语音处理方法、装置、终端以及程序产品制造方法及图纸

本发明专利技术公开了一种语音处理方法、装置、终端以及程序产品，属于语音分析技术领域。本发明专利技术语音处理方法包括以下步骤：在检测到用户开始输入语音时，获取用户输入的当前语音数据；对语音数据进行预处理，获得多个声音特征参数向量；对所有声音特征参数向量聚类处理，获得当前语音数据所属的情绪类别；根据情绪类别，从预设应答库中筛选出当前语音数据对应的应答信息。本发明专利技术可以准确的对营销人员的语气进行识别从而做出符合该语气的应答，使得该应答场景较为贴合业务人员谈单时候的交谈环境，进而提高业务人员的服务质量。而提高业务人员的服务质量。而提高业务人员的服务质量。

【技术实现步骤摘要】
语音处理方法、装置、终端以及程序产品


[0001]本专利技术涉及语音分析
，尤其涉及一种语音处理方法、装置、终端以及程序产品。

技术介绍

[0002]相关技术中，营销人员的话术培训可通过语音交互类业务话术培训程序产品实现，通过语音识别培训人员输入的话语，然后智能语音播放相应的应答文本。
[0003]但是，该类语音交互类业务话术培训程序产品仅仅具有简单的应答功能，话术培训与实际发生的营销人员和客户的实际谈单情况相差较远。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供一种语音处理方法、装置、终端以及程序产品，旨在解决现有语音交互与实际情况不符的技术问题。
[0006]为实现上述目的，第一方面，本专利技术提供一种语音处理方法，所述语音处理方法包括以下步骤：
[0007]在检测到用户开始输入语音时，获取用户输入的当前语音数据；
[0008]对语音数据进行预处理，获得多个声音特征参数向量；
[0009]对所有声音特征参数向量聚类处理，获得当前语音数据所属的情绪类别；
[0010]根据情绪类别，从预设应答库中筛选出当前语音数据对应的应答信息。
[0011]在一实施例中，对所有声音特征参数向量聚类处理，获得当前语音数据所属的情绪类别的步骤包括：
[0012]对所有声音特征参数向量进行分组处理，以得到多个声音特征参数向量原始组；
[0013]通过期望最大化算法对所有声音特征参数向量原始组进行聚类处理，获得预设数量个情绪聚类组；
[0014]通过高斯混合模型对所有情绪聚类组进行处理，获得每个情绪聚类组对应的概率分布值；
[0015]将所有概率分布值中的最大值的情绪类别确定为当前语音数据所属的情绪类别。
[0016]在一实施例中，通过高斯混合模型对所有情绪聚类组，获得每个情绪聚类组对应的概率分布值的步骤，包括：
[0017]通过第一预设公式计算得到每种情绪聚类组中特征参数向量的高斯分布概率密度；
[0018]第一预设公式为：
[0019][0020]其中，b
i
(x)为当前语音数据中第i组情绪聚类组中特征参数向量的高斯分布概率密度，μ
i
为第i组情绪聚类组中所有特征参数向量的均值向量；∑
i
为第i组情绪聚类组中所有特征参数向量的协方差矩阵；|∑
i
|为∑
i
的行列式的值，为∑
i
的逆矩阵；
[0021]基于所有情绪类别的高斯分布概率密度和第二预设公式，获得每个情绪聚类组对应的概率分布值；
[0022]第二预设公式为：
[0023][0024]其中，M为预设数量；x为当前语音数据中的特征参数向量；p
i
为第i组情绪聚类组的权重；λ为一个高斯模型，p为每个情绪聚类组对应的概率分布值。
[0025]在一实施例中，对语音数据进行预处理，获得多个声音特征参数向量的步骤之后，方法还包括：
[0026]基于所有声音特征向量，识别出语音数据的语义文本；
[0027]根据情绪类别，从预设应答库中筛选出当前语音数据对应的应答信息的步骤，包括：
[0028]根据情绪类别与语义文本，从预设应答库中筛选出当前语音数据对应的应答信息。
[0029]在一实施例中，基于所有声音特征向量，识别出语音数据的语义文本的步骤，包括：
[0030]构建语音数据的特征参数序列；
[0031]将特征参数序列与预设语音数据库中所有语音模板的特征参数序列模板进行匹配，得到特征参数序列所属的目标语音模板；
[0032]将目标语音模板的语义文本作为语音数据对应的语义文本。
[0033]在一实施例中，根据情绪类别与语义文本，从预设应答库中筛选出当前语音数据对应的应答信息的步骤之后，方法还包括：
[0034]通过预先训练的隐马尔可夫模型对应答信息进行处理，得到应答信息的上下文标注文件；
[0035]将上下文标准文件合成为应答语音，并输出至用户。
[0036]在一实施例中，对语音数据进行预处理，获得多个声音特征参数向量的步骤，包括：
[0037]对语音数据进行预处理，获得多帧语音片段；
[0038]从每帧语音片段进行特征提取处理，获得多个声音特征向量。
