一种基于语气识别的智能语音互动方法和装置与流程

1.本发明涉及智能语音互动相关领域，尤其涉及一种基于语气识别的智能语音互动方法和装置。


背景技术：

2.智能语音，即智能语音技术，是实现人机语言的通信技术，包括语音识别技术(asr)和语音合成技术。智能语音技术的研究是以语音识别技术为开端，可以追溯到20世纪50年代。随着信息技术的发展，智能语音技术已经成为电话机器人系统中沟通的重要手段。
3.但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术中存在电话机器人不能根据用户的语气来调整应答内容和应答语气，导致沟通过于机器化，沟通效果差的技术问题。


技术实现要素：

5.本申请实施例通过提供一种基于语气识别的智能语音互动方法和装置，解决了现有技术中存在电话机器人不能根据用户的语气来调整应答内容和应答语气，导致沟通过于机器化，沟通效果差的技术问题，达到智能识别客户语音，根据客户语气进行应答互动，增强沟通效果的技术效果。
6.鉴于上述问题，提出了本申请实施例提供一种基于语气识别的智能语音互动方法和装置。
7.第一方面，本申请实施例提供了一种基于语气识别的智能语音互动方法，所述方法应用于一语音交互系统，所述方法包括：通过所述语音交互系统建立与第一用户的语音连接；根据所述语音连接，获得所述第一用户的第一语音内容信息；根据所述语音连接，获得所述第一用户的第一语气信息；根据所述第一语音内容信息，获得第一输入信息；根据所述第一语气信息，获得第二输入信息；将所述第一输入信息和所述第二输入信息通过神经网络模型获得所述第一用户的态度信息；根据所述第一语音内容信息，获得第二语音内容信息，所述第二语音内容信息为所述第一语音内容信息的应答语音内容信息；根据所述第一用户的态度信息，获得第二语气信息，所述第二语气信息为所述第一语气信息相匹配的语气信息；根据所述第二语音内容信息和所述第二语气信息，获得第一自动应答语音信息。
8.另一方面，本申请还提供了一种基于语气识别的智能语音互动装置，所述装置包括：第一建立单元，所述第一建立单元用于通过所述语音交互系统建立与第一用户的语音连接；第一获得单元，所述第一获得单元用于根据所述语音连接，获得所述第一用户的第一语音内容信息；第二获得单元，所述第二获得单元用于根据所述语音连接，获得所述第一用户的第一语气信息；第三获得单元，所述第三获得单元用于根据所述第一语音内容信息，获得第一输入信息；第四获得单元，所述第四获得单元用于根据所述第一语气信息，获得第二输入信息；第五获得单元，所述第五获得单元用于将所述第一输入信息和所述第二输入信
息通过神经网络模型获得所述第一用户的态度信息；第六获得单元，所述第六获得单元用于根据所述第一语音内容信息，获得第二语音内容信息，所述第二语音内容信息为所述第一语音内容信息的应答语音内容信息；第七获得单元，所述第七获得单元用于根据所述第一用户的态度信息，获得第二语气信息，所述第二语气信息为所述第一语气信息相匹配的语气信息；第八获得单元，所述第八获得单元用于根据所述第二语音内容信息和所述第二语气信息，获得第一自动应答语音信息。
9.第三方面，本发明提供了一种基于语气识别的智能语音互动装置，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，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
10.本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
11.由于采用了通过与第一用户建立语音连接获得所述第一用户的第一语音内容信息和第一语气信息，将所述第一语音内容信息作为第一输入信息，将所述第一语气信息作为第二输入信息，将所述第一输入信息和第二输入信息通过神经网络模型获得所述第一用户的态度信息，根据所述第一用户的态度信息和语音内容生成第二语音内容和第二语气，合成第一自动应答语音消息的方式，通过分析第一用户的语音内容和语气，获得相对应的应答语音和语气，进而达到智能识别客户语音，根据客户语气进行应答互动，增强沟通效果的技术效果。
12.上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
