用于生成信息的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成信息的方法和装置。

背景技术：

语音处理(speechsignalprocessing)包括语音唤醒、语音识别(speechrecognition)、语音合成以及语音端点检测(voiceactivitydetection，vad)等各种技术。其中，语音识别技术是一种利用计算机自动对语音信号的音素、音节或词进行识别的技术，语音识别是实现语音自动控制的基础；语音合成技术可以将文字信息转变为音频信息；语音端点检测通常用于检测语音的起始点及结束点。

技术实现要素：

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：接收客户端发送的、用户在客户端输入的语音信息；对语音信息进行语音活性检测，生成检测结果信息；将检测结果信息输入至预先训练的语音识别模型，生成文本信息，其中，语音识别模型用以表征检测结果信息与文本信息之间的对应关系；基于文本信息进行搜索，生成搜索结果信息；将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，其中，语音合成模型用以表征搜索结果信息与语音结果信息之间的对应关系。

在一些实施例中，检测结果信息以及语音结果信息是未经压缩的脉冲编码调制信息。

在一些实施例中，对语音信息进行语音活性检测，生成检测结果信息，包括：将语音信息输入至预先训练的语音活性检测模型，生成检测结果信息，其中，语音活性检测模型用以表征语音信息与检测结果信息之间的对应关系。

在一些实施例中，语音活性检测模型通过以下步骤训练得到：获取训练样本集合，其中，训练样本集合中的每个训练样本包括语音信息和与该训练样本所包括的语音信息相对应的检测结果信息；利用机器学习方法，对于训练样本集合中的每一个训练样本，将该训练样本所包括的语音信息作为输入，将该训练样本所包括的检测结果信息作为输出，训练得到语音活性检测模型。

在一些实施例中，接收客户端发送的、用户在客户端输入的语音信息，包括：基于超文本传输协议2.0接收客户端发送的、用户在客户端输入的语音信息。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：接收单元，配置用于接收客户端发送的、用户在客户端输入的语音信息；检测单元，配置用于对语音信息进行语音活性检测，生成检测结果信息；第一生成单元，配置用于将检测结果信息输入至预先训练的语音识别模型，生成文本信息，其中，语音识别模型用以表征检测结果信息与文本信息之间的对应关系；第二生成单元，配置用于基于文本信息进行搜索，生成搜索结果信息；第三生成单元，配置用于将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，其中，语音合成模型用以表征搜索结果信息与语音结果信息之间的对应关系。

在一些实施例中，检测结果信息以及语音结果信息是未经压缩的脉冲编码调制信息。

在一些实施例中，检测单元包括：生成模块，配置用于将语音信息输入至预先训练的语音活性检测模型，生成检测结果信息，其中，语音活性检测模型用以表征语音信息与检测结果信息之间的对应关系。

在一些实施例中，语音活性检测模型通过以下步骤训练得到：获取训练样本集合，其中，训练样本集合中的每个训练样本包括语音信息和与该训练样本所包括的语音信息相对应的检测结果信息；利用机器学习方法，对于训练样本集合中的每一个训练样本，将该训练样本所包括的语音信息作为输入，将该训练样本所包括的检测结果信息作为输出，训练得到语音活性检测模型。

在一些实施例中，接收单元包括：接收模块，配置用于基于超文本传输协议2.0接收客户端发送的、用户在客户端输入的语音信息。

第三方面，本申请实施例提供了一种用于生成信息的设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于生成信息的的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种用于生成信息的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于生成信息的的方法中任一实施例的方法。

本申请实施例提供的用于生成信息的方法和装置，通过接收客户端发送的、用户在客户端输入的语音信息，而后对语音信息进行语音活性检测，生成检测结果信息，之后将检测结果信息输入至预先训练的语音识别模型，生成文本信息，再基于文本信息进行搜索，生成搜索结果信息，最后将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，从而降低了客户端的硬件处理开销，提高了信息生成的灵活性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；

图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、即时通信工具、社交平台软件、语音识别软件等。

终端设备101、102、103可以是具有显示屏并且支持语音输入的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的语音信息提供支持的后台语音处理服务器。后台语音处理服务器可以对接收到的语音信息等数据进行语音活性检测等处理，并将处理结果(例如语音结果信息)反馈给终端设备。在这里，服务器105可以是物理服务器，也可以是云服务器。

需要说明的是，本申请实施例所提供的用于生成信息的方法一般由服务器105执行，相应地，用于生成信息的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，接收客户端发送的、用户在客户端输入的语音信息。

