本发明涉及人工智能技术领域，尤其涉及一种用于沙盘的语音交互系统及方法。
背景技术：
现有的房地产楼盘的售楼处，客户想要面对沙盘如果想要做进一步的了解的话就需要找来售楼人员进行一对一的讲解。但是，当同时有多人需要进行咨询时，就需要配置多个售楼人员，从而导致成本的增加。此外，由于不同售楼人员的专业度不同，以及对当前楼盘相关信息的了解程度不同等，往往会导致为客户提供参差不齐的咨询服务，从而影响到用户体验。
技术实现要素：
本发明实施例提供一种用于沙盘的语音交互系统及方法，用于至少解决上述技术问题之一。
第一方面，本发明实施例提供一种用于沙盘的语音交互系统，包括：中控设备和多个音箱设备，所述多个音箱设备与所述中控设备通信连接；
所述多个音箱设备用于围绕所述沙盘布置，以采集客户语音，并将所采集到的客户语音发送至所述中控设备；
所述中控设备用于确定对应于所接收到的客户语音的应答内容并返回给相应的音箱设备，以将所述应答内容呈现给客户。
在一些实施例中，所述应答内容包括音频内容，所述将所述应答内容呈现给客户包括向所述客户播报所述音频内容。
在一些实施例中，所述多个音箱设备分别配置有显示屏幕，所述应答内容包括图像内容，所述将所述应答内容呈现给客户包括将所述图像内容呈现在显示屏幕上。
在一些实施例中，所述中控设备还用于：
当所接收到的客户语音源自唯一一个音箱设备时，确定所述唯一一个音箱设备为所述相应的音箱设备；
当所接收到的客户语音源自多个音箱设备时，比较源自多个音箱设备中的每一个音箱设备的客户语音的音频质量；
确定音频质量最高的音箱设备为所述相应的音箱设备。
在一些实施例中，所述中控设备还用于：
当所述中控设备接收自所述相应的音箱设备的客户语音的音频质量低于设定阈值时，重新确定新的相应的音箱设备；
根据源自所述新的相应的音箱设备的客户语音和所述中控设备所存储的基于之前的所述相应的音箱设备所产生的对话信息，确定应答内容。
第二方面，本发明实施例提供一种用于沙盘的语音交互方法，应用于用于沙盘的语音交互系统，所述系统包括：中控设备和多个音箱设备，所述多个音箱设备与所述中控设备通信连接；所述方法包括：
所述中控设备接收所述多个音箱设备所监测到的客户语音，所述多个音箱设备用于围绕所述沙盘布置，并监测客户语音；
所述中控设备确定对应于所接收到的客户语音的应答内容并返回给相应的音箱设备，以将所述应答内容呈现给客户。
在一些实施例中，所述中控设备还用于：
当所接收到的客户语音源自唯一一个音箱设备时，确定所述唯一一个音箱设备为所述相应的音箱设备；
当所接收到的客户语音源自多个音箱设备时，比较源自多个音箱设备中的每一个音箱设备的客户语音的音频质量；
确定音频质量最高的音箱设备为所述相应的音箱设备。
在一些实施例中，所述中控设备还用于：
当所述中控设备接收自所述相应的音箱设备的客户语音的音频质量低于设定阈值时，重新确定新的相应的音箱设备；
根据源自所述新的相应的音箱设备的客户语音和所述中控设备所存储的基于之前的所述相应的音箱设备所产生的对话信息，确定应答内容。
第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项用于沙盘的语音交互方法。
第四方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明上述任一项用于沙盘的语音交互方法。
第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项用于沙盘的语音交互方法。
本发明实施例的有益效果在于：通过配置多个音箱设备以用于分布式布置在沙盘的周围，对客户的咨询语音进行采集及上传，并且采用一个中控设备对多个音箱设备进行控制，从而使得客户能够自助实现对楼盘信息的了解，代替了售楼人员，降低了人员配置成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，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为本发明的用于沙盘的语音交互系统的一实施例的示意图；
图2为本发明的用于沙盘的语音交互方法的一实施例的流程图；
图3为本发明的用于沙盘的语音交互方法的另一实施例的流程图；
图4为本发明的用于沙盘的语音交互方法的另一实施例的流程图；
图5为本发明的电子设备的一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
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。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的实施例提供一种用于沙盘的语音交互系统，包括：中控设备和多个音箱设备，所述多个音箱设备与所述中控设备通信连接；所述多个音箱设备用于围绕所述沙盘布置，以采集客户语音，并将所采集到的客户语音发送至所述中控设备；所述中控设备用于确定对应于所接收到的客户语音的应答内容并返回给相应的音箱设备，以将所述应答内容呈现给客户。
示例性地，中控设备为具有语音识别和/或语音生成能力的电子设备，可以在本地实现语音识别和/或语音生成能力，也可以是在线通过服务器端实现语音识别和/或语音生成能力，或者通过离线和在线相结合的方式实现语音识别和/或语音生成能力，本发发明对此不作限定。
