语音交互方法、装置、设备、存储介质和程序产品与流程

1.本公开涉及人工智能领域，具体涉及人工智能的人机交互领域，更具体地涉及一种语音交互方法、装置、设备、介质和程序产品。


背景技术：

2.随着人工智能技术的发展，人机交互技术已被广泛应用在人们的日常生活中。通过语音的语义识别是实现人工交互的主流技术。例如，提取音频特征和深度学习等手段。但由于语言自身的复杂性，仅通过识别语音的语义极大可能会造成对用户话语的曲解，从而导致交互效果不佳。


技术实现要素：

3.鉴于上述问题，本公开提供了语音交互方法、装置、设备、介质和程序产品。
4.根据本公开的第一个方面，提供了一种语音交互方法，包括：获取语音采集装置采集的用户语音信息；识别所述用户语音信息的声音属性和语义；分析所述声音属性和所述语义，得到所述用户的情绪信息；以及根据所述情绪信息和所述语义，对所述用户进行应答。
5.根据本公开的实施例，所述声音属性包括音量；所述识别所述用户语音信息的声音属性，包括：确定所述用户语音信息的第一音量和所述语音采集装置与所述用户之间的距离；以及根据所述距离，调整所述第一音量，得到第二音量，所述第二音量指示了所述用户语音信息的真实音量。
6.根据本公开的实施例，所述分析所述声音属性和所述语义，得到所述用户的情绪信息，包括：提取所述语义中的末尾词；确定所述末尾词的感情属性；获取与所述末尾词的感情属性对应的预设权重；以及分析所述预设权重和所述声音属性，得到所述用户的情绪信息。
7.根据本公开的实施例，所述方法还包括：获取所述语音采集装置采集历史语音信息时的实时环境因素，所述实时环境因素包括时间和天气；构建数据集，所述数据集包括所述历史语音信息、时间、天气和情绪信息；通过神经网络训练所述数据集，得到所述用户与时间和天气相关的情绪变化信息；以及分析所述情绪变化信息，得到所述用户的情绪信息。
8.根据本公开的实施例，所述方法还包括：预测当前环境因素下所述用户的情绪信息；以及根据所述情绪信息，向所述用户发起互动。
9.根据本公开的实施例，所述根据所述情绪信息和所述语义，对所述用户进行应答，包括：确定所述情绪信息的第一类型；确定与所述第一类型对应的第二类型；以及根据所述语义，以具有所述第二类型情绪的语音对所述用户进行应答。
10.根据本公开的实施例，所述识别所述用户语音信息的声音属性，包括：识别所述用户语音信息的音调和用户的语速。
11.本公开的第二方面提供了一种语音交互装置，包括：第一获取模块，用于获取语音
采集装置采集的用户语音信息；识别模块，用于识别所述用户语音信息的声音属性和语义；第一分析模块，用于分析所述声音属性和所述语义，得到所述用户的情绪信息；以及应答模块，用于根据所述情绪信息和所述语义，对所述用户进行应答。
12.根据本公开的实施例，所述声音属性包括音量，所述识别模块包括：第一确定单元，用于确定所述用户语音信息的第一音量和所述语音采集装置与所述用户之间的距离；以及调整单元，用于根据所述距离，调整所述第一音量，得到第二音量，所述第二音量指示了所述用户语音信息的真实音量。
13.根据本公开的实施例，所述第一分析模块包括：提取单元，用于提取所述语义中的末尾词；第二确定单元，用于确定所述末尾词的感情属性；获取单元，用于获取与所述末尾词的感情属性对应的预设权重；以及分析单元，用于分析所述预设权重和所述声音属性，得到所述用户的情绪信息。
14.根据本公开的实施例，所述装置还包括第二获取模块，用于获取所述语音采集装置采集历史语音信息时的实时环境因素，所述实时环境因素包括时间和天气；构建模块，用于构建数据集，所述数据集包括所述历史语音信息、时间、天气和情绪信息；训练模块，用于通过神经网络训练所述数据集，得到所述用户与时间和天气相关的情绪变化信息；以及第二分析模块，用于分析所述情绪变化信息，得到所述用户的情绪信息。
15.根据本公开的实施例，所述装置还包括：预测模块，用于预测当前环境因素下所述用户的情绪信息；以及发起模块，用于根据所述情绪信息，向所述用户发起互动。
16.根据本公开的实施例，所述应答模块包括第三确定单元，用于确定所述情绪信息的第一类型；第四确定单元，用于确定与所述第一类型对应的第二类型；以及应答单元，用于根据所述语义，以具有所述第二类型情绪的语音对所述用户进行应答。
17.根据本公开的实施例，所述识别模块还用于识别所述用户语音信息的音调和用户的语速。
18.本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述语音交互方法。
19.本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述语音交互方法。
20.本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述语音交互方法。
附图说明
21.通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
