一种语音与文本相互转化的智能交互方式的制作方法

本发明涉及智能语音交互领域，具体涉及一种语音与文本相互转化的智能交互方式。

背景技术：

随着经济的快速发展，企业业务需要快速进行扩展。而客户需求的多样化以及个性化，对呼叫中心的热线服务质量和系统支撑提出了更高的要求。传统呼叫中心按键式ivr系统由于菜单繁琐复杂，面对企业越来越多的新增业务可扩展性降低，严重影响了用户体验，并且人工客户呼叫处理量有限，成本高，数据处理混乱、可控性差，企业运营面临着越来越大的挑战。

技术实现要素：

本发明实施例的目的在于提供一种语音与文本相互转化的智能交互方式，用以解决现有企业热线服务系统数据处理量小、数据管理混乱、运行成本高、用户体验差的问题。

为实现上述目的，本发明实施例提供一种语音与文本相互转化的智能交互方式，所述语音与文本相互转化的智能交互方式为：用户发出的语音指令发送至公共交换电话网络pstn，用户数据报协议udp将语音指令发送至语音网关，语音网关将用户数据报协议发送至语音转文本模块asr进行语音识别以及语音转文本处理，引擎控制端将转化后的文本内容转发至自然语言处理模块nlp进行语义理解，语义理解结果传送至任务处理模块，任务处理模块收到语义理解处理后的数据对逻辑任务进行相关知识的匹配，用户业务处理系统根据匹配结果进行业务处理输出业务处理结果，业务处理结果再发送至任务处理模块，处理的结果数据发送到nlp进行语音理解交互，同时进行单变量合成以及全文本合成，通过文本转语音模块tts将文本进行语音合成，合成的语音发送到语音网关进行语音交互处理，接入语音网关将语音信息通过pstn与用户进行相应的交互。

优选地，所述语音网关与公共交换电话网络pstn相互传递数据，用户发出的语音接入公共交换电话网络pstn，公共交换电话网络pstn通过用户数据报协议udp将语音数据发送至语音网关，用户数据报协议udp内包括多媒体通信协议sip。

优选地，所述语音转文本模块asr接收语音网关发送的语音数据，并对语音数据进行处理，对输入的语音数据进行自动分类，过滤掉非语音数据，保留有效的用户语音数据，然后进行自动分段和端点检测，获取逐句的有效语音数据，然后进行特征提取，提取后声学特征进行解码，解码过程利用发音字典、声学模型、语言模型等信息构建wfst搜索空间，在搜索空间内寻找匹配概率最大的最优路径，得到识别结果转换为文字信息。

优选地，所述自然语言处理模块对识别转换的文字信息进行端点读取，对预设需要识别和检测的关键词进行检索并与知识库中对应的词汇进行匹配，匹配完成后对文字信息自动进行分词拆分并分类，通过分词的过滤检索抽取关键字或关键词，对关键字或关键词进行标记，对标记的关键字和关键词与预设检测的关键字词进行词义匹配，将拆分的文字信息进行还原，实现文字信息的语义理解。

优选地，所述知识库自动进行优化更新，并自主学习，出现知识库中未有的词汇时，自主添加至知识库中并进行存储，并且匹配的热点关键词进行标注，用户通过热点关键词检索能够找到所有含有此关键词的信息和出现的位置，并进行匹配转发。

优选地，所述任务处理模块接收自然语言处理模块发送的语义理解的结果，并对语义理解结果进行存储，任务处理模块将语义理解结果发送至用户业务处理系统。

优选地，所述用户业务处理系统接收任务处理模块发送的语义理解结果数据，在用户业务处理系统内进行数据流向的指定和控制，同时通过树回归算法在用户业务处理系统内匹配相应的业务处理方法，形成对应的业务处理结果集。

优选地，所述业务处理结果集返回至任务处理模块，任务处理模块对业务处理结果集进行函数分析，函数分析结果进行逻辑处理后发送至自然语言处理模块，自然语言处理模块对业务处理结果进行语义理解，语义理解结果形成文字信息，文字信息发送至文本转语音模块tts。

优选地，所述文本转语音模块tts将语义理解结果的文字信息进行单变量合成或全文本合成语音流，语音流发送至语音网关进行相应的语音解码机制，解码后的语音信息通过公共交换电话网络pstn发送至用户，用户得到处理结果的语音信息，完成一次交互。

