语音交互方法及装置与流程

本公开涉及终端技术领域，尤其涉及语音交互方法及装置。

背景技术

目前几乎所有的智能设备都支持语音交互，语音是一种高效的交流媒体，当我们与智能设备进行语音交互时，智能设备需要通过声学处理我们的声音和周围环境，减少干扰和噪音；再通过语音识别技术将听到的声音翻译成文字，语义理解技术则会分析这些文字的意义，最后智能设备通过语音合成技术把要表达的内容合成语音。但是对于不同的人群来说，智能设备合成的不同语音内容的机械式语音，不能够完全匹配用户的节奏。

技术实现要素：

本公开实施例提供一种语音交互方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种语音交互方法，包括：

获取用户的语音信息；

根据所述用户的语音信息确定所述用户的第一语速；

按照与所述第一语速对应的第二语速输出应答语音信息。

在一个实施例中，所述按照与所述第一语速对应的第二语速输出应答语音信息，包括：

按照与所述第一语速相同的第二语速输出应答语音信息。

在一个实施例中，所述按照与所述第一语速相同的第二语速输出应答语音信息，包括：

在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

在一个实施例中，所述按照与所述第一语速对应的第二语速输出应答语音信息，包括：

在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

在一个实施例中，所述方法还包括：

根据所述用户的语音信息确定所述用户的第一音量；

按照所述第一音量输出所述应答语音信息。

根据本公开实施例的第二方面，提供一种语音交互装置，包括：

获取模块，用于获取用户的语音信息；

第一确定模块，用于根据所述用户的语音信息确定所述用户的第一语速；

第一输出模块，用于按照与所述第一语速对应的第二语速输出应答语音信息。

在一个实施例中，所述输出模块包括：

第一输出子模块，用于按照与所述第一语速相同的第二语速输出应答语音信息。

在一个实施例中，所述第一输出子模块，用于在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

在一个实施例中，所述输出模块包括：

第二输出子模块，用于在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

在一个实施例中，所述装置还包括：

第二确定模块，用于根据所述用户的语音信息确定所述用户的第一音量；

第二输出模块，用于按照所述第一音量输出所述应答语音信息。

根据本公开实施例的第三方面，提供一种语音交互装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取用户的语音信息；

根据所述用户的语音信息确定所述用户的第一语速；

按照与所述第一语速对应的第二语速输出应答语音信息。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，存储有计算机指令，所述计算机指令被处理器执行时实现上述方法中的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以获取用户的语音信息；根据所述用户的语音信息确定所述用户的第一语速；按照与所述第一语速对应的第二语速输出应答语音信息，针对用户不同的第一语速，按照相应的第二语速输出应答语音信息来回复用户，输出的匹配用户语速的语音，和用户的语速步调相应，使用户和语音助手之间的交流产生亲切感，增加用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种语音交互方法的流程图。

图2是根据一示例性实施例示出的一种语音交互方法的流程图。

图3是根据一示例性实施例示出的一种语音交互方法的流程图。

图4是根据一示例性实施例示出的一种语音交互装置的框图。

图5是根据一示例性实施例示出的一种语音交互装置的框图。

图6是根据一示例性实施例示出的一种语音交互装置的框图。

图7是根据一示例性实施例示出的一种语音交互装置的框图。

图8是根据一示例性实施例示出的一种语音交互装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种语音交互方法的流程图，如图1所示，该语音交互方法用于终端等设备中，包括以下步骤101-103：

在步骤101中，获取用户的语音信息。

在步骤102中，根据所述用户的语音信息确定所述用户的第一语速。

在步骤103中，按照与所述第一语速对应的第二语速输出应答语音信息。

这里，用户在和终端上的语音助手应用进行语音交互时，会向终端输入语音，终端通过麦克风采集该用户的语音信息，并将该用户的语音信息发送给语音助手应用，这样，该语音助手应用就获取用户的语音信息。

这里，该语音助手应用获取到该用户的语音信息后，可以通过语音识别技术将获取的语音信息翻译成文字，再通过语义理解技术分析这些文字的意义，语音助手应用在分析出这些文字的意义后，就会向用户回复相应的应答信息，语音助手应用可以使用语音合成技术把要回复的应用信息合成为应答语音信息进行输出。

这里，语音助手应用在合成应答语音信息时，需要先根据用户的语音信息确定所述用户的第一语速，该第一语速为用户单位时间内说出的字数，该语音助手应用可以在通过语音识别技术将获取的语音信息翻译成文字时，获知用户共说了n个字，该语音助手应用还可以根据接收的用户的语音信息，获知用户语音的时长t，如此，语音助手应用就可以计算出第一语速v＝n/t。然后，语音助手应用就可以按照与第一语速对应的第二语速来输出该应答语音信息。