22.图1示意性示出了根据本公开实施例的语音交互方法、装置、设备、介质和程序产品的系统构架；
23.图2示意性示出了根据本公开实施例的语音交互方法、装置、设备、介质和程序产品的应用场景图；
24.图3示意性示出了根据本公开实施例的语音交互方法的流程图；
25.图4示意性示出了根据本公开实施例的识别用户语音信息的声音属性的流程图；
26.图5示意性示出了根据本公开实施例的分析用户情绪的流程图；
27.图6示意性示出了根据本公开实施例的语音应答的流程图；
28.图7示意性示出了根据本公开另一实施例的语音交互方法的流程图；
29.图8示意性示出了根据本公开实施例的语音交互装置的结构框图；以及
30.图9示意性示出了根据本公开实施例的适于实现语音交互方法的电子设备的方框图。
具体实施方式
31.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
32.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
33.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
34.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
35.需要说明的是，本公开提供的语音交互方法和装置可用于人工智能领域，也可用于金融领域的人机交互领域，还可以用于除金融领域之外的任意领域，本公开对语音交互方法的方法和装置的应用领域不做限定。
36.在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
37.本公开的实施例提供了一种语音交互方法，获取语音采集装置采集的用户语音信息；识别用户语音信息的声音属性和语义；分析声音属性和语义，得到用户的情绪信息；以及根据情绪信息和语义，对用户进行应答。
38.图1示意性示出了根据本公开实施例的语音交互的系统架构。
39.如图1所示，根据该实施例的系统架构100可以包括网络104、终端设备101、102、103和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
40.用户可以使用终端设备101、102和103通过网络104与服务器105交互，以接收或发
送消息等。终端设备101、102和103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
41.终端设备101、102和103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能音响、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。终端设备101、102和103上安装有语音采集装置，用于采集用户的语音信息。终端设备101、102和103上还安装有扬声器装置，用于向用户进行语音应答。
42.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102和103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
43.需要说明的是，本公开实施例所提供的语音交互方法一般可以由服务器105执行。相应地，本公开实施例所提供的语音交互装置一般可以设置于服务器105中。本公开实施例所提供的语音交互方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的语音交互装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
44.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
45.图2示意性示出了根据本公开实施例的语音交互方法、装置、设备、介质和程序产品的应用场景图。
46.如图2所示，应用场景包括用户和语音交互装置。语音交互装置通过语音采集装置，例如麦克风，接收用户发出的语音信息。分析该语音信息，以从语音信息中确定用户说话的情绪，以及识别该语音信息的语义。结合情绪和语义，语音交互装置以相应的风格对用户进行应答。在充分考虑用户说话语气的情况下，语音交互装置能够更好地准确判断用户的需求，实现对用户的智能交互陪伴。
47.以下将基于图2描述的场景，通过图3～图7对公开实施例的语音交互方法进行详细描述。
48.图3示意性示出了根据本公开实施例的语音交互方法的流程图。
49.如图3所示，该实施例的语音交互方法包括操作s310～操作s340。
50.在操作s310，获取语音采集装置采集的用户语音信息。
51.语音采集装置可以是任何可以接收声音的设备。例如，麦克风。语音采集装置可以位于语音交互装置内部，也可是语音交互装置外接的设备。在语音交互装置启动后，语音采集装置保持实时监听的状态，以实时采集用户发出的语音信息。