13.图1为本申请实施例一种基于语气识别的智能语音互动方法的流程示意图；
14.图2为本申请实施例一种基于语气识别的智能语音互动装置的结构示意图；
15.图3为本申请实施例示例性电子设备的结构示意图。
16.附图标记说明：第一建立单元11，第一获得单元12，第二获得单元13，第三获得单元14，第四获得单元15，第五获得单元16，第六获得单元17，第七获得单元18，第八获得单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
17.本申请实施例通过提供一种基于语气识别的智能语音互动方法和装置，解决了现有技术中存在电话机器人不能根据用户的语气来调整应答内容和应答语气，导致沟通过于机器化，沟通效果差的技术问题，达到智能识别客户语音，根据客户语气进行应答互动，增强沟通效果的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
18.申请概述
19.智能语音，即智能语音技术，是实现人机语言的通信技术，包括语音识别技术(asr)和语音合成技术。智能语音技术的研究是以语音识别技术为开端，可以追溯到20世纪
50年代。随着信息技术的发展，智能语音技术已经成为电话机器人系统中沟通的重要手段。现有技术中存在电话机器人不能根据用户的语气来调整应答内容和应答语气，导致沟通过于机器化，沟通效果差的技术问题。
20.针对上述技术问题，本申请提供的技术方案总体思路如下：
21.本申请实施例提供了一种基于语气识别的智能语音互动方法，所述方法应用于一语音交互系统，所述方法包括：通过所述语音交互系统建立与第一用户的语音连接；根据所述语音连接，获得所述第一用户的第一语音内容信息；根据所述语音连接，获得所述第一用户的第一语气信息；根据所述第一语音内容信息，获得第一输入信息；根据所述第一语气信息，获得第二输入信息；将所述第一输入信息和所述第二输入信息通过神经网络模型获得所述第一用户的态度信息；根据所述第一语音内容信息，获得第二语音内容信息，所述第二语音内容信息为所述第一语音内容信息的应答语音内容信息；根据所述第一用户的态度信息，获得第二语气信息，所述第二语气信息为所述第一语气信息相匹配的语气信息；根据所述第二语音内容信息和所述第二语气信息，获得第一自动应答语音信息。
22.在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
23.实施例一
24.如图1所示，本申请实施例提供了一种基于语气识别的智能语音互动方法，其中，所述方法应用于一语音交互系统，所述方法包括：
25.步骤s100：通过所述语音交互系统建立与第一用户的语音连接；
26.具体而言，所述语音交互系统是指人机建立的语音沟通的系统，通过所述语音交互系统与第一用户建立语音连接，所述第一用户为通过所述语音交互系统进行语音交互的用户。
27.步骤s200：根据所述语音连接，获得所述第一用户的第一语音内容信息；
28.步骤s300：根据所述语音连接，获得所述第一用户的第一语气信息；
29.具体而言，根据所述语言交互系统与所述第一用户建立的语音连接，获得所述第一用户的第一语音内容信息，所述第一语音内容信息包括第一用户的语音的字面信息及根据所述语音的语气反映的情绪信息等。
30.步骤s400：根据所述第一语音内容信息，获得第一输入信息；
31.步骤s500：根据所述第一语气信息，获得第二输入信息；
32.具体而言，根据所述第一语音内容信息获得第一输入信息，根据所述第一语气信息获得第二输入信息，详细而言，将所述第一语音内容进行初步的分析，除掉干扰和杂音，获得第一语音的文字信息，将所述文字信息作为第一输入信息；根据所述第一用户的语音连接获得所述第一用户的第一语气信息，将所述语气信息作为第二输入信息。
33.步骤s600：将所述第一输入信息和所述第二输入信息通过神经网络模型获得所述第一用户的态度信息；
34.具体而言，通过所述神经网络模型综合考虑所述第一用户的第一语音内容和第一语气信息，获得所述第一用户的态度信息。
35.进一步而言，所述将所述第一输入信息和所述第二输入信息通过神经网络模型获得所述第一用户的态度信息，本申请实施例步骤s600还包括：
