义，执行与语义对应的响应操作；在响应操作结束后，从暂停时刻的播放位置，播放目标语音数据剩余的内容。在其中一个实施例中，上述识别目标用户的语音信息的语义，执行与语义对应的响应操作，包括：根据目标用户的语音信息的语义，确定语音信息的信息类型；r>根据信息类型，执行与语义对应的响应操作。在其中一个实施例中，上述根据信息类型，执行与语义对应的响应操作，包括：若信息类型为询问式类型，从预设的知识库中匹配与目标用户的语音信息的语义对应的回复内容，并播放回复内容；知识库中包括多种信息类型对应的回复内容；或者，若信息类型为附和式类型，停顿预设时长后继续从暂停时刻的播放位置，播放目标语音数据剩余的内容。在其中一个实施例中，上述记录目标语音数据在暂停时刻的播放位置，包括：确定目标语音数据中暂停时刻对应的分句；将暂停时刻对应的分句在目标语音数据中的位置，确定为目标语音数据在暂停时刻的播放位置。在其中一个实施例中，上述在播放目标语音数据时检测目标用户所在环境中的语音信息之后，该方法包括：若语音信息为非目标用户的语音信息，对语音信息不作响应，继续播放目标语音数据。在其中一个实施例中，该方法还包括：通过预设的声音特征检测模型识别目标用户所在环境中的语音信息是否为目标用户的语音信息。在其中一个实施例中，上述声音特征检测模型的训练过程包括：获取多种样本语音特征，以及各样本语音特征对应的用户标识；通过深度学习算法，学习各语音特征和对应的用户标识之间的对应关系，以对初始的声音特征检测模型进行迭代训练，直到声音特征检测模型的损失函数的值的变化幅度小于预设阈值，得到声音特征检测模型。第二方面，本申请提供一种人机交互装置，该装置包括：检测模块，用于在播放目标语音数据时检测目标用户所在环境中的语音信息；停止模块，用于若语音信息为目标用户的语音信息，暂停播放目标语音数据，并记录目标语音数据在暂停时刻的播放位置；响应模块，用于识别目标用户的语音信息的语义，执行与语义对应的响应操作；播放模块，用于在响应操作结束后，从暂停时刻的播放位置，播放目标语音数据剩余的内容。在一个实施例中，上述响应模块包括：类型确定单元，用于根据目标用户的语音信息的语义，确定语音信息的信息类型；执行响应单元，用于根据信息类型，执行与语义对应的响应操作。在一个实施例中，上述执行响应单元，具体用于若信息类型为询问式类型，从预设的知识库中匹配与目标用户的语音信息的语义对应的回复内容，并播放回复内容；知识库中包括多种信息类型对应的回复内容；或者，若信息类型为附和式类型，停顿预设时长后继续从暂停时刻的播放位置，播放目标语音数据剩余的内容。在一个实施例中，上述停止模块包括：分句确定单元，用于确定目标语音数据中暂停时刻对应的分句；位置确定单元，用于将暂停时刻对应的分句在目标语音数据中的位置，确定为目标语音数据在暂停时刻的播放位置。在一个实施例中，上述响应模块，还具体用于若语音信息为非目标用户的语音信息，对语音信息不作响应，继续播放目标语音数据。在一个实施例中，上述检测模块，具体用于通过预设的声音特征检测模型识别目标用户所在环境中的语音信息是否为目标用户的语音信息。在一个实施例中，该装置还包括：样本获取模块，用于获取多种样本语音特征，以及各样本语音特征对应的用户标识模型训练模块，用于通过深度学习算法，学习各语音特征和对应的用户标识之间的对应关系，以对初始的声音特征检测模型进行迭代训练，直到声音特征检测模型的损失函数的值的变化幅度小于预设阈值，得到声音特征检测模型。第三方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面实施例中任一项的人机交互方法的步骤。第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面实施例中任一项的人机交互方法的步骤。本申请提供的人机交互方法、装置、计算机设备和存储介质，电话机器人在播放目标语音数据时检测目标用户所在环境中的语音信息，若该语音信息为目标用户的语音信息，则暂停播放目标语音数据，并记录目标语音数据在暂停时刻的播放位置，然后识别目标用户的语音信息的语义，执行与语义对应的响应操作，且在响应操作结束后，从暂停时刻的播放位置，播放目标语音数据剩余的内容。该方法中，由于电话机器人正在播放的目标语音数据时检测到目标用户的语音信息后，先暂停播放的目标语音数据，并根据当前目标用户输出的语音信息的语义对目标用户做出对应响应，之后会继续从暂停位置播放剩余的目标语音数据，也就是说，电话机器人在被目标用户打断后，先根据目标用户的打断意图进行对应响应，响应完成后，不需要从头播放目标语音数据，只播放剩余内容，这样避免了因用户的打断造成语音重复播报导致的效率低下和信息传达不完整，提升了机器人灵活应对用户的打断，使得人机交互效率更高，更加灵活、智能。附图说明图1为一个实施例提供的人机交互方法的应用环境图；图1a为一个实施例提供的电话机器人内部结构图；图2为一个实施例提供的人机交互方法的流程示意图；图3为另一个实施例提供的人机交互方法的流程示意图；图4为另一个实施例提供的人机交互方法的流程示意图；图5为一个实施例提供的人机交互方法的示意图；图6为一个实施例提供的人机交互装置的结构框图；图7为另一个实施例提供的人机交互装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实本文档来自技高网...