在本实施例中，用于生成信息的方法运行于其上的电子设备(例如图1所示的服务器)可以接收客户端(例如图1所示的终端设备)发送的、用户在客户端输入的语音信息。示例性的，上述电子设备可以通过超文本传输协议(hypertexttransferprotocol，http)接收上述语音信息。例如，上述超文本传输协议可以是超文本传输协议1.1，也可以是超文本传输协议2.0等等。

在一种使用情况下，作为示例，客户端在接收到用户所输入的语音信息之后，可以通过snowboy库，实现语音唤醒功能。其中，snowboy是kitt.ai公司开发的人工智能软件工具包。具体地，可以通过客户端的dsp(数字信号处理，digitalsignalprocessing)芯片实现语音唤醒部分的计算，以降低客户端系统内存以及cpu(中央处理器，centralprocessingunit)的占用率。之后，客户端可以向上述电子设备发送语音信息。

请参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，上述电子设备接收到了客户端发送的、用户在客户端输入的语音信息301。

在本实施例的一些可选的实现方式中，客户端所发送的语音信息可以是未经压缩的脉冲编码调制信息。此时，可以降低客户端的硬件处理开销。例如，降低客户端cpu和/或内存的占用。

步骤202，对语音信息进行语音活性检测，生成检测结果信息。

在本实施例中，基于步骤201中得到的语音信息，上述电子设备可以对语音信息进行语音活性检测，生成检测结果信息。其中，语音活性检测是一项用于语音处理的技术，用于检测上述语音信息是否存在，以确定语音信息的起始点及结束点。上述检测结果信息即为语音信息中上述起始点与上述结束点之间的部分。

请继续参见图3，在图3中，上述电子设备对语音信息301进行了语音活性检测，生成了检测结果信息302。

在本实施例的一些可选的实现方式中，可以利用vad(voiceactivitydetection，语音活性检测)算法对语音信息进行语音活性检测。上述vad算法可以是基于信噪比的vad算法、基于深度神经网络的vad算法、基于能量的vad算法、基于计算机语言函数的vad算法混合深度神经网络和计算机语言函数的vad算法等等。

步骤203，将检测结果信息输入至预先训练的语音识别模型，生成文本信息。

在本实施例中，上述电子设备可以将步骤202中得到的检测结果信息输入至预先训练的语音识别模型，生成文本信息。其中，语音识别模型用以表征检测结果信息与文本信息之间的对应关系。文本信息即为检测结果信息的文字符号信息。示例性的，当检测结果信息为音频今天天气怎么样时，将该检测结果信息输入至预先训练的语音识别模型，所生成的文本信息可以是文本“今天天气怎么样？”

作为示例，上述语音识别模型可以是技术人员基于对大量的检测结果信息和文本信息的统计而预先制定的、存储有多个检测结果信息与文本信息的对应关系的对应关系表；也可以是技术人员基于对大量的检测结果信息和文本信息的统计而预先设置的、存储有多个检测结果信息与文本信息及其对应关系的数据库。

请继续参见图3，在图3中，上述电子设备将检测结果信息302输入至预先训练的语音识别模型，生成了文本信息303“今天天气”。

在本实施例的一些可选的实现方式中，可以通过如下步骤训练得到上述语音识别模型：

首先，上述电子设备可以获取针对语音识别模型的训练样本集合，其中，该训练样本集合中的每个训练样本包括检测结果信息和与该训练样本所包括的检测结果信息相对应的文本信息。

然后，上述电子设备可以利用机器学习方法，对于所述训练样本集合中的每一个训练样本，将深度神经网络模型作为初始模型，将该训练样本所包括的检测结果信息作为输入，将该训练样本所包括的文本信息作为输出，训练得到语音识别模型。

步骤204，基于文本信息进行搜索，生成搜索结果信息。

在本实施例中，上述电子设备可以基于步骤203所生成的文本信息进行搜索，生成搜索结果信息。其中，上述搜索结果信息是将文本信息作为搜索请求，得到的反馈信息。可以理解，上述搜索结果信息可以是对文本信息的回复。示例性的，如果文本信息是“中国首都”，则搜索结果信息可以是“北京”。上述搜索结果信息还可以是与文本信息具有其他关联关系的信息。示例性的，如果文本信息是“电话”，则搜索结果信息可以是“手机”等等。