36.步骤s610：将所述第一输入信息和所述第二输入信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一输入信息和所述第二输入信息和用来标识第一用户态度的标识信息；
37.步骤s620：获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括第一输出结果和第二输出结果，所述第一输出结果为所述第一用户接受所述语音连接的态度；所述第二输出结果为所述第一用户拒绝所述语音连接的态度。
38.具体而言，所述第一训练模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(neural networks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一输入信息和所述第二输入信息输入神经网络模型，则输出所述第一用户是否拒绝所述语音连接的态度信息。
39.更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一输入信息和所述第二输入信息和用来标识第一用户态度的标识信息，将所述第一输入信息和所述第二输入信息输入到神经网络模型中，根据用来标识第一用户态度的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的第一用户对于语音连接的态度更加准确，进而为后续准确根据所述第一用户的态度进行回应夯实了基础。
40.步骤s700：根据所述第一语音内容信息，获得第二语音内容信息，所述第二语音内容信息为所述第一语音内容信息的应答语音内容信息；
41.具体而言，所述第二语音内容是根据所述第一语音内容识别后进行语音回应的内容信息。
42.步骤s800：根据所述第一用户的态度信息，获得第二语气信息，所述第二语气信息为所述第一语气信息相匹配的语气信息；
43.具体而言，根据所述第一用户的态度信息，获得应对所述态度的语气信息，即根据所述第一用户的语气信息匹配与所述第一语气相合适的第二语气信息。
44.步骤s900：根据所述第二语音内容信息和所述第二语气信息，获得第一自动应答语音信息。
45.具体而言，将所述第二语音内容信息和第二语气信息进行有机结合，并根据所述第二语气信息对所述第二语音内容进行适应性调整，获得第一自动应答语音消息。
46.进一步而言，所述根据所述第一语音内容信息，获得第一输入信息，本申请实施例步骤s400还包括：
47.步骤s410：对所述第一语音内容信息进行转换，获得第一文本信息；
48.步骤s420：根据所述第一文本信息，获得第一关键词信息；
49.步骤s430：将所述第一关键词信息作为所述第一输入信息。
50.具体而言，所述文本信息是指书面语言的表现形式，从文学角度说，通常是具有完整、系统含义(message)的一个句子或多个句子的组合，将所述第一语音内容信息进行文本转换，获得第一文本信息，将所述第一文本信息进行分析，获得所述第一文本信息的第一关键词信息，所述关键词是指表述所述文本核心思想的词汇，将所述第一关键词信息作为第一输入信息。
51.进一步而言，本申请实施例还包括：
52.步骤s1010：根据所述第一语音内容信息，获得第一音调信息；
53.步骤s1020：根据所述第一语音内容信息，获得第一音量信息；
54.步骤s1030：将所述第一音调信息和所述第一音量信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：第一音调信息和所述第一音量信息和用来标识第一用户语气等级的标识信息；
55.步骤s1040：获得所述第二训练模型的第二输出信息，其中，所述第二输出信息包括所述第一用户的语气等级信息。
56.具体而言，所述音调信息为声音频率的高低，是声音的三个主要的主观属性，它表示人的听觉分辨一个声音的调子高低的程度。音调主要由声音的频率决定，所述音量信息是指声音的大小，将所述第一音调信息和第一音量信息输入第二训练模型，所述第二训练模型同样为机器学习中的神经网络模型，同上述第一训练模型一致，可通过监督数据不断地修正和调整，获得更加准确的输出信息。获得所述第二训练模型的第二输出信息，所述第二输出信息包括所述第一用户的语气等级信息。
57.进一步而言，所述获得所述第二训练模型的第二输出信息之后，本申请实施例步骤s1040还包括：