【技术保护点】
1.一种人机交互方法，其特征在于，所述方法包括：/n在播放目标语音数据时检测目标用户所在环境中的语音信息；/n若所述语音信息为目标用户的语音信息，暂停播放所述目标语音数据，并记录所述目标语音数据在暂停时刻的播放位置；/n识别所述目标用户的语音信息的语义，执行与所述语义对应的响应操作；/n在所述响应操作结束后，从所述暂停时刻的播放位置，播放所述目标语音数据剩余的内容。/n

【技术特征摘要】
1.一种人机交互方法，其特征在于，所述方法包括：
在播放目标语音数据时检测目标用户所在环境中的语音信息；
若所述语音信息为目标用户的语音信息，暂停播放所述目标语音数据，并记录所述目标语音数据在暂停时刻的播放位置；
识别所述目标用户的语音信息的语义，执行与所述语义对应的响应操作；
在所述响应操作结束后，从所述暂停时刻的播放位置，播放所述目标语音数据剩余的内容。


2.根据权利要求1所述的方法，其特征在于，所述识别所述目标用户的语音信息的语义，执行与所述语义对应的响应操作，包括：
根据所述目标用户的语音信息的语义，确定所述语音信息的信息类型；
根据所述信息类型，执行与所述语义对应的响应操作。


3.根据权利要求2所述的方法，其特征在于，所述根据所述信息类型，执行与所述语义对应的响应操作，包括：
若所述信息类型为询问式类型，从预设的知识库中匹配与所述目标用户的语音信息的语义对应的回复内容，并播放所述回复内容；所述知识库中包括多种信息类型对应的回复内容；或者，
若所述信息类型为附和式类型，停顿预设时长后继续从所述暂停时刻的播放位置，播放所述目标语音数据剩余的内容。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述记录所述目标语音数据在暂停时刻的播放位置，包括：
确定所述目标语音数据中暂停时刻对应的分句；
将所述暂停时刻对应的分句在目标语音数据中的位置，确定为所述目标语音数据在暂停时刻的播放位置。


5.根据权利要求1-3任一项所述的方法，其特征在于，所述在播放目标语音数据时检测目标用户所在环境中的语音信息之后，...

【专利技术属性】
技术研发人员：陈百灵，
申请(专利权)人：深圳追一科技有限公司，
类型：发明
国别省市：广东;44