示例的，该第二语速和第一语速之间的对应关系可以是正相关的关系，第一语速越大，第二语速也越大，即用户用较大的第一语速与语音助手应用交流，语音助手应用也会使用较大的第二语速来回复用户，这样语音助手应用和用户的语速步调一致，使用户和语音助手的交流产生亲切感，增加用户体验。

示例的，语音助手应用中可以预存第一语速和第二语速的对应关系，如第一语速(v1，v2]对应的第二语速为v3，第一语速(v2，v4]对应的第二语速为v5；其中v3小于v5；这样，当第一语速较小在范围(v1，v2]内时，语音助手应用就可以按照较小的第二语速v3输出该应答语音信息；当第一语速较小在范围(v2，v4]内时，语音助手应用就可以按照较大的第二语速v5输出该应答语音信息。

本实施例可以获取用户的语音信息；根据所述用户的语音信息确定所述用户的第一语速；按照与所述第一语速对应的第二语速输出应答语音信息，针对用户不同的第一语速，按照相应的第二语速输出应答语音信息来回复用户，输出的语音匹配用户的语速，和用户的语速步调相应，使用户和语音助手之间的交流产生亲切感，增加用户体验。

在一种可能的实施方式中，上述语音交互方法中的步骤103还可以实施为以下步骤a1。

在步骤a1中，按照与所述第一语速相同的第二语速输出应答语音信息。

这里，语音助手应用在确定用户的第一语速后，可以按照与第一语速相同的第二语速输出应答语音信息，即按照与用户相同的语速输出应答语音信息，回复语音和用户的语速步调一致，使用户和语音助手的交流产生亲切感，增加用户体验。

本实施例可以按照与第一语速相同的第二语速输出应答语音信息，回复的应答语音和用户的语速步调一致，使用户和语音助手的交流产生亲切感，增加用户体验。

在一种可能的实施方式中，上述语音交互方法中的步骤a1还可以实施为以下步骤a11。

在步骤a11中，在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

这里，当用户说话太快或太慢时，第一语速太大或太小没有在预设的正常语速范围如(100字/分钟-250字/分钟)时，如果按照与第一语速相同的第二语速输出应答语音信息，可以能会因为语速太快导致用户听不清楚，或者会因为语速太慢浪费用户时间，此时，语音助手应用就不会按照与所述第一语速相同的第二语速输出应答语音信息；而只有在第一语速在预设的正常语速范围时，语音助手应用才会按照与所述第一语速相同的第二语速输出应答语音信息。

本实施例只有在第一语速在预设的正常语速范围时，才按照与所述第一语速相同的第二语速输出应答语音信息，防止输出应答语音信息时语速太快导致用户听不清楚，或者语速太慢浪费用户时间。

在一种可能的实施方式中，上述语音交互方法中的步骤103还可以实现为以下步骤b1。

在步骤b1中，在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

这里，当用户说话太快或太慢时，第一语速太大或太小没有在预设的正常语速范围时，如果按照与第一语速相同的第二语速输出应答语音信息，可以能会因为语速太快导致用户听不清楚，或者会因为语速太慢浪费用户时间，此时，语音助手应用可以按照预设语速输出应答语音信息，示例的，该预设语速可以是每分钟160个字至180个字。

本实施例可以在第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息，防止输出应答语音信息时语速太快导致用户听不清楚，或者语速太慢浪费用户时间。

在一种可能的实施方式中，上述语音交互方法还可以包括以下步骤c1和c2。

在步骤c1中，根据所述用户的语音信息确定所述用户的第一音量。

在步骤c2中，按照所述第一音量输出所述应答语音信息。

这里，语音助手应用在输出应答语音信息时，还可以根据所述用户的语音信息确定所述用户的第一音量，然后按照第一音量输出该应答语音信息，这样，语音助手应用就可以按照第二语速和第一音量输出所述应答语音信息；如此，当用户在私密场合或嘈杂环境中说话音量较大时，语音助手应用就使用较大的音量输出应答语音信息，当用户在安静的公共环境中说话音量较小时，语音助手应用就使用较小的音量输出应答语音信息，匹配用户对应的音量，和用户的音量一致，使用户和语音助手应用的交流产生亲切感，增加用户体验。

这里需要说明的是，在第一音量较小时，为了防止用户听不清楚，语音助手应用可以使用比第一音量较大的预设音量来输出所述应答语音信息。

本实施例还可以根据所述用户的语音信息确定所述用户的第一音量，并按照所述第一音量输出所述应答语音信息，与用户使用一样的音量进行交流，使用户和语音助手应用的交流产生亲切感，增加用户体验。