52.在操作s320，识别用户语音信息的声音属性和语义。
53.声音属性包括音调、响度、音色和音长。其中，声音的响度通常认为是音量，音长为声音持续的时间。
54.识别用户语音信息的语义包括，先将语音信息转换为文本，再从文本中提取多个特征词，最后通过多个特征词确定语义。
55.识别用户语音信息的声音属性包括：识别用户语音信息的音调和用户的语速。
56.例如，获取用户语音信息的音长，结合用户语音的语义，可以通过说明声音持续的时长和说话的字数数量，确定用户说话的语速。
57.通常，在确定用户说话语速快且音调高的情况下，用户的情绪可能较为激动。在确定用户说话语速慢且音调慢的情况下，用户的情绪可能较为低落。
58.在操作s330，分析声音属性和语义，得到用户的情绪信息。
59.通过分析声音属性可确定用户说话的声音大小、音调高低和说话语速快慢，从而初步根据用户说话的语气确定用户的情绪。通过分析语义确定用户说话的内容，可根据语义中的语气词、形容词和动词等词语进一步确定用户的情绪。结合声音属性和语义，从用户的说话语气和说话内容两方面分析用户的真实情绪。
60.用户的情绪信息包括正向情绪、负向情绪和中性情绪。
61.在操作s340，根据情绪信息和语义，对用户进行应答。
62.可理解地，同样的语义在不同的情绪下可能具有完全不同的意思。在用户语音信息的语义基础上结合用户的情绪信息，可以得到用户真实的意图，并根据用户的真实意图对用户进行应答。
63.示例性地，在确定用户的情绪为喜悦的情况下，向用户发送语音“今天有什么开心事，可以与我一起分享吗？”。在确定用户的情绪为悲伤或抑郁的情况下，向用户发送语音“全世界还有我在陪着进行安慰”。在确定用户的情绪为生气的情况下，让用户诉说生气原因，以及告知发泄方法等。
64.在本公开实施例中，与用户进行语音交互时，先通过语音信息的声音属性和语音准确地确定用户情绪，后续结合情绪和语义两方面的因素，进一步提高对用户语音信息识别的准确度，优化语音交互的效果。
65.图4示意性示出了根据本公开实施例的识别用户语音信息的声音属性的流程图。
66.如图4所示，该实施例的识别用户语音信息的声音属性包括操作s410～操作s420。
67.在操作s410，确定用户语音信息的第一音量和语音采集装置与用户之间的距离。
68.在操作s420，根据距离，调整第一音量，得到第二音量。
69.在本公开实施例中，音量为分析用户情绪的重要声音属性。当处于情绪激动的状态下时，用户更可能以大音量讲话。当处于情绪低落的状态下时，用户更可能以小音量讲话。因此需要对语音信息进行处理，以获得真实的音量信息。
70.通常，影响音量大小的因素，除了包括发声者自身的发声音量，还包括接收者与发声者之间的距离。
71.例如，当用户以较大音量说话时，但由于语音采集装置与用户的距离较远，实际采集到的用户语音信息中用户的音量可能是音量正常或者音量较小。或者，当用户以正常音量说话时，由于但由于语音采集装置与用户的距离较近，实际采集到的用户语音信息中用户的音量可能是音量较大。
72.因此，当语音采集装置采集的用户语音信息的音量信息不准确时，会影响后续对用户情绪的分析。
73.本公开实施例示例性地提供一种确定语音采集装置与用户之间距离的方法，但本公开实施例对具体的确定语音采集装置与用户之间距离的方法不做限定。
74.示例性地，通过双耳效应和双耳时间差方法等确定用户的发生方位。再结合语音
采集装置采集得到音量确定语音采集装置与用户之间的距离，并根据距离调整采集得到音量。调整后的音量指示了用户语音信息的真实音量。例如，在确定语音采集装置与用户的距离超过5米时，需要对采集到的语音音量进行补偿。在确定语音采集装置与用户的距离小于2米时，需要对采集到的语音音量进行减弱。
75.通过对语音信息的音量进行处理，可以过滤掉因方位及距离造成的情绪干扰，放大声音中的真实情绪，减少干扰噪音。
76.图5示意性示出了根据本公开实施例的分析用户情绪的流程图。
77.如图5所示，该实施例的步骤s330，分析声音属性和语义，得到用户的情绪信息包括操作s510～操作s540。
78.在操作s510，提取语义中的末尾词。
79.例如，语义为“今天要去公园”，提取的末尾词为“公园”；语义为“今天天气不错呀”，提取的末尾词为“呀”；语义为“你要好好学习哈”，提取的末尾词为“哈”。
80.在操作s520，确定末尾词的感情属性。
81.感情属性包括无感情倾向属性、正面属性和负面属性。例如，上述所列举的“公园”具有无感情倾向属性，“呀”和“哈”具有积极属性。
82.在操作s530，获取与末尾词的感情属性对应的预设权重。
83.例如，末尾词“公园”具有无感情倾向属性，权重为0.5；末尾词“呀”具有正面属性，权重为0.8；末尾词“哈”具有正面属性，权重为0.6。
84.本公开实施例所列举的末尾词的感情属性和预设权重均为示例性的说明，并不对具体的感情属性的分类方式和末尾词对应的具体权重值作限定。本领域的技术人员可以根据实际的需求划分末尾词的感情属性和设定权重值。
