通话方法、设备、存储介质及计算机程序产品技术

本申请实施例提供一种通话方法、设备、存储介质及计算机程序产品。在本申请实施例中，在人机通话过程中，可获取待反馈给用户端反馈的音频数据；并可将获取的环境背景音与音频数据进行混音处理，以得到混入环境背景音的音频数据；之后，将混入环境背景音的音频数据发送到用户端，用户端可播放混入环境背景音的音频数据。这样，在人机通话过程中，由于用户端接听到的音频数据混入了环境背景音，通话环境与人与人之间的通话环境更为接近，可降低由于通话环境背景过于安静导致的拟人感不足的影响，有助于提高人机通话的真实感和拟人感。助于提高人机通话的真实感和拟人感。助于提高人机通话的真实感和拟人感。

【技术实现步骤摘要】
通话方法、设备、存储介质及计算机程序产品


[0001]本申请涉及人工智能
，尤其涉及一种通话方法、设备、存储介质及计算机程序产品。

技术介绍

[0002]随着人工智能(Artificial Intelligence，AI)技术的不断发展，智能语音服务逐渐被人们所使用。例如，在在线购物场景中，商家可使用智能语音服务与消费者进行语音通话，向消费者提供咨询或售后服务；又例如，在电话销售场景中，电商也可使用智能语音服务向用户推销产品、提供咨询或售后服务等。
[0003]但是，现有智能语音服务多采用机器合成的语音与用户进行通话，导致通话语音“机器感”较重，通话语音拟人感和真实性较低，用户体验较低，甚至用户不愿意进行进一步交互和沟通。

