对话处理方法、装置、电子设备及计算机存储介质与流程

所属的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行上述方法实施例的如下步骤：当机器语音播放时有用户的用户语音输入，停止播放机器语音，将用户语音及机器语音输入至恢复模型，且通过恢复模型确定用户无真实打断机器语音的意图时，获取机器语音在用户语音输入时对应的时间戳信息，根据时间戳信息确定机器语音对应的恢复播放节点，例如将恢复播放节点设置在机器语音在用户语音输入时对应的预设停顿位置，从恢复播放节点播放机器语音。存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(rom)8203。存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备800也可以与一个或多个外部设备840(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，本公开实施例中的程序产品被处理器执行时实现如下步骤的方法：当机器语音播放时有用户的用户语音输入，停止播放机器语音，将用户语音及机器语音输入至恢复模型，且通过恢复模型确定用户无真实打断机器语音的意图时，获取机器语音在用户语音输入时对应的时间戳信息，根据时间戳信息确定机器语音对应的恢复播放节点，例如将恢复播放节点设置在机器语音在用户语音输入时对应的预设停顿位置，从恢复播放节点播放机器语音。本公开中的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。在本公开中，计算机可读存储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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可选地，计算机可读存储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、有线、光缆、rf等等，或者上述的任意合适的组合。在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开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所附的权利要求指出。

背景技术：

1、随着智能语音对话系统应用越来越广泛，智能语音对话的智能化体验越来越成为系统性能的重要指标，能否有效地支持用户打断机器是最有效提升体验的方法之一。

2、相关技术中，智能语音对话系统识别到用户的输入后，不能检测用户是否有真实打断语音的意图，用户可能只是随口附和，或有背景人在说话，系统也会停止播报并会有明显的突兀感，系统也存在明显的卡顿现象；且系统恢复播报的时机不确定，有可能从一个单词的一半的时候开始恢复，比如“我们”，系统从“们”字开始播报，更糟糕的情况，有可能从“们”的后半个音节开始播报，导致语音交互效果差，用户体验不佳。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开提供一种对话处理方法、装置、电子设备及计算机可读存储介质，至少在一定程度上克服相关技术中语音交互效果差的问题。

2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

3、根据本公开的一个方面，提供一种对话处理方法，包括：当机器语音播放时有用户的用户语音输入，且所述用户无真实打断所述机器语音的意图时，停止播放所述机器语音，并获取所述机器语音在所述用户语音输入时对应的时间戳信息；根据所述时间戳信息确定所述机器语音对应的恢复播放节点；从所述恢复播放节点播放所述机器语音。

4、在本公开的一个实施例中，所述当机器语音播放时有用户的用户语音输入，且所述用户无真实打断所述机器语音的意图时，停止播放所述机器语音，并获取所述机器语音在所述用户语音输入时对应的时间戳信息包括：将所述用户语音及所述机器语音输入至恢复模型，以便通过所述恢复模型确定所述用户是否有真实打断所述机器语音的意图。

5、在本公开的一个实施例中，所述恢复模型的训练数据包括：对话音频特征数据、对话上下文数据、对话轮次数据、和/或对话语义数据。

6、在本公开的一个实施例中，所述将所述用户语音及所述机器语音输入至恢复模型，以便通过所述恢复模型确定所述用户是否有真实打断所述机器语音的意图包括：所述恢复模型根据语音数据、所述用户语音及所述机器语音确定所述用户是否有真实打断所述机器语音的意图；其中，所述语音数据包括以下至少之一：引导话术内容数据、所述机器语音的播放进度数据、语音置信度数据。

7、在本公开的一个实施例中，所述恢复播放节点包括以下至少之一：

8、所述机器语音的起始位置；

9、所述机器语音在所述用户语音输入时的位置；

10、所述机器语音在所述用户语音输入时对应的断句位置；

11、所述机器语音在所述用户语音输入时对应的预设停顿位置。

12、在本公开的一个实施例中，所述机器语音包括：语音音频、所述语音音频对应的文字、和/或所述语音音频对应的时间戳信息，其中，所述时间戳信息包括：标点符号、断句位置、和/或预设停顿位置。

13、在本公开的一个实施例中，所述当机器语音播放时有用户的用户语音输入，且所述用户无真实打断所述机器语音的意图时，停止播放所述机器语音，并获取所述机器语音在所述用户语音输入时对应的时间戳信息包括：当机器语音播放时有用户的用户语音输入，且所述用户无真实打断所述机器语音的意图时，立即停止播放所述机器语音或缓慢降低所述机器语音的音量。

14、在本公开的一个实施例中，还包括：当所述用户语音的停顿超过第一时间阈值时，表征用户语音输入完成。

15、在本公开的一个实施例中，还包括：当所述用户有真实打断所述机器语音的意图时，生成与所述用户语音对应的回复语音。

16、在本公开的一个实施例中，还包括：过滤所述用户语音中的静音数据及噪声数据。

17、根据本公开的另一个方面，还提供了一种对话处理装置，包括：

18、获取模块，当机器语音播放时有用户的用户语音输入，且所述用户无真实打断所述机器语音的意图时，停止播放所述机器语音，并获取所述机器语音在所述用户语音输入时对应的时间戳信息；

19、确定模块，根据所述时间戳信息确定所述机器语音对应的恢复播放节点；

20、恢复模块，从所述恢复播放节点播放所述机器语音。

21、根据本公开的另一个方面，还提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述对话处理方法。

22、根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的对话处理方法。

23、本公开的实施例所提供的对话处理方法、装置、电子设备及计算机可读存储介质，当机器语音播放时有用户的用户语音输入，停止播放机器语音，将用户语音及机器语音输入至恢复模型，且通过恢复模型确定用户无真实打断机器语音的意图时，获取机器语音在用户语音输入时对应的时间戳信息，根据时间戳信息确定机器语音对应的恢复播放节点，例如将恢复播放节点设置在机器语音在用户语音输入时对应的预设停顿位置，从恢复播放节点播放机器语音；能够对用户意图进行确认，纠正用户误打断语音的情况，并保证语音恢复的流畅和连贯，提高语音交互效果。

24、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。