语音交互方法、装置、计算机设备及存储介质与流程

本发明涉及计算机数据处理领域，尤其涉及一种语音交互方法、装置、计算机设备及计算机可读存储介质。
背景技术：
：随着互联网技术的发展，网络游戏也越来越流行。在网络游戏中，游戏玩家常常需要与其他玩家进行互动交流，例如通过文本输入框输入文字进行文字交流，或者通过实时语音通话进行语音交流。但是在某些大型网络游戏中，玩家可能分布于世界各个国家或者地区。不同国家或者地区的玩家之间由于语言不通，无法明白对方的文字信息或者输入语音，使游戏应用中的交流功能形同虚设。技术实现要素：本发明实施例提供了一种语音交互方法、装置、计算机设备及存储介质，旨在解决语音交互中的跨语种交流问题。第一方面，本发明实施例提供了一种语音交互方法，其包括：通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本；遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合；获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本；根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。第二方面，本发明实施例提供了一种语音交互装置，其包括：第一获取单元，用于通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本；第二获取单元，用于遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合；第三获取单元，用于获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本；第一生成单元，用于根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述语音交互方法。第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述语音交互方法。本发明实施例提供一种语音交互方法、装置、计算机设备及计算机可读存储介质。该方法包括通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本；遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合；获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本；根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。实施本发明实施例，可解决语音交互中存在的语言障碍问题，丰富了语音交互的趣味性。附图说明为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明一实施例提供的一种语音交互方法的流程示意图；图2为本发明一实施例提供的一种语音交互方法的应用场景示意图；图3为本发明一实施例提供的一种语音交互方法的流程示意图；图4为本发明一实施例提供的一种语音交互方法的流程示意图；图5为本发明一实施例提供的一种语音交互方法的流程示意图；图6为本发明一实施例提供的一种语音交互方法的流程示意图；图7为本发明一实施例提供的一种语音交互装置的示意性框图；图8为本发明一实施例提供的一种语音交互装置的另一示意性框图；图9为本发明一实施例提供的一种语音交互装置的另一示意性框图；图10为本发明一实施例提供的一种语音交互装置的另一示意性框图；图11为本发明一实施例提供的一种语音交互装置的另一示意性框图；图12为本发明一实施例提供的一种计算机设备的示意性框图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。请参照图1以及图2，其为本发明一实施例提供的一种语音交互方法的流程示意图以及应用场景示意图。如图2所示，该语音交互方法应用于服务器端20，服务器端20可以为可以是独立的服务器，也可以是多个服务器组成的服务器集群。该服务器端20可通过网络通讯与终端10进行通讯连接，以实现数据交互。其中，终端10的数量可以为多个，例如终端10包括第一终端以及第二终端等，第一终端与第二终端可通过服务器端进行通讯连接。终端10可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。其中，该语音交互方法包括但不限于步骤s110-s150。s110，通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本。其中，对所述输入语音进行语音识别处理以得出输入文本具体可通过在服务器端调用语音识别工具实现，该语音识别工具包括但不限于基于hmm和n-gram模型的语音识别工具：cmusphinx，kaldi，htk，julius和isip。在一些实施例中，如图3所示，步骤s110包括步骤s111-s112。s111，判断所述输入语音所持续的时间长度是否大于预设的时间阈值。具体地，该语音交互可以为游戏过程中的语音交互。为减少游戏过程中用户不必要的操作动作，采集输入语音可设定自动采集，即无需用户进行操作则通过第一终端的语音采集装置自动采集其游戏期间的语音信息作为输入语音。而游戏过程中用户所产生的输入语音并非都属于交互类的输入语音，如用户可能在游戏期间与真实世界中的其他人进行对话。为了减少服务器端对输入语音的处理量，进而设置时间阈值对所接收到的输入语音进行筛选。