下面通过几个实施例详细介绍实现过程。

图2是根据一示例性实施例示出的一种语音交互方法的流程图，如图2所示，该方法可以由终端等设备实现，包括步骤201-204。

在步骤201中，获取用户的语音信息。

在步骤202中，根据所述用户的语音信息确定所述用户的第一语速。

在步骤203中，在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

在步骤204中，在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

图3是根据一示例性实施例示出的一种语音交互方法的流程图，如图3所示，该方法可以由终端等设备实现，包括步骤301-304。

在步骤301中，获取用户的语音信息。

在步骤302中，根据所述用户的语音信息确定所述用户的第一语速。

在步骤303中，根据所述用户的语音信息确定所述用户的第一音量。

在步骤304中，按照与所述第一语速相同的第二语速输出应答语音信息并按照所述第一音量输出所述应答语音信息。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图4是根据一示例性实施例示出的一种语音交互装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4所示，该语音交互装置包括：

获取模块401，用于获取用户的语音信息；

第一确定模块402，用于根据所述用户的语音信息确定所述用户的第一语速；

第一输出模块403，用于按照与所述第一语速对应的第二语速输出应答语音信息。

作为一种可能的实施例，图5是根据一示例性实施例示出的一种语音交互装置的框图，如图5所示，上述公开的语音交互装置还可以把所述第一输出模块403配置成包括第一输出子模块4031，其中：

第一输出子模块4031，用于按照与所述第一语速相同的第二语速输出应答语音信息。

作为一种可能的实施例，所述第一输出子模块4031，用于在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

作为一种可能的实施例，图6是根据一示例性实施例示出的一种语音交互装置的框图，如图6所示，上述公开的语音交互装置还可以把所述第一输出模块403配置成包括第二输出子模块4032，其中：

第二输出子模块4032，用于在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

作为一种可能的实施例，图7是根据一示例性实施例示出的一种语音交互装置的框图，如图7所示，上述公开的语音交互装置还可以被配置成包括第二确定模块404和第二输出模块405，其中：

第二确定模块404，用于根据所述用户的语音信息确定所述用户的第一音量；

第二输出模块405，用于按照所述第一音量输出所述应答语音信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据一示例性实施例示出的一种语音交互装置的框图，该装置适用于终端设备。例如，装置800可以是移动电话，游戏控制台，电脑、平板设备，个人数字助理等。

装置800可以包括以下一个或多个组件：处理组件801，存储器802，电源组件803，多媒体组件804，音频组件805，输入/输出(i/o)接口806，传感器组件807，以及通信组件808。

处理组件801通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件801可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件801可以包括一个或多个模块，便于处理组件801和其他组件之间的交互。例如，处理组件801可以包括多媒体模块，以方便多媒体组件804和处理组件801之间的交互。

存储器802被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件803为装置800的各种组件提供电力。电源组件803可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件804包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件804包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件805被配置为输出和/或输入音频信号。例如，音频组件805包括一个麦克风(mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或经由通信组件808发送。在一些实施例中，音频组件805还包括一个扬声器，用于输出音频信号。

i/o的接口806为处理组件801和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件807包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件807可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件807还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件807可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件807还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件807还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件808被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件808经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件808还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器802，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

本实施例提供了一种计算机可读存储介质，当所述存储介质中的指令由装置800的处理器执行时实现以下步骤：

获取用户的语音信息；

根据所述用户的语音信息确定所述用户的第一语速；

按照与所述第一语速对应的第二语速输出应答语音信息。

所述存储介质中的指令被处理器执行时还可以实现以下步骤：

所述按照与所述第一语速对应的第二语速输出应答语音信息，包括：

按照与所述第一语速相同的第二语速输出应答语音信息。

所述存储介质中的指令被处理器执行时还可以实现以下步骤：

所述按照与所述第一语速相同的第二语速输出应答语音信息，包括：

在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

所述存储介质中的指令被处理器执行时还可以实现以下步骤：

所述按照与所述第一语速对应的第二语速输出应答语音信息，包括：

在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

所述存储介质中的指令被处理器执行时还可以实现以下步骤：

所述方法还包括：

根据所述用户的语音信息确定所述用户的第一音量；

按照所述第一音量输出所述应答语音信息。

本实施例还提供了一种语音交互装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取用户的语音信息；

根据所述用户的语音信息确定所述用户的第一语速；

按照与所述第一语速对应的第二语速输出应答语音信息。

所述处理器还可以被配置为：

所述按照与所述第一语速对应的第二语速输出应答语音信息，包括：

按照与所述第一语速相同的第二语速输出应答语音信息。

所述处理器还可以被配置为：

所述按照与所述第一语速相同的第二语速输出应答语音信息，包括：

在所述第一语速在预设的正常语速范围时，按照与所述第一语速相同的第二语速输出应答语音信息。

所述处理器还可以被配置为：

所述按照与所述第一语速对应的第二语速输出应答语音信息，包括：

在所述第一语速不在预设的正常语速范围时，按照预设语速输出应答语音信息。

所述处理器还可以被配置为：

所述方法还包括：

根据所述用户的语音信息确定所述用户的第一音量；

按照所述第一音量输出所述应答语音信息。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。