[0039]第二方面，本专利技术还提供了一种语音处理装置，包括：
[0040]语音获取模块，用于在检测到用户开始输入语音时，获取用户输入的当前语音数据；
[0041]语音预处理模块，用于对语音数据进行预处理，获得多个声音特征参数向量；
[0042]情绪识别模块，用于对所有声音特征参数向量聚类处理，获得当前语音数据所属的情绪类别；
[0043]应答信息确定模块，用于根据情绪类别，从预设应答库中筛选出前语音数据对应的应答信息。
[0044]第三方面，本专利技术还提供了一种语音处理终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的语音处理程序，语音处理程序配置为实现如上述的方法的步骤。
[0045]第四方面，本专利技术还提供了一种计算机程序产品，包括可执行的程序代码，其中，程序代码在由处理器执行时执行如上述的方法。
[0046]本专利技术实施例提出的一种语音处理方法，通过对当前语音数据预处理得到的所有声音特征参数向量进行聚类处理，得到当前语音数据所属的情绪类别，从而提高了本语音处理终端的交互水平，并可以准确的对营销人员的语气进行识别从而做出符合该语气的应答，使得该应答场景较为贴合业务人员谈单时候的交谈环境，进而提高业务人员的服务质量。
附图说明
[0047]图1为本专利技术语音处理终端一实施例的结构示意图；
[0048]图2为本专利技术语音处理方法第一实施例的流程示意图；
[0049]图3为本专利技术语音处理方法第一实施例的步骤S102的细化流程示意图；
[0050]图4为本专利技术语音处理方法第一实施例的步骤S103细化流程示意图；
[0051]图5为本专利技术语音处理方法第二实施例的流程示意图；
[0052]图6为本专利技术语音处理方法第二实施例的步骤S203的细化流程示意图；
[0053]图7为本专利技术语音处理装置第一实施例的功能模块示意图。
[0054]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0055]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0056]相关技术中，营销人员的话术培训主要采用互联网形式或者进行人工培训与测试。互联网形式使用账号登陆，通过触摸屏或者鼠标进行答题。人工培训与测试形式则是通过人教人，使用专业的培训人员对移动业务人员进行一对一或一对多的培训和考察。互联网形式即可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音处理方法，其特征在于，所述语音处理方法包括以下步骤：在检测到用户开始输入语音时，获取用户输入的当前语音数据；对所述语音数据进行预处理，获得多个声音特征参数向量；对所有所述声音特征参数向量聚类处理，获得所述当前语音数据所属的情绪类别；根据所述情绪类别，从预设应答库中筛选出所述当前语音数据对应的应答信息。2.根据权利要求1所述的语音处理方法，其特征在于，所述对所有所述声音特征参数向量聚类处理，获得所述当前语音数据所属的情绪类别的步骤包括：对所有所述声音特征参数向量进行分组处理，以得到多个声音特征参数向量原始组；通过期望最大化算法对所有所述声音特征参数向量原始组进行聚类处理，获得预设数量个情绪聚类组；通过高斯混合模型对所有所述情绪聚类组进行处理，获得每个情绪聚类组对应的概率分布值；将所有所述概率分布值中的最大值所述的情绪类别确定为所述当前语音数据所属的情绪类别。3.根据权利要求2所述的语音处理方法，其特征在于，所述通过高斯混合模型对所有所述情绪聚类组，获得每个情绪聚类组对应的概率分布值的步骤，包括：通过第一预设公式计算得到每种情绪聚类组中特征参数向量的高斯分布概率密度；所述第一预设公式为：其中，b
i
(x)为当前语音数据中第i组情绪聚类组中特征参数向量的高斯分布概率密度，μ
i
为第i组情绪聚类组中所有所述特征参数向量的均值向量；∑
i
为第i组情绪聚类组中所有所述特征参数向量的协方差矩阵；|∑
i
|为∑
i
的行列式的值，为∑
i
的逆矩阵；基于所有所述情绪类别的高斯分布概率密度和第二预设公式，获得所述每个情绪聚类组对应的概率分布值；所述第二预设公式为：其中，M为所述预设数量；x为所述当前语音数据中的特征参数向量；p
i
为第i组情绪聚类组的权重；λ为一个高斯模型，p为所述每个情绪聚类组对应的概率分布值。4.根据权利要求1所述的语音处理方法，其特征在于，所述对所述语音数据进行预处理，获得多个声音特征参数向量的步...

【专利技术属性】
技术研发人员：林儿，郑欢，陈勇，傅泉辉，王文生，高琴，余侃，鲁惟翔，傅一平，吴逊，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：