58.步骤s1041：获得第一预定语气等级阈值；
59.步骤s1042：判断所述第一用户的语气等级信息是否在所述第一预定语气等级阈值之内；
60.步骤s1043：如果所述第一用户的语气等级信息在所述第一预定语气等级阈值之内，获得第一自动应答语音信息；
61.步骤s1044：如果所述第一用户的语气等级信息不在所述第一预定语气等级阈值之内，获得第一人工服务信息；
62.步骤s1045：根据所述第一人工服务信息，与所述第一用户建立人工语音连接。
63.具体而言，根据用户的语音语气的大数据获得第一预定语气等级阈值，所述预订语气等级阈值是界定所述用户需要自动应答语音进行处理或人工处理的标准，判断所述第一用户的语气等级信息是否在所述第一预定语气等级阈值之内，当所述第一用户的语气等级信息在所述第一预定语气等级阈值之内，获得第一自动应答语音信息，根据所述第一自动应答语音消息对所述客户进行语音应答，如果所述第一用户的语气等级信息不在所述第一预定语气等级阈值之内，获得第一人工服务信息，根据所述人工服务和所述用户进行沟通。
64.进一步而言，本申请实施例步骤s430还包括：
65.步骤s431：获得第一存储信息；
66.步骤s432：根据所述第一存储信息，将所述第一文本信息与所述第一用户进行对应性存储，构建数据库。
67.具体而言，根据所述第一存储信息，将所述对第一语音内容进行转换获得的文本信息进行存储，构建数据库，所述数据库存储有所述第一用户的个人信息及根据所述第一用户的第一语音内容信息获得的文本信息，通过将所述第一用户的信息及文本信息对应储存，后续转人工后对所述第一用户的实时情况的了解提供了相关资料信息。
68.进一步而言，本申请实施例还包括：
69.步骤s1046：获得第二预定语气等级阈值；
70.步骤s1047：判断所述第一用户的语气等级信息是否在所述第二预定语气等级阈值之内；
71.步骤s1048：如果所述第一用户的语气等级信息不在所述第二预定语气等级阈值之内，获得第一预警信息。
72.具体而言，所述第二预定语气等级阈值为所述第一用户的情绪过于激动的等级阈值，当所述第一用户的语气等级信息不在所述第二预定语气等级阈值之内时，表明所述第一用户可能对服务严重不满意或是所述第一用户自己本身有什么问题，此时获得第一预警信息，根据所述第一预警信息对即将转接人工的工作人员进行预警处理。
73.进一步而言，所述将所述第一输入信息和所述第二输入信息输入第一训练模型之前，本申请实施例步骤s610还包括：
74.步骤s611：获得输入所述第一训练模型的第一训练数据、第二训练数据直至第n训练数据，其中，n为大于1的自然数；
75.步骤s612：根据所述第一训练数据生成第一标识码，所述第一标识码与所述第一训练数据一一对应；
76.步骤s613：根据所述第二训练数据和第一标识码生成第二标识码，以此类推，根据所述第n训练数据和第n
‑
1标识码生成第n标识码；
77.步骤s614：将所有训练数据和标识码复制存储在m台电子设备上，其中，m为大于1的自然数。
78.具体而言，区块链技术也被称之为分布式账本技术，是一种由若干台计算设备共同参与“记账"，共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性，使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一训练数据生成第一标识码，所述第一标识码与第一训练数据一一对应；根据所述第二训练数据和第一标识码生成第二标识码，第二标识码与第二训练数据一一对应；以此类推，根据所述第n训练数据和第n
‑
1标识码生成第n标识码，其中，n为大于1的自然数，所述训练数据中的每组均包括所述第一输入信息和所述第二输入信息和用来标识第一用户态度的标识信息。将所有训练数据和标识码分别复制保存在m台设备上，其中，所述第一训练数据和所述第一标识码作为第一区块保存在一台设备上，所述第二训练数据和所述第二标识码作为第二区块保存在一台设备上，所述第n训练数据和所述第n标识码作为第n区块保存在一台设备上，当需要调用所述训练数据时，每后一个节点接收前一节点存储的数据后，通过“共识机制”进行校验后保存，通过哈希函数对于每一存储单位进行串接，使得训练数据不易丢失和遭