示例性地，多个音箱设备可以是若干个带麦克的音箱，分布在整个沙盘的周边，可以是均匀分布，也可以根据实际情况非均匀的分布。音箱的个数大于等于2个，根据沙盘大小自行确定个数。音箱上的麦克个数可以是1个，也可以是多个的麦克风阵列形式。当然，也可以选择麦克和扬声器分开的设备，例如几个麦克对应一个扬声器，而不仅仅是带麦音箱这一种情况。
本发明实施例通过配置多个音箱设备以用于分布式布置在沙盘的周围，对客户的咨询语音进行采集及上传，并且采用一个中控设备对多个音箱设备进行控制，从而使得客户能够自助实现对楼盘信息的了解，代替了售楼人员，降低了人员配置成本。
如图1所示，为本发明的用于沙盘的语音交互系统的一实施例的示意图，该实施例中在沙盘的周边配置了10个带麦音箱。客户可以在围绕沙盘的任何位置与沙盘进行语音交互。通过分布式的麦克可以进行就近唤醒和交互，不再存在远场识别难的问题，减少了麦克采集到的干扰，提升交互体验。
在一些实施例中，所述应答内容包括音频内容，所述将所述应答内容呈现给客户包括向所述客户播报所述音频内容。
在一些实施例中，所述多个音箱设备分别配置有显示屏幕，所述应答内容包括图像内容，所述将所述应答内容呈现给客户包括将所述图像内容呈现在显示屏幕上。
在一些实施例中，所述中控设备还用于：
当所接收到的客户语音源自唯一一个音箱设备时，确定所述唯一一个音箱设备为所述相应的音箱设备；
当所接收到的客户语音源自多个音箱设备时，比较源自多个音箱设备中的每一个音箱设备的客户语音的音频质量；
确定音频质量最高的音箱设备为所述相应的音箱设备。
示例性地，客户距离音箱设备越近，音箱设备所采集到的客户语音的音频质量越好，当只有一个音箱设备处于空闲状态时(其它音箱设备已经在服务于其它客户的语音咨询)，那么这时就只有该空闲的音箱设备对当前客户进行语音采集，从而将该音箱设备确定为所述相应的音箱设备，并且当确定了答复内容之后也将答复内容直接回复至该相应的音箱设备，以呈现给当前客户。
此外，当有多个空闲音箱设备时，这些音箱设备均能能够采集到当前客户的语音，从而中控设备也将接收到多路客户语音，但是并没有必要同一个客户同时占用多个音箱设备，因此中控设备端将根据多路客户语音的音频质量来确定最优音箱设备作为所述相应的音箱设备。
在确定多路客户语音的音频质量时，可以根据客户距离音箱设备的距离的远近来间接判断(距离越近，质量越高)，也可以根据各路客户语音的能量来直接判断(能量越大，质量越高)，或者也可以根据多路客户语音的信噪比来确定(信噪比越高，质量越高)。
示例性地，如图1所示，当客户处于带麦音箱1的附近时，虽然能够同时接收到带麦音箱1、带麦音箱2和带麦音箱10等所采集的多路客户语音，但由于距离带麦音箱1最近，所以确定其为所述相应的音箱设备。
示例性地，如图1所示，当客户几乎处于带麦音箱4和带麦音箱5中间时，这时可以根据来自这两个带麦音箱的两路客户语音的信噪比来确定所述相应的音箱设备。
在一些实施例中，所述中控设备还用于：
当所述中控设备接收自所述相应的音箱设备的客户语音的音频质量低于设定阈值时，重新确定新的相应的音箱设备；
根据源自所述新的相应的音箱设备的客户语音和所述中控设备所存储的基于之前的所述相应的音箱设备所产生的对话信息，确定应答内容。
本实施例可以根据客户所在位置的变换，来动态的确定新的相应的音箱设备，从而确保了对客户语音的采集质量，这样即便是客户围绕沙盘走动，在不同的位置与沙盘进行对话，都能够始终采集到高质量的客户语音，从而确保准确的识别以及理解用户意图，更准确的确定答复内容。
进一步地，尽管重新确定了最优的音箱设备，但在确定当前的答复内容时，仍然兼顾了在客户通过之前的最优音箱设备所进行的前几轮的对话信息，从而能够有助于中控设备结合上线文更加准确的理解用户意图。
示例性地，中控设备根据客户语音确定声纹信息并存储，以及存储所述声纹信息所对应的历史对话信息；当确定新的相应的音箱设备之后，中控设备在接收到新的客户语音时，首先提取新的客户语音的声纹信息，并查找是否存储由相应的历史对话信息，如果是，则根据该相应的历史对话信息和新的客户语音确定相应的答复内容。
示例性地，以客户声纹作为id，从而识别出是同一个人，从而能够基于该客户已经完成的对话上下文，来对该客户的语音指令进行语义理解，更加的准确。
如图2所示，本发明的实施例还提供一种用于沙盘的语音交互方法，应用于用于沙盘的语音交互系统，所述系统包括：中控设备和多个音箱设备，所述多个音箱设备与所述中控设备通信连接；所述方法包括：
s10、所述中控设备接收所述多个音箱设备所监测到的客户语音，所述多个音箱设备用于围绕所述沙盘布置，并监测客户语音；
s20、所述中控设备确定对应于所接收到的客户语音的应答内容并返回给相应的音箱设备，以将所述应答内容呈现给客户。
如图3所示，为本发明的用于沙盘的语音交互方法的另一些实施例，在该实施例中，所述中控设备还用于：
s30、当所接收到的客户语音源自唯一一个音箱设备时，确定所述唯一一个音箱设备为所述相应的音箱设备；
s40、当所接收到的客户语音源自多个音箱设备时，比较源自多个音箱设备中的每一个音箱设备的客户语音的音频质量；
