本申请提供了一种语音交互的方法、语音交互的装置和计算机可读存储介质。该方法包括：获取说话者的语音信息；对语音信息进行识别，确定语音信息对应的目标方言；至少根据语音信息，确定与说话者匹配的讲话风格；根据讲话风格和语音信息生成回复信息，并控制音频播报设备播放回复信息对应的语音，控制音频播报设备播放回复信息对应的语音是采用目标方言进行播报的。该方案中，对说话者的语音进行识别，可以生成符合说话者的方言特征的回复信息，这样可以使用说话者的方言与说话者进行交流，并且可以自动匹配合适的讲话风格，这样回答说话者的问题时候回复内容的相似度较低，是个性化的回复，改善了用户的体验效果。改善了用户的体验效果。改善了用户的体验效果。
【技术实现步骤摘要】
语音交互的方法、语音交互的装置和计算机可读存储介质
[0001]本申请涉及语音合成
，具体而言，涉及一种语音交互的方法、语音交互的装置和计算机可读存储介质。
技术介绍
[0002]我国地大物博，地区辽阔，现代汉语在不同地区有着语音、语法、习惯用语的众多差异。不同地区的人在使用对话助手系统时，大多需要使用普通话与对话助手进行交互，即使能使用方言与对话助手交流，对话助手也只是将方言转换成普通话后，经过自然语音理解，使用统一的标准话术回复，无法达到人与人之间亲切自然地沟通，在语义理解上，对话助手直接使用方言系统，这样会导致每个方言系统都需要单独训练方言模型，整个系统的扩展性较差，且播报音色大多数为普通话。因此，目前的对话助手中，由于无法使用方言与用户进行交流，回答用户的问题时回复内容的相似度较高，导致用户的体验效果较差。
技术实现思路
[0003]本申请的主要目的在于提供一种语音交互的方法、语音交互的装置和计算机可读存储介质，以解决现有技术中目前的对话助手中，由于无法使用方言与用户进行交流，回答用户的问题时回复内容的相似度较高，导致用户的体验效果较差的问题。
[0004]根据本专利技术实施例的一个方面，提供了一种语音交互的方法，包括：获取说话者的语音信息，所述语音信息是指所述说话者在说话的过程中发出的语音的信息；对所述语音信息进行识别，确定所述语音信息对应的目标方言；至少根据所述语音信息，确定与所述说话者匹配的讲话风格，所述讲话风格是指所述说话者的口语习惯的风格；根据所述讲话风格和所述语音信息生成回复信息，并控制音频播报设备播放所述回复信息对应的语音，其中，所述回复信息是对应所述说话者的所述语音信息的回复内容的信息，控制所述音频播报设备播放所述回复信息对应的语音是采用所述目标方言进行播报的。
[0005]可选地，对所述语音信息进行识别，确定所述语音信息对应的目标方言，包括：采集初始语音数据，根据所述初始语音数据构建方言库，所述初始语音数据包括多个地区的方言的语音数据，一个所述方言库包括一种方言的语音数据；对所述初始语音数据进行预处理，得到训练语音数据，所述预处理包括以下至少之一：分词处理、过滤非方言数据处理、去停用词处理；构建方言识别模型，其中，所述方言识别模型是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括所述训练语音数据和所述训练语音数据对应的方言；将所述语音信息输入至所述方言识别模型中进行识别，得到识别结果，其中，所述识别结果是指所述语音信息对应的所述目标方言。
[0006]可选地，将所述语音信息输入至所述方言识别模型中进行识别，得到识别结果，包括：从多个所述方言中选取出与所述语音信息相似度大于或者等于相似度阈值的多个初始方言；从多个所述初始方言中选取出所述相似度最大的所述目标方言，得到目标识别结果。
[0007]可选地，至少根据所述语音信息，确定与所述说话者匹配的讲话风格，包括：获取
预先输入的所述说话者的特征信息，所述特征信息包括以下至少之一：性别、年龄、职业、民族、地区、兴趣；根据所述说话者的所述特征信息构建用户画像；将所述说话者的所述语音信息转换为目标文本信息，所述目标文本信息是指目标语言的所述语音信息对应的文本信息；根据所述用户画像、所述目标文本信息和所述语音信息，确定与所述说话者匹配的所述讲话风格。
[0008]可选地，根据所述用户画像、所述目标文本信息和所述语音信息，确定与所述说话者匹配的所述讲话风格，包括：根据所述目标文本信息进行语义识别，确定所述说话者的行为偏好信息；根据所述语音信息中的声纹特征，确定所述说话者的情绪信息；获取历史对话信息，所述历史对话信息是指历史时间段内语音交互的信息；根据所述用户画像、所述行为偏好信息、所述情绪信息和所述历史对话信息，构建向量矩阵，采用所述向量矩阵向量化表示所述说话者的用户特征，并确定所述讲话风格。
[0009]可选地，根据所述讲话风格和所述语音信息生成回复信息，包括：对所述目标文本信息进行语义识别，确定所述目标文本信息对应的语义识别结果；从数据库中获取多个问答对，一个所述问答对包括一个问题与一个答案；确定多个所述问题中与所述语义识别结果的相似度最高的目标问题；基于所述目标问题对应的目标答案，采用所述讲话风格，生成符合所述讲话风格的所述回复信息。
[0010]可选地，在生成符合所述讲话风格的所述回复信息之后，所述方法还包括：使用生成式对抗网络中的判别模型对所述回复信息进行识别，以确定所述回复信息是否为真实文本，得到分类结果；在所述分类结果表征所述回复信息是所述真实文本的情况下，确定所述回复信息为目标回复信息。