技术实现思路

[0004]本申请的多个方面提供一种通话方法、设备、存储介质及计算机程序产品，用以提高机器通话语音的真实感和拟人感。
[0005]本申请实施例提供一种通话方法，包括：
[0006]在与用户端通话过程中，获取待反馈给用户端的第一音频数据；
[0007]将获取的环境背景音与第一音频数据进行混音处理，以得到第二音频数据；
[0008]将所述第二音频数据提供给所述用户端，以供所述用户端播放所述第二音频数据。
[0009]本申请实施例还提供一种电子设备，包括：存储器、处理器、通信组件及音频组件；其中，所述存储器，用于存储计算机程序；
[0010]所述处理器耦合至所述存储器、所述通信组件及所述音频组件，用于执行所述计算机程序以用于执行上述通话方法中的步骤。
[0011]本申请实施例还提供一种通话方法，包括：
[0012]获取环境背景音与预设的第一音频数据；
[0013]将所述环境背景音与预设的第一音频数据进行混音处理，以得到第二音频数据；
[0014]响应于与用户端之间的通话接通事件，将所述第二音频数据提供给所述用户端，以供所述用户端播放所述第二音频数据。
[0015]本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行上述各通话方法中的步骤。
[0016]本申请实施例还提供一种计算机程序产品，包括：计算机程序；当计算机程序被处理器执行，致使所述处理器执行上述各通话方法中的步骤。
[0017]在本申请实施例中，在人机通话过程中，可获取待反馈给用户端的音频数据；并可
将获取的环境背景音与音频数据进行混音处理，以得到混入环境背景音的音频数据；之后，将混入环境背景音的音频数据提供给用户端，这样用户端接听到的音频数据混入了环境背景音，通话环境与人与人之间的通话环境更为接近，可降低由于通话环境背景过于安静导致的拟人感不足的影响，有助于提高人机通话的真实感和拟人感。
附图说明
[0018]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0019]图1为本申请实施例提供的通话系统的结构示意图；
[0020]图2a和图2b为本申请实施例提供的另一通话系统的结构示意图；
[0021]图3a和图3b为本申请实施例提供的又一通话系统的结构示意图；
[0022]图3c为本申请实施例提供的通话交互流程示意图；
[0023]图4a
‑
图4c为本申请实施例提供的通话方法的流程示意图；
[0024]图5为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0025]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]针对现有人机语音通话中，通话语音拟人感和真实性较低的技术问题。在本申请一些实例中，在人机通话过程中，可获取待反馈给用户端的音频数据；并可将获取的环境背景音与音频数据进行混音处理，以得到混入环境背景音的音频数据；之后，将混入环境背景音的音频数据提供给用户端，这样在人机通话过程中，用户端接听到的音频数据混入了环境背景音，通话环境与人与人之间的通话环境更为接近，可降低由于通话环境背景过于安静导致的拟人感不足的影响，有助于提高人机通话的真实感和拟人感。
[0027]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0028]应注意到：相同的标号在下面的附图以及实施例中表示同一物体，因此，一旦某一物体在一个附图或实施例中被定义，则在随后的附图和实施例中不需要对其进行进一步讨论。
[0029]图1为本申请实施例提供的通话系统的结构示意图。如图1所示，该通话系统包括：通话服务需求端10和服务端20。其中，通话服务需求端10和服务端20之间可以是无线或有线连接。可选地，通话服务需求端10可以通过移动网络和服务端20通信连接，相应地，移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD
‑
SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、5G、WiMax等中的任意一种。可选地，通话服务需求端10也可以通过蓝牙、WiFi、红外线等方式和服务端20通信连接。
[0030]在本实施例中，服务端20是指可以进行语音通话管理，可响应用户端的服务请求，为用户提供与语音通话相关的服务的计算机设备，一般具备承担服务并保障服务的能力。即服务端20是指可提供语音通话服务的服务端设备。服务端设备可以为单一服务器设备，
也可以云化的服务器阵列，或者为云化的服务器阵列中运行的虚拟机(Virtual Machine，VM)。另外，服务端设备也可以指具备相应服务能力的其他计算设备，例如电脑等终端设备(运行服务程序)等。
[0031]在一些实施例中，服务端20除了提供语音通话服务之外，还可提供其它形式的通信服务，如短信服务等等。服务端20可为通信服务方的服务端设备。可选地，通信服务方可为云通信服务方。服务端设备可为云化的服务器阵列，或者云化的服务器阵列中运行的虚拟机等。
[0032]在本申请实施例中，语音通话是指多方进行长连接的语音通话。多方是指两方或两方以上。或其中，语音通话可包括：电话语音通话和/或网络语音通话。电话语音通话可包括：网络电话通话和普通拨号电话通话。网络语音通话是指通过即时通信软件提供的语音通话功能进行语音通话。
[0033]在本实施例中，通话服务需求端10是指通话服务需求方的计算设备。计算设备是指用户使用的，具有用户所需计算、上网、通信等功能的计算机设备，例如可以是手机、平板电脑、个人电脑、穿戴设备等。在本实施例中，通话服务需求方可使用服务端20提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通话方法，其特征在于，包括：在与用户端通话过程中，获取待反馈给所述用户端的第一音频数据；将获取的环境背景音与第一音频数据进行混音处理，以得到第二音频数据；将所述第二音频数据提供给所述用户端，以供所述用户端播放所述第二音频数据。2.根据权利要求1所述的方法，其特征在于，所述获取待反馈给所述用户端的第一音频数据，包括：在与用户端通话过程中，获取用户端提供的第三音频数据；对所述第三音频数据进行语音识别，以得到语音识别结果；根据所述语音识别结果，获取针对所述第三音频数据的音频响应数据，作为所述第一音频数据。3.根据权利要求2所述的方法，其特征在于，还包括：在获取用户端提供的第三音频数据的过程中，将所述环境背景音提供给所述用户端，以供所述用户端播放所述环境背景音。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法适用于云通信服务方；所述方法还包括：所述云通信服务方根据通话服务需求方的标识，确定通话服务需求方预先设置的背景音标识；根据预先设置的背景音标识，获取预先设置的环境背景音。5.根据权利要求4所述的方法，其特征在于，还包括：所述云通信服务方向通话服务需求方提供背景音设置控件，以供通话服务需求方基于所述背景音设置控件设置所述环境背景音；获取针对背景音设置控件的设置操作关联的环境背景音作为所述预先设置的环境背景音。6.根据权利要求4所述的方法，其特征在于，还包括：根据所述通话服务需求方的标识信息，获取所述通话服务需求方的通话环境特征；根据所述通话服务需求方的通话环境特征，推荐候选环境背景音；针对所述候选环境背景音的确认操作，获取所述确认操作关联的候选环境背景音作为所述预先设置的环境背景音。7.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法适用于云通信服务方；所述方法还包括：所述云通信服务方在与所述用户端通话接通之前，根据通话服务...

【专利技术属性】
技术研发人员：李秋娟，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：