请继续参见图3，在图3中，上述电子设备基于文本信息303进行搜索，生成了搜索结果信息304“晴20-30度”。

步骤205，将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息。

在本实施例中，上述电子设备可以将步骤204所生成的搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息。其中，语音合成模型用以表征搜索结果信息与语音结果信息之间的对应关系。语音结果信息是搜索结果信息所对应的音频信息。可以理解，语音合成模型可以将文字信息(例如搜索结果信息)转变为音频信息(例如语音结果信息)。示例性的，当搜索结果信息是文本“你好”时，语音结果信息可以是你好所对应的音频信息。

作为示例，上述语音合成模型可以是技术人员基于对大量的搜索结果信息和语音结果信息的统计而预先制定的、存储有多个搜索结果信息与语音结果信息的对应关系的对应关系表；也可以是技术人员基于对大量的搜索结果信息和语音结果信息的统计而预先设置的、存储有多个搜索结果信息与语音结果信息及其对应关系的数据库。

请继续参见图3，在图3中，上述电子设备将搜索结果信息304输入至预先训练的语音合成模型，生成了语音结果信息305。

在本实施例的一些可选的实现方式中，可以通过如下步骤训练得到上述语音合成模型：

首先，上述电子设备可以获取针对语音合成模型的训练样本集合，其中，该训练样本集合中的每个训练样本包括搜索结果信息和与该训练样本所包括的搜索结果信息相对应的语音结果信息。

然后，上述电子设备可以利用机器学习方法，对于所述训练样本集合中的每一个训练样本，将深度神经网络模型作为初始模型，将该训练样本所包括的搜索结果信息作为输入，将该训练样本所包括的语音结果信息作为输出，训练得到语音合成模型。

在本实施例的一些可选的实现方式中，检测结果信息以及语音结果信息是未经压缩的脉冲编码调制信息。

可以理解，当检测结果信息以及语音结果信息是未经压缩的脉冲编码调制信息时，可以简化上述电子设备的处理过程。

在本实施例的一些可选的实现方式中，接收客户端发送的、用户在客户端输入的语音信息，包括：基于超文本传输协议2.0接收客户端发送的、用户在客户端输入的语音信息。

可以理解，超文本传输协议2.0可以支持基于连接通路的多路复用技术，从而使得信息传输效度更高、速度更快。

在本实施例的一些可选的实现方式中，上述方法还包括：将语音结果信息发送至客户端。

本申请的上述实施例提供的方法通过接收客户端发送的、用户在客户端输入的语音信息，而后对语音信息进行语音活性检测，生成检测结果信息，之后将检测结果信息输入至预先训练的语音识别模型，生成文本信息，再基于文本信息进行搜索，生成搜索结果信息，最后将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，从而降低了客户端的硬件处理开销，一定程度上降低了客户端的功耗，提高了信息生成的灵活性。

进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：

步骤401，接收客户端发送的、用户在客户端输入的语音信息。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤402，将语音信息输入至预先训练的语音活性检测模型，生成检测结果信息。其中，语音活性检测模型用以表征语音信息与检测结果信息之间的对应关系。

在本实施例中，上述电子设备可以将语音信息输入至预先训练的语音活性检测模型，生成检测结果信息。

作为示例，上述语音活性检测模型可以是技术人员基于对大量的语音信息和检测结果信息的统计而预先制定的、存储有多个语音信息与检测结果信息的对应关系的对应关系表；也可以是技术人员基于对大量的语音信息和检测结果信息的统计而预先设置的、存储有多个语音信息与检测结果信息及其对应关系的数据库。

在本实施例的一些可选的实现方式中，语音活性检测模型通过以下步骤训练得到：

首先，获取训练样本集合，其中，训练样本集合中的每个训练样本包括语音信息和与该训练样本所包括的语音信息相对应的检测结果信息。可以理解，训练样本集合中的每个训练样本均包含语音信息和检测结果信息。并且，该训练样本所包括的语音信息和该训练样本所包括的检测结果信息是相对应的，

然后，上述电子设备可以利用机器学习方法，对于训练样本集合中的每一个训练样本，将深度神经网络模型作为初始模型，将该训练样本所包括的语音信息作为输入，将该训练样本所包括的检测结果信息作为输出，训练得到语音活性检测模型。

