对话场景区分方法、装置、电子设备和存储介质与流程

本发明涉及人工智能，尤其涉及一种对话场景区分方法、装置、电子设备和存储介质。

背景技术：

1、随着智能语音技术的快速发展，语音交互已经成为了日常生活中不可或缺的一部分。然而，在当前的语音交互中，人人和人机之间的对话往往存在混淆，这无疑会给用户带来了困扰。因此，如何准确区分对话场景以提升用户体验成为了当前亟待解决的问题。

2、目前，对于交互场景的区分通常通过特定的操作进行，如可以通过固定的指令进入对应的交互模式，以分隔人人交互和人机交互，即可以通过固定的语音指令进入闲聊场景，或者进入拦截闲聊对话的场景，以区分人人对话和人机对话。但是，此种方法往往很难准确地区分人人和人机的语音交互场景，导致语音交互出现干扰。

技术实现思路

1、本发明提供一种对话场景区分方法、装置、电子设备和存储介质，用以解决现有技术中无法准确区分不同交互场景，以致语音交互过程中容易因误触发带来干扰，影响用户的交互体验的缺陷。

2、本发明提供一种对话场景区分方法，包括：

3、确定目标语音；

4、在所述目标语音中包含多个音区的语音的情况下，确定各音区的语音的转写文本，以及所述各音区的历史对话文本；

5、基于所述各音区的转写文本和历史对话文本，进行对话场景区分，得到所述目标语音对应的对话场景。

6、根据本发明提供的一种对话场景区分方法，所述基于所述各音区的转写文本和历史对话文本，进行对话场景区分，得到所述目标语音对应的对话场景，包括：

7、基于所述各音区的转写文本和历史对话文本，进行对话关联性检测，得到关联性评分；

8、基于所述关联性评分进行对话场景区分，得到所述目标语音对应的对话场景。

9、根据本发明提供的一种对话场景区分方法，所述基于所述各音区的转写文本和历史对话文本，进行对话关联性检测，得到关联性评分，包括：

10、确定所述目标语音对应的对话发起音区；

11、基于所述对话发起音区的转写文本以及历史对话文本，进行对话关联性检测，得到同音区关联性评分；

12、基于所述对话发起音区的转写文本，以及其他音区的转写文本和历史对话文本，进行对话关联性检测，得到不同音区关联性评分；

13、基于所述同音区关联性评分和所述不同音区关联性评分，确定关联性评分，所述其他音区为各音区中除所述对话发起音区外的音区。

14、根据本发明提供的一种对话场景区分方法，所述基于所述各音区的转写文本和历史对话文本，进行对话关联性检测，得到关联性评分，包括：

15、基于所述各音区的转写文本和历史对话文本，应用关联性检测模型进行对话关联性检测，得到关联性检测模型输出的关联性评分；

16、所述关联性检测模型基于样本语音，以及所述样本语音对应的样本历史语音和样本非历史语音训练得到。

17、根据本发明提供的一种对话场景区分方法，所述确定目标语音，之后还包括：

18、基于所述目标语音进行音区检测，得到音区检测结果；

19、在所述音区检测结果指示所述目标语音为同音区的语音的情况下，基于所述目标语音进行意图识别，得到意图识别结果；

20、基于所述意图识别结果，进行对话场景区分，得到所述目标语音对应的对话场景。

21、根据本发明提供的一种对话场景区分方法，所述基于所述意图识别结果，进行对话场景区分，得到所述目标语音对应的对话场景，包括：

22、若所述意图识别结果反映意图明确，则确定所述目标语音对应的对话场景为人机对话场景；

23、否则，确定所述目标语音对应的对话场景为人人对话场景。

24、根据本发明提供的一种对话场景区分方法，所述基于所述关联性评分进行对话场景区分，得到所述目标语音对应的对话场景，包括：

25、若所述关联性评分大于等于关联性阈值，则确定所述目标语音对应的对话场景为人机对话场景；

26、否则，确定所述目标语音对应的对话场景为人人对话场景。

27、本发明还提供一种对话场景区分装置，包括：

28、语音确定单元，用于确定目标语音；

29、文本确定单元，用于在所述目标语音中包含多个音区的语音的情况下，确定各音区的语音的转写文本，以及所述各音区的历史对话文本；

30、场景区分单元，用于基于所述各音区的转写文本和历史对话文本，进行对话场景区分，得到所述目标语音对应的对话场景。

31、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的对话场景区分方法。

32、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的对话场景区分方法。

33、本发明提供的对话场景区分方法、装置、电子设备和存储介质，在目标语音中包含多个音区的语音的情况下，结合各音区的历史对话文本，以及各音区的语音的转写文本，对目标语音进行场景区分，以准确区分其所对应的对话场景，从而决定设备是否需对目标语音进行响应，克服了传统方案中无法准确区分不同交互场景，导致人人对话过程中易出现误触发，给用户带来干扰的问题，实现了快速准确的场景区分，且成本低廉，简单高效。

技术特征：

1.一种对话场景区分方法，其特征在于，包括：

2.根据权利要求1所述的对话场景区分方法，其特征在于，所述基于所述各音区的转写文本和历史对话文本，进行对话场景区分，得到所述目标语音对应的对话场景，包括：

3.根据权利要求2所述的对话场景区分方法，其特征在于，所述基于所述各音区的转写文本和历史对话文本，进行对话关联性检测，得到关联性评分，包括：

4.根据权利要求2所述的对话场景区分方法，其特征在于，所述基于所述各音区的转写文本和历史对话文本，进行对话关联性检测，得到关联性评分，包括：

5.根据权利要求1至4中任一项所述的对话场景区分方法，其特征在于，所述确定目标语音，之后还包括：

6.根据权利要求5所述的对话场景区分方法，其特征在于，所述基于所述意图识别结果，进行对话场景区分，得到所述目标语音对应的对话场景，包括：

7.根据权利要求2至4中任一项所述的对话场景区分方法，其特征在于，所述基于所述关联性评分进行对话场景区分，得到所述目标语音对应的对话场景，包括：

8.一种对话场景区分装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的对话场景区分方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的对话场景区分方法。

技术总结本发明提供一种对话场景区分方法、装置、电子设备和存储介质，其中方法包括：确定目标语音；在目标语音中包含多个音区的语音的情况下，确定各音区的语音的转写文本，以及各音区的历史对话文本；基于各音区的转写文本和历史对话文本，进行对话场景区分，以准确区分其所对应的对话场景，得到目标语音对应的对话场景，从而决定设备是否需对目标语音进行响应，克服了传统方案中无法准确区分不同交互场景，导致人人对话过程中易出现误触发，给用户带来干扰的问题，实现了快速准确的场景区分，且成本低廉，简单高效。技术研发人员：王飞,雷琴辉,刘俊峰受保护的技术使用者：科大讯飞股份有限公司技术研发日：技术公布日：2024/4/17