s50、确定音频质量最高的音箱设备为所述相应的音箱设备。
如图4所示，为本发明的用于沙盘的语音交互方法的另一些实施例，在该实施例中，所述中控设备还用于：
s60、当所述中控设备接收自所述相应的音箱设备的客户语音的音频质量低于设定阈值时，重新确定新的相应的音箱设备；
s70、根据源自所述新的相应的音箱设备的客户语音和所述中控设备所存储的基于之前的所述相应的音箱设备所产生的对话信息，确定应答内容。
示例性地，本发明的用于沙盘的语音交互方法具体的处理流程如下：
1)麦克采集信号：多个音箱的麦克组成了一个麦克风的网络，它们同时采集信号。如果音箱上是多个麦克组成的麦克风阵列，那么每个音箱上会采集到多路的音频信号。采集到的信号中包含客户的有用语音信号、环境中的噪声和其他干扰声、音箱自带的语音合成播报声等。
2)信号处理：为了得到较为干净的客户有用语音信号、提升交互体验，需要对麦克采集的信号进行信号处理以增强有用信号。音箱的语音合成播报音需要使用回声消除算法抑制；环境中的噪声需要通过降噪手段解决；如果音箱上是麦克风阵列的话，可以使用阵列信号处理手段例如波束形成进行语音增强。
3)设备选择：接下来客户使用唤醒词选择一个设备进行交互。当客户说出唤醒词后，至少一个设备被唤醒。然后在唤醒设备中通过能量选择一个设备。假设有一个客户在带麦音箱1的位置，那么当他说出唤醒词，例如“你好小驰”时，离他最近的带麦音箱1就会做出响应，并完成接下来和他的一系列交互。而例如客户站在带麦音箱4和带麦音箱5之间，当他喊出唤醒词时，音箱4和音箱5有很大可能会被同时唤醒，那么此时需要通过计算音箱4的麦克和音箱5麦克采的语音能量，选择能量大的那一路，比如音箱4，与他进行交互。
4)识别交互：当确定好交互的设备以后，就可以进行轻松交互。指定音箱的麦克采集客户的语音信号，通过增强以后进行语音识别。例如客户说“我想知道1栋有哪些户型？”，通过识别和语义理解以后，设备告诉你例如“一栋有89平的三房两厅一卫和115平的三房两厅两卫户型，你想了解哪一个？”。以此进行多轮交互。而当客户走到其他位置的时候，就近的设备被唤醒，可进行下一轮的交互。
通过这种分布式麦克风的布局，一方面可以避免远场拾音造成的识别率下降问题，另一方面可以减轻销售的工作负担，同时也可以让客户自行了解楼盘各方面的信息。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
上述本发明实施例的用于沙盘的语音交互系统可用于执行本发明实施例的用于沙盘的语音交互方法，并相应的达到上述本发明实施例的实现用于沙盘的语音交互方法所达到的技术效果，这里不再赘述。本发明实施例中可以通过硬件处理器(hardwareprocessor)来实现相关功能模块。
在一些实施例中，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项用于沙盘的语音交互方法。
在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项用于沙盘的语音交互方法。
在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行用于沙盘的语音交互方法。
在一些实施例中，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现用于沙盘的语音交互方法。
图5是本申请另一实施例提供的执行用于沙盘的语音交互方法的电子设备的硬件结构示意图，如图5所示，该设备包括：
一个或多个处理器510以及存储器520，图5中以一个处理器510为例。
执行用于沙盘的语音交互方法的设备还可以包括：输入装置530和输出装置540。
处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器520作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的用于沙盘的语音交互方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例用于沙盘的语音交互方法。
存储器520可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于沙盘的语音交互装置的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至用于沙盘的语音交互装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可接收输入的数字或字符信息，以及产生与用于沙盘的语音交互装置的用户设置以及功能控制有关的信号。输出装置540可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器520中，当被所述一个或者多个处理器510执行时，执行上述任意方法实施例中的用于沙盘的语音交互方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本申请实施例的电子设备以多种形式存在，包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。