该预设的时间阈值可根据服务器端的处理压力进行设定，预设的时间阈值越短，服务器端的处理压力越小。例如，该预设的时间阈值为3秒。s112，若所述输入语音所持续的时间长度不大于预设的时间阈值，对所述输入语音进行语音识别处理以得出输入文本。具体地，若所述输入语音所持续的时间长度不大于预设的时间阈值，表明该输入语音可能属于交互类的输入语音，进而对所述输入语音进行语音识别处理以得出输入文本。若所述输入语音所持续的时间长度大于预设的时间阈值，表明该输入语音过长，该输入语音可能并非交互类的输入语音，进而删除所述输入语音，以及不对该输入语音进行语音识别处理，以降低服务器端的处理压力，有利于提升游戏的流畅度。s120，遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合。具体地，预设的文本库用于储存文本组合，文本组合的数量可以一个或者多个。其中，文本组合用于存储多个语义相同但交互语种不同的交互关键词，每个交互关键词对应唯一的交互语种。如表1所示，预设的文本库可包括多个文本组合，如第一文本组合、第二文本组合等等。每一个文本组合均可包括多个交互关键词，如“撤退”、“救我”等等。每个交互关键词对应唯一的交互语种，如中文、英文等等。交互语种中文英文日文……第一文本组合撤退retreatリトリート……第二文本组合救我helpme私を救う………………………………表1在一些实施例中，如图4所示，步骤s120包括步骤s121-s123。s121，对所述输入文本进行分词处理，以生成文本关键词。具体地，对所述第一文本信息进行分词处理可通过调用jieba等工具实现。假设输入文本为“快来救我”，通过对输入文本进行分词处理后所得到的文本关键词为“快来”、“救我”。s122，遍历预设的文本库中所有的文本组合，获取与所述文本关键词相同的交互关键词。具体地，通过将所述文本关键词与文本组合中的交互关键词进行字符比对，以获取与所述文本关键词相同的交互关键词。s123，将与所述文本关键词相同的交互关键词所在的文本组合确定为与所述输入文本相匹配的文本组合。具体地，假设文本关键词为“救我”，通过遍历预设的文本库中所有的文本组合，可确定与所述文本关键词相同的交互关键词所在的文本组合为第二文本组合，进而将该第二文本组合确定为与所述输入文本相匹配的文本组合。s130，获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本。在一些实施例中，如图5所示，步骤s130包括步骤s131-s133。s131，获取第二终端当前使用的系统语言种类，并将所述第二终端当前使用系统语言作为所述第二终端对应的语言种类。具体地，获取第二终端当前使用的系统语言可通过向第二终端发送系统语言获取指令，并获取该系统语言获取指令所返回的输出结果，进而通过该输出结果确定第二终端当前使用的系统语言种类。系统语言获取指令主要包括：getsystemlanguagelist()，若所返回的输出结果为“en”，则确定该第二终端当前使用的系统语言为英文。s132，在预设的文本库中获取与所述第二终端语言种类相同的交互语种。具体地，每一个文本组合均可包括多个语义相同但交互语种不同的交互关键词以及与交互关键词一一对应的交互语种。例如第二文本组合中包括三个语义相同的交互关键词“救我”，这三个语义相同的交互关键词分别对应于一个交互语种，例如“救我”分别对应于“中文”、“英文”、“日文”这三个交互语种。通过将所获得的第二终端对应的语言种类与所述输入文本相匹配的文本组合中的交互语种进行比对，可获取到与所述第二终端语言种类相同的交互语种。s133，根据所述与所述第二终端语言种类相同的交互语种以及预设的文本库生成输出文本。具体地，若所获取到的与所述第二终端语言种类相同的交互语种为英文，则在与所述输入文本相匹配的文本组合中获取交互语种为英文的交互关键词，并将该交互关键词作为输出文本。s140，根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。具体地，输出语音的生成可通过tts技术实现，tts是texttospeech的缩写，意为“从文本到语音”，用于实现语音合成。通过将输出语音发送至所述第二终端，以实现跨语种的语音交互。在一些实施例中，如图6所示，步骤s140包括步骤s141-s143。s141，获取所述输入语音的基音频率，并判断所述基音频率是否大于预设的频率阈值。具体地，基音频率是指人们在发浊音时，因气流与声门使声带产生张弛震荡式振动，进而产生准周期的激励脉冲串。基音频率与声带的长短、薄厚、韧性存在密不可分的关系，通过对输入语音的基音频率进行分析，可得出输入语音对应的用户性别。s142，若所述基音频率大于预设的频率阈值，确定所述输入语音为女声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成女声输出语音，并将所述女声输出语音发送至所述第二终端。具体地，男声的基音频率较低，男声的基音频率一般为50-200hz；女声的基音频率较高，女声的基音频率一般为180-500hz。基于男声与女声基音频率的差异，预设的频率阈值的范围可设定为180-200hz。例如，预设的频率阈值可设定为190hz。若所述基音频率大于190hz，确定所述输入语音为女声输入语音，进而生成女生输出语音。s143，若所述基音频率不大于预设的频率阈值，确定所述输入语音为男声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成男声输出语音，并将所述男声输出语音发送至所述第二终端。具体地，若所述基音频率不大于190hz，确定所述输入语音为男声输入语音，进而生成男生输出语音。