优选地，所述语音网关、自然语言处理模块和任务处理模块在不能识别业务逻辑的情况下，进行语音转入人工客服进行处理。

本发明实施例具有如下优点：

本发明实施例公开了一种语音与文本相互转化的智能交互方式，用户将语音信息录入语音网关，通过asr将语音信息转化为文本信息，自然语言处理模块对文本信息进行语义理解，再由任务处理模块将语义理解结果发送至用户业务处理系统，用户业务处理系统匹配相应的处理方法，并将处理结果以文本信息的形式发送至文本转语音模块，用户得到语音处理结果，完成交互。将智能语音技术在呼叫中心中的引入颠覆了用户原有的使用习惯，为ivr的发展注入了新的生机。通过自然人机语音交互的方式，来实现智能语音客服业务，大大提升了ivr的服务能力，提升企业热线服务系统数据处理量，在为企业节省人力成本的同时，带来了良好的用户体验。

附图说明

图1为本发明实施例提供的一种语音与文本相互转化的智能交互方式的工作流程图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、右”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例

参考图1，本实施例公开了一种语音与文本相互转化的智能交互方式，本实施例以一种智能机器人的具体业务处理流程进行说明。

客户电话呼叫企业热线进行业务咨询，客户说的话发送至公共交换电话网络pstn，用户数据报协议udp将语音指令发送至语音网关，所述语音转文本模块asr接收语音网关发送的语音数据，客户发出语音内容为“你好，我是张三，请问我的快递什么时候可以到？”，语音信息发送到公共交换电话网络pstn，用户数据报协议udp将语音转发给语音网关，语音网关将语音数据发送到语音转文本模块asr，并对语音数据进行处理，对输入的语音数据进行自动分类，过滤掉非语音数据，保留有效的用户语音数据，然后进行自动分段和端点检测，获取逐句的有效语音数据，然后进行特征提取，提取后声学特征进行解码，解码过程利用发音字典、声学模型、语言模型等信息构建wfst搜索空间，在搜索空间内寻找匹配概率最大的最优路径，将语音识别结果转换为文字信息，“你好，我是张三，请问我的快递什么时候到？”。

自然语言处理模块对文字信息进行语义理解，对“你好，我是张三，请问我的快递什么时候到？”进行关键词检索匹配，匹配完成后对文字信息进行拆分，拆分的关键词为“张三”、“快递”、“什么时候到”，关键词进行标记与知识库中预设关键词进行词义匹配，实现文字信息的理解。

所述知识库自动进行优化更新，并自主学习，出现知识库中未有的词汇时，自主添加至知识库中并进行存储，并且匹配的热点关键词进行标注，用户通过热点关键词检索能够找到所有含有此关键词的信息和出现的位置，并进行匹配转发。

任务处理模块接收自然语言处理模块发送的语义理解的结果，并对语义理解结果进行存储，任务处理模块将语义理解结果发送至业务处理系统，业务处理系统为用户自行建立的业务处理系统，系统内包括常见问题的解决方法，相关资料的介绍，根据自然语言处理模块进行语义理解的“张三”、“快递”、“什么时候到”，匹配查询结果为“您好！张先生，您的快递2018年10月1日，会送到您所填的地址，请注意查收”。

查询到的结果发送至任务处理模块，任务处理模块接收自然语言处理模块发送的语义理解的结果，并对语义理解结果进行存储，任务处理模块将语义理解结果发送至自然语言处理模块，所述用户业务处理系统接收任务处理模块发送的语义理解结果数据，在用户业务处理系统内进行数据流向的指定和控制，同时通过树回归算法在用户业务处理系统内匹配相应的业务处理方法，形成对应的业务处理结果集。

所述业务处理结果集返回至任务处理模块，任务处理模块对业务处理结果集进行函数分析，函数分析结果进行逻辑处理后发送至自然语言处理模块，自然语言处理模块对业务处理结果进行语义理解，“您好！张先生，您的快递2018年10月1日，会送到您所填的地址，请注意查收”语义理解结果形成文字信息，文字信息发送至文本转语音模块tts。

文本转语音模块tts对姓名、时间等信息进行语音合成，如：张先生、2018年10月1日，语音的调用合成发送到语音网关进行解码再转入到公共交换电话网络pstn，用户端收到语言信息为“您好！张先生，您的快递2018年10月1日，会送到您所填的地址，请注意查收”，完成一次交互。

所述语音网关、自然语言处理模块和任务处理模块在不能识别业务逻辑的情况下，进行语音转入人工客服进行处理，人工客服根据用户的语音信息进行问题查询，将查询结果告知用户。

通过自然人机语音交互的方式，来实现智能语音客服业务，大大提升了ivr的服务能力，提升企业热线服务系统数据处理量，在为企业节省人力成本的同时，带来了良好的用户体验。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。