到破坏，通过区块链的逻辑对所述训练数据进行加密处理，保证了所述训练数据的安全性，进而保证通过所述训练数据训练获得的神经网络模型的准确性，进而使得输出的所述第一用户是否接受所述语音连接的态度更加准确合理。
79.综上所述，本申请实施例所提供的一种基于语气识别的智能语音互动方法和装置具有如下技术效果：
80.1、由于采用了通过与第一用户建立语音连接获得所述第一用户的第一语音内容信息和第一语气信息，将所述第一语音内容信息作为第一输入信息，将所述第一语气信息作为第二输入信息，将所述第一输入信息和第二输入信息通过神经网络模型获得所述第一用户的态度信息，根据所述第一用户的态度信息和语音内容生成第二语音内容和第二语气，合成第一自动应答语音消息的方式，通过分析第一用户的语音内容和语气，获得相对应的应答语音和语气，进而达到智能识别客户语音，根据客户语气进行应答互动，增强沟通效果的技术效果。
81.2、由于采用了通过对所述神经网络模型的监督学习的方式，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的第一用户对于语音连接的态度更加准确，进而为后续准确根据所述第一用户的态度进行回应夯实了基础。
82.实施例二
83.基于与前述实施例中一种基于语气识别的智能语音互动方法同样发明构思，本发明还提供了一种基于语气识别的智能语音互动装置，如图2所示，所述装置包括：
84.第一建立单元11，所述第一建立单元11用于通过所述语音交互系统建立与第一用户的语音连接；
85.第一获得单元12，所述第一获得单元12用于根据所述语音连接，获得所述第一用户的第一语音内容信息；
86.第二获得单元13，所述第二获得单元13用于根据所述语音连接，获得所述第一用户的第一语气信息；
87.第三获得单元14，所述第三获得单元14用于根据所述第一语音内容信息，获得第一输入信息；
88.第四获得单元15，所述第四获得单元15用于根据所述第一语气信息，获得第二输入信息；
89.第五获得单元16，所述第五获得单元16用于将所述第一输入信息和所述第二输入信息通过神经网络模型获得所述第一用户的态度信息；
90.第六获得单元17，所述第六获得单元17用于根据所述第一语音内容信息，获得第二语音内容信息，所述第二语音内容信息为所述第一语音内容信息的应答语音内容信息；
91.第七获得单元18，所述第七获得单元18用于根据所述第一用户的态度信息，获得第二语气信息，所述第二语气信息为所述第一语气信息相匹配的语气信息；
92.第八获得单元19，所述第八获得单元19用于根据所述第二语音内容信息和所述第二语气信息，获得第一自动应答语音信息。
93.进一步的，所述装置还包括：
94.第一输入单元，所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训
练数据中的每一组训练数据均包括：所述第一输入信息和所述第二输入信息和用来标识第一用户态度的标识信息；
95.第九获得单元，所述第九获得单元用于获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括第一输出结果和第二输出结果，所述第一输出结果为所述第一用户接受所述语音连接的态度；所述第二输出结果为所述第一用户拒绝所述语音连接的态度。
96.进一步的，所述装置还包括：
97.第十获得单元，所述第十获得单元用于对所述第一语音内容信息进行转换，获得第一文本信息；
98.第十一获得单元，所述第十一获得单元用于根据所述第一文本信息，获得第一关键词信息；
99.第十二获得单元，所述第十二获得单元用于将所述第一关键词信息作为所述第一输入信息。
100.进一步的，所述装置还包括：
101.第十三获得单元，所述第十三获得单元用于根据所述第一语音内容信息，获得第一音调信息；
102.第十四获得单元，所述第十四获得单元用于根据所述第一语音内容信息，获得第一音量信息；
103.第二输入单元，所述第二输入单元用于将所述第一音调信息和所述第一音量信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：第一音调信息和所述第一音量信息和用来标识第一用户语气等级的标识信息；
104.第十五获得单元，所述第十五获得单元用于获得所述第二训练模型的第二输出信息，其中，所述第二输出信息包括所述第一用户的语气等级信息。