实施本发明实施例，通过对输入语音进行分析以获取输入语音对应的用户性别，进而确定输出语音的性别类型，可使语音交互更具有真实性，提升了语音交互的趣味性。图7是本发明实施例提供的一种语音交互装置100的示意性框图。如图7所示，对应于以上语音交互方法，本发明还提供一种语音交互装置100。该语音交互装置100包括用于执行上述语音交互方法的单元，该装置100可以被配置于服务器端中，服务器端可以是独立的服务器，也可以是多个服务器组成的服务器集群。具体地，请参阅图7，该语音交互装置100包括第一获取单元110、第二获取单元120、第三获取单元130以及第一生成单元140。第一获取单元110，用于通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本。在一些实施例中，如图8所示，所述第一获取单元110包括第一判断单元111以及第一处理单元112。第一判断单元111，用于判断所述输入语音所持续的时间长度是否大于预设的时间阈值。第一处理单元112，用于若所述输入语音所持续的时间长度不大于预设的时间阈值，对所述输入语音进行语音识别处理以得出输入文本。第二获取单元120，用于遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合。在一些实施例中，如图9所示，所述第二获取单元120包括第二生成单元121、第四获取单元122以及第一确定单元123。第二生成单元121，用于对所述输入文本进行分词处理，以生成文本关键词。第四获取单元122，用于遍历预设的文本库中所有的文本组合，获取与所述文本关键词相同的交互关键词。第一确定单元123，用于将与所述文本关键词相同的交互关键词所在的文本组合确定为与所述输入文本相匹配的文本组合。第三获取单元130，用于获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本。在一些实施例中，如图10所示，所述第三获取单元130包括第五获取单元131、第六获取单元132以及第三生成单元133。第五获取单元131，用于获取第二终端当前使用的系统语言种类，并将所述第二终端当前使用系统语言作为所述第二终端对应的语言种类。第六获取单元132，用于在预设的文本库中获取与所述第二终端语言种类相同的交互语种。第三生成单元133，用于根据所述与所述第二终端语言种类相同的交互语种以及预设的文本库生成输出文本。第一生成单元140，用于根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。在一些实施例中，如图11所示，所述第一生成单元140包括第七获取单元141、第二处理单元142以及第三处理单元143。第七获取单元141，用于获取所述输入语音的基音频率，并判断所述基音频率是否大于预设的频率阈值。第二处理单元142，用于若所述基音频率大于预设的频率阈值，确定所述输入语音为女声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成女声输出语音，并将所述女声输出语音发送至所述第二终端。第三处理单元143，用于若所述基音频率不大于预设的频率阈值，确定所述输入语音为男声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成男声输出语音，并将所述男声输出语音发送至所述第二终端。需要说明的是，所属领域的技术人员可以清楚地了解到，上述语音交互装置100和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。上述装置100可以实现为一种计算机程序的形式，计算机程序可以在如图12所示的计算机设备上运行。请参阅图12，图12是本发明实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端。该终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。该计算机设备500包括通过系统总线510连接的处理器520、存储器和网络接口550，其中，存储器可以包括非易失性存储介质530和内存储器540。该非易失性存储介质530可存储操作系统531和计算机程序532。该计算机程序532被执行时，可使得处理器520执行一种语音交互方法。该处理器520用于提供计算和控制能力，支撑整个计算机设备500的运行。该内存储器540为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器520执行时，可使得处理器520执行一种语音交互方法。该网络接口550用于与其它设备进行网络通信。本领域技术人员可以理解，该计算机设备的示意性框图仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。其中，所述处理器520用于运行存储在存储器中的程序代码，以实现如下功能：通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本；遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合；获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本；根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。