步骤403，将检测结果信息输入至预先训练的语音识别模型，生成文本信息。

在本实施例中，步骤403与图2对应实施例中的步骤203基本一致，这里不再赘述。

步骤404，基于文本信息进行搜索，生成搜索结果信息。

在本实施例中，步骤404与图2对应实施例中的步骤204基本一致，这里不再赘述。

步骤405，将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息。

在本实施例中，步骤405与图2对应实施例中的步骤205基本一致，这里不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了生成检测结果信息的步骤。由此，本实施例描述的方案可以引入更多的生成检测结果信息的方式，从而实现更准确的检测结果信息的生成和更灵活的信息生成。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成信息的装置500包括：接收单元501、检测单元502、第一生成单元503、第二生成单元504和第三生成单元505。其中，接收单元501配置用于接收客户端发送的、用户在客户端输入的语音信息；检测单元502配置用于对语音信息进行语音活性检测，生成检测结果信息；第一生成单元503配置用于将检测结果信息输入至预先训练的语音识别模型，生成文本信息，其中，语音识别模型用以表征检测结果信息与文本信息之间的对应关系；第二生成单元504配置用于基于文本信息进行搜索，生成搜索结果信息；第三生成单元505配置用于将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，其中，语音合成模型用以表征搜索结果信息与语音结果信息之间的对应关系。

在本实施例中，用于生成信息的装置500的接收单元501可以接收客户端(例如图1所示的终端设备)发送的、用户在客户端输入的语音信息。示例性的，上述电子设备可以通过超文本传输协议接收上述语音信息。例如，上述超文本传输协议可以是超文本传输协议1.1，也可以是超文本传输协议2.0等等。

在本实施例中，基于接收单元501得到的语音信息，上述检测单元502可以对语音信息进行语音活性检测，生成检测结果信息。其中，语音活性检测用于检测上述语音信息的起始点及结束点。上述检测结果信息即为语音信息中上述起始点与上述结束点之间的部分。

在本实施例中，基于检测单元502得到的检测结果信息，第一生成单元503可以将检测结果信息输入至预先训练的语音识别模型，生成文本信息。其中，语音识别模型用以表征检测结果信息与文本信息之间的对应关系。文本信息即为检测结果信息的文字符号信息。

在本实施例中，上述第二生成单元504可以基于第一生成单元503所生成的文本信息进行搜索，生成搜索结果信息。其中，上述搜索结果信息是将文本信息作为搜索请求，得到的反馈信息。

在本实施例中，上述第三生成单元505可以将第二生成单元504所生成的搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息。其中，语音合成模型用以表征搜索结果信息与语音结果信息之间的对应关系。

在本实施例的一些可选的实现方式中，检测结果信息以及语音结果信息是未经压缩的脉冲编码调制信息。

在本实施例的一些可选的实现方式中，检测单元502包括生成模块(图中未示出)配置用于将语音信息输入至预先训练的语音活性检测模型，生成检测结果信息，其中，语音活性检测模型用以表征语音信息与检测结果信息之间的对应关系。

在本实施例的一些可选的实现方式中，语音活性检测模型通过以下步骤训练得到：获取训练样本集合，其中，训练样本集合中的每个训练样本包括语音信息和与该训练样本所包括的语音信息相对应的检测结果信息；利用机器学习方法，对于训练样本集合中的每一个训练样本，将该训练样本所包括的语音信息作为输入，将该训练样本所包括的检测结果信息作为输出，训练得到语音活性检测模型。

在本实施例的一些可选的实现方式中，接收单元501包括接收模块(图中未示出)配置用于接收客户端发送的、用户在客户端输入的语音信息，包括：基于超文本传输协议2.0接收客户端发送的、用户在客户端输入的语音信息。

在本实施例的一些可选的实现方式中，上述装置还包括：发送单元(图中未示出)配置用于将语音结果信息发送至客户端。

本申请的上述实施例提供的装置，通过接收单元501接收客户端发送的、用户在客户端输入的语音信息，然后检测单元502对语音信息进行语音活性检测，生成检测结果信息，之后第一生成单元503将检测结果信息输入至预先训练的语音识别模型，生成文本信息，接着第二生成单元504基于文本信息进行搜索，生成搜索结果信息，最后第三生成单元505将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，从而降低了客户端的硬件处理开销，提高了信息生成的灵活性。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、检测单元、第一生成单元、第二生成单元和第三生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收客户端发送的、用户在客户端输入的语音信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：接收客户端发送的、用户在客户端输入的语音信息；对语音信息进行语音活性检测，生成检测结果信息；将检测结果信息输入至预先训练的语音识别模型，生成文本信息，其中，语音识别模型用以表征检测结果信息与文本信息之间的对应关系；基于文本信息进行搜索，生成搜索结果信息；将搜索结果信息输入至预先训练的语音合成模型，生成语音结果信息，其中，语音合成模型用以表征搜索结果信息与语音结果信息之间的对应关系。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。