105.进一步的，所述装置还包括：
106.第十六获得单元，所述第十六获得单元用于获得第一预定语气等级阈值；
107.第一判断单元，所述第一判断单元用于判断所述第一用户的语气等级信息是否在所述第一预定语气等级阈值之内；
108.第十七获得单元，所述第十七获得单元用于如果所述第一用户的语气等级信息在所述第一预定语气等级阈值之内，获得第一自动应答语音信息；
109.第十八获得单元，所述第十八获得单元用于如果所述第一用户的语气等级信息不在所述第一预定语气等级阈值之内，获得第一人工服务信息；
110.第二建立单元，所述第二建立单元用于根据所述第一人工服务信息，与所述第一用户建立人工语音连接。
111.进一步的，所述装置还包括：
112.第十九获得单元，所述第十九获得单元用于获得第一存储信息；
113.第一构建单元，所述第一构建单元用于根据所述第一存储信息，将所述第一文本信息与所述第一用户进行对应性存储，构建数据库。
114.进一步的，所述装置还包括：
115.第二十获得单元，所述第二十获得单元用于获得第二预定语气等级阈值；
116.第二判断单元，所述第二判断单元用于判断所述第一用户的语气等级信息是否在所述第二预定语气等级阈值之内；
117.第二十一获得单元，所述第二十一获得单元用于如果所述第一用户的语气等级信息不在所述第二预定语气等级阈值之内，获得第一预警信息。
118.前述图1实施例一中的一种基于语气识别的智能语音互动方法的各种变化方式和具体实例同样适用于本实施例的一种基于语气识别的智能语音互动装置，通过前述对一种基于语气识别的智能语音互动方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于语气识别的智能语音互动装置的实施方法，所以为了说明书的简洁，在此不再详述。
119.示例性电子设备
120.下面参考图3来描述本申请实施例的电子设备。
121.图3图示了根据本申请实施例的电子设备的结构示意图。
122.基于与前述实施例中一种基于语气识别的智能语音互动方法的发明构思，本发明还提供一种基于语气识别的智能语音互动装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于语气识别的智能语音互动方法的任一方法的步骤。
123.其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
124.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
125.本发明实施例提供的一种基于语气识别的智能语音互动方法，所述方法应用于一语音交互系统，所述方法包括：通过所述语音交互系统建立与第一用户的语音连接；根据所述语音连接，获得所述第一用户的第一语音内容信息；根据所述语音连接，获得所述第一用户的第一语气信息；根据所述第一语音内容信息，获得第一输入信息；根据所述第一语气信息，获得第二输入信息；将所述第一输入信息和所述第二输入信息通过神经网络模型获得所述第一用户的态度信息；根据所述第一语音内容信息，获得第二语音内容信息，所述第二语音内容信息为所述第一语音内容信息的应答语音内容信息；根据所述第一用户的态度信息，获得第二语气信息，所述第二语气信息为所述第一语气信息相匹配的语气信息；根据所述第二语音内容信息和所述第二语气信息，获得第一自动应答语音信息。解决了现有技术中存在电话机器人不能根据用户的语气来调整应答内容和应答语气，导致沟通过于机器化，沟通效果差的技术问题，达到智能识别客户语音，根据客户语气进行应答互动，增强沟通效果的技术效果。
126.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
127.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
128.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
129.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
130.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。