在一实施例中，处理器520在执行所述通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本的步骤时，具体执行如下步骤：判断所述输入语音所持续的时间长度是否大于预设的时间阈值；若所述输入语音所持续的时间长度不大于预设的时间阈值，对所述输入语音进行语音识别处理以得出输入文本。在一实施例中，处理器520在执行所述遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合的步骤时，具体执行如下步骤：对所述输入文本进行分词处理，以生成文本关键词；遍历预设的文本库中所有的文本组合，获取与所述文本关键词相同的交互关键词；将与所述文本关键词相同的交互关键词所在的文本组合确定为与所述输入文本相匹配的文本组合。在一实施例中，处理器520在执行所述获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本的步骤时，具体执行如下步骤：获取第二终端当前使用的系统语言种类，并将所述第二终端当前使用系统语言作为所述第二终端对应的语言种类；在预设的文本库中获取与所述第二终端语言种类相同的交互语种；根据所述与所述第二终端语言种类相同的交互语种以及预设的文本库生成输出文本。在一实施例中，处理器520在执行所述根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端的步骤时，具体执行如下步骤：获取所述输入语音的基音频率，并判断所述基音频率是否大于预设的频率阈值；若所述基音频率大于预设的频率阈值，确定所述输入语音为女声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成女声输出语音，并将所述女声输出语音发送至所述第二终端；若所述基音频率不大于预设的频率阈值，确定所述输入语音为男声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成男声输出语音，并将所述男声输出语音发送至所述第二终端。应当理解，在本发明实施例中，处理器520可以是中央处理单元(centralprocessingunit，cpu)，该处理器520还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。本领域技术人员可以理解，该计算机设备500的示意性框图并不构成对计算机设备500的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明的另一实施例中提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，其中计算机程序包括程序指令。所述程序指令被处理器执行时实现如下步骤：通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本；遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合；获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本；根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端。在一实施例中，所述程序指令被处理器执行以实现所述通过第一终端获取输入语音，并对所述输入语音进行语音识别处理以得出输入文本的步骤时，具体实现如下步骤：判断所述输入语音所持续的时间长度是否大于预设的时间阈值；若所述输入语音所持续的时间长度不大于预设的时间阈值，对所述输入语音进行语音识别处理以得出输入文本。在一实施例中，所述程序指令被处理器执行以实现所述遍历预设的文本库中所有的文本组合，获取与所述输入文本相匹配的文本组合的步骤时，具体实现如下步骤：对所述输入文本进行分词处理，以生成文本关键词；遍历预设的文本库中所有的文本组合，获取与所述文本关键词相同的交互关键词；将与所述文本关键词相同的交互关键词所在的文本组合确定为与所述输入文本相匹配的文本组合。在一实施例中，所述程序指令被处理器执行以实现所述获取第二终端对应的语言种类，并根据所述第二终端对应的语言种类生成输出文本的步骤时，具体实现如下步骤：获取第二终端当前使用的系统语言种类，并将所述第二终端当前使用系统语言作为所述第二终端对应的语言种类；在预设的文本库中获取与所述第二终端语言种类相同的交互语种；根据所述与所述第二终端语言种类相同的交互语种以及预设的文本库生成输出文本。在一实施例中，所述程序指令被处理器执行以实现所述根据所述输出文本以及所述第二终端对应的语言种类生成输出语音，并将所述输出语音发送至所述第二终端的步骤时，具体实现如下步骤：获取所述输入语音的基音频率，并判断所述基音频率是否大于预设的频率阈值；若所述基音频率大于预设的频率阈值，确定所述输入语音为女声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成女声输出语音，并将所述女声输出语音发送至所述第二终端；若所述基音频率不大于预设的频率阈值，确定所述输入语音为男声输入语音，根据所述输出文本以及所述第二终端对应的语言种类生成男声输出语音，并将所述男声输出语音发送至所述第二终端。该计算机可读存储介质可以是u盘、移动硬盘、只读存储器(rom，read-onlymemory)、磁碟或者光盘等各种可以存储程序代码的介质。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如一个以上单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。当前第1页12