[0011]可选地，控制音频播报设备播放所述回复信息对应的语音，包括：提取多个方言库中的目标方言库，所述目标方言库中包括所述目标方言的目标语音数据包；根据所述回复信息，采用所述目标语音数据包生成待播报语音；控制所述音频播报设备播报所述待播报语音。
[0012]根据本专利技术实施例的另一方面，还提供了一种语音交互的装置，包括：获取单元，用于获取说话者的语音信息，所述语音信息是指所述说话者在说话的过程中发出的语音的信息；第一确定单元，用于对所述语音信息进行识别，确定所述语音信息对应的目标方言；第二确定单元，用于至少根据所述语音信息，确定与所述说话者匹配的讲话风格，所述讲话风格是指所述说话者的口语习惯的风格；第一处理单元，用于根据所述讲话风格和所述语音信息生成回复信息，并控制音频播报设备播放所述回复信息对应的语音，其中，所述回复信息是对应所述说话者的所述语音信息的回复内容的信息，控制所述音频播报设备播放所述回复信息对应的语音是采用所述目标方言进行播报的。
[0013]根据本专利技术实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
[0014]在本专利技术实施例中，首先获取说话者的语音信息，之后对语音信息进行识别，确定语音信息对应的目标方言，之后至少根据语音信息，确定与说话者匹配的讲话风格，最后根据讲话风格和语音信息生成回复信息，并控制音频播报设备播放回复信息对应的语音，其中，控制音频播报设备播放回复信息对应的语音是采用目标方言进行播报的。该方案中，对说话者的语音进行识别，可以生成符合说话者的方言特征的回复信息，这样可以使用说话
者的方言与说话者进行交流，并且可以自动匹配合适的讲话风格，这样回答说话者的问题时候回复内容的相似度较低，是个性化的回复，改善了用户的体验效果。
附图说明
[0015]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，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：
[0016]图1示出了根据本申请的实施例的一种语音交互的方法的流程示意图；
[0017]图2示出了根据本申请的实施例的一种语音交互的装置的结构示意图。
具体实施方式
[0018]需要说明的是，在不冲突的情况下，本申本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语音交互的方法，其特征在于，包括：获取说话者的语音信息，所述语音信息是指所述说话者在说话的过程中发出的语音的信息；对所述语音信息进行识别，确定所述语音信息对应的目标方言；至少根据所述语音信息，确定与所述说话者匹配的讲话风格，所述讲话风格是指所述说话者的口语习惯的风格；根据所述讲话风格和所述语音信息生成回复信息，并控制音频播报设备播放所述回复信息对应的语音，其中，所述回复信息是对应所述说话者的所述语音信息的回复内容的信息，控制所述音频播报设备播放所述回复信息对应的语音是采用所述目标方言进行播报的。2.根据权利要求1所述的方法，其特征在于，对所述语音信息进行识别，确定所述语音信息对应的目标方言，包括：采集初始语音数据，根据所述初始语音数据构建方言库，所述初始语音数据包括多个地区的方言的语音数据，一个所述方言库包括一种方言的语音数据；对所述初始语音数据进行预处理，得到训练语音数据，所述预处理包括以下至少之一：分词处理、过滤非方言数据处理、去停用词处理；构建方言识别模型，其中，所述方言识别模型是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括所述训练语音数据和所述训练语音数据对应的方言；将所述语音信息输入至所述方言识别模型中进行识别，得到识别结果，其中，所述识别结果是指所述语音信息对应的所述目标方言。3.根据权利要求2所述的方法，其特征在于，将所述语音信息输入至所述方言识别模型中进行识别，得到识别结果，包括：从多个所述方言中选取出与所述语音信息相似度大于或者等于相似度阈值的多个初始方言；从多个所述初始方言中选取出所述相似度最大的所述目标方言，得到目标识别结果。4.根据权利要求1所述的方法，其特征在于，至少根据所述语音信息，确定与所述说话者匹配的讲话风格，包括：获取预先输入的所述说话者的特征信息，所述特征信息包括以下至少之一：性别、年龄、职业、民族、地区、兴趣；根据所述说话者的所述特征信息构建用户画像；将所述说话者的所述语音信息转换为目标文本信息，所述目标文本信息是指目标语言的所述语音信息对应的文本信息；根据所述用户画像、所述目标文本信息和所述语音信息，确定与所述说话者匹配的所述讲话风格。5.根据权利要求4所述的方法，其特征在于，根据所述用户画像、所述目标文本信息和所述语音信息，确定与所述说话者匹配的所述讲话风格，包括：根据所述目标文本信息进...
【专利技术属性】
技术研发人员：林琦，谢园园，唐雄飞，李健，陈明，武卫东，
申请(专利权)人：北京捷通华声科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。