85.在操作s540，分析预设权重和声音属性，得到用户的情绪信息。
86.在本公开实施例中，根据末尾词的权重值、音调、真实音量和语速等信息分析得到用户的情绪信息。
87.示例性地，将末尾词的权重值、音调、真实音量和语速等信息作为特征值，通过傅里叶变换等方法，将各特征值由时域转换到频域。再通过机器学习算法对转换后的特征值进行情绪分析。例如，将特征值输入到隐形马尔可夫模型中，分析出用户当前的情绪状态。
88.图6示意性示出了根据本公开实施例的语音应答的流程图。
89.如图6所示，该实施例的步骤s340，根据情绪信息和语义，对用户进行应答，包括操作s610～操作s630。
90.在操作s610，确定情绪信息的第一类型。
91.在操作s620，确定与第一类型对应的第二类型。
92.在操作s630，根据语义，以具有第二类型情绪的语音对用户进行应答。
93.在本公开实施例中，在确定用户的情绪的类型后，需要再确定与用户情绪对应的情绪类型，以采用具有适当情绪的语音对用户进行应答。
94.例如，在确定用户情绪的类型为低落的情况下，选择关心或积极的情绪对用户进行应答。在确定用户情绪类型为喜悦的情况下，选择兴奋的情绪对用户进行应答。在确定用户情绪为愤怒的情况下，选择平静的情绪对用户进行应答。
95.本公开实施例所列举相对应的情绪类型均为示例性的说明，不对第一类型对应的
第二类型的具体情绪类型作限定。本领域的技术人员可以根据实际的需求对情绪类型之间的对应关系进行设定。
96.通过本公开实施例，在确定用户的情绪后，语音交互装置以相适应的情绪类型对用户进行应答，实现语音交互装置交互过程中的拟人化，优化与用户的交互过程。
97.图7示意性示出了根据本公开另一实施例的语音交互方法的流程图。
98.如图7所示，该实施例的步骤s340，根据情绪信息和语义，对用户进行应答，包括操作s710～操作s770。其中，本实施例中操作s710～操作s730与操作s310～操作s330相同，不再赘述。
99.在操作s740，获取语音采集装置采集历史语音信息时的实时环境因素，实时环境因素包括时间和天气。
100.在操作s750，构建数据集，数据集包括历史语音信息、时间、天气和情绪信息。
101.在操作s760，通过神经网络训练数据集，得到用户与时间和天气相关的情绪变化信息。
102.在操作s770，分析情绪变化信息，得到用户的情绪信息。
103.在本公开实施例中，为进一步优化与用户的交互过程，可对用户的情绪变化规律进行推测。获取历史交互数据，包括用户的情绪、采集用户语音信息时候的时间和天气，再通过获取的历史交互数据统计推测出用户随时间和天气因素而变化的情绪变化信息。
104.例如，通过长短期记忆人工神经网络对数据进行训练，得到用户的情绪变化信息。
105.用户的情绪变化信息可以用于主动预测当前环境因素下用户的情绪信息，并根据情绪信息，向用户发起互动。例如，今天下雨，用户心情可能不好，可以引导用户听首音乐来放松下。
106.用户的情绪变化信息还可以用于辅助分析用户的当前情绪。
107.例如，在获取用户语音信息的声音属性和语义后，可以结合当前的环境因素和用户的情绪变化信息，确定用户当前的情绪。由此进一步提供对用户情绪判断的准确性。
108.需要说明的是，由于每个人具有不同的音色，可以通过声音属性中的音色确定用户的身份。因此，在获取用户语音信息时，可以确定用户身份，并经过神经网络训练得到每个用户情绪变化信息。由此可以通过用户的当前语音信息和对应的情绪变化信息分析出用户的当前情绪。
109.本公开提供的语音交互方法，首先通过对声源距离和声音音量来过滤掉因方位及距离造成的声音干扰，放大声音中的真实情绪，缩小干扰噪音。然后结合语义的末尾词，优化情绪识别技术，提高情绪识别准确率。本公共提供的语音交互方法还通过采集到的用户语音信息、结合时间、情绪信息构建数据集，通过数据算法分析得出用户情绪规律，并进行情绪预测，最终达到智能陪伴的目的。
110.基于上述语音交互方法，本公开还提供了一种语音交互装置。以下将结合图8对该装置进行详细描述。
111.图8示意性示出了根据本公开实施例的语音交互装置的结构框图。
112.如图8所示，该实施例的语音交互装置800包括第一获取模块810、识别模块820、第一分析模块830和应答模块840。
113.第一获取模块810用于获取语音采集装置采集的用户语音信息。在一实施例中，第
一获取模块810可以用于执行前文描述的操作s210，在此不再赘述。
114.识别模块820用于识别用户语音信息的声音属性和语义。在一实施例中，识别模块820可以用于执行前文描述的操作s220，在此不再赘述。
115.第一分析模块830用于分析声音属性和语义，得到用户的情绪信息。在一实施例中，第一分析模块830可以用于执行前文描述的操作s230，在此不再赘述。
116.应答模块840用于根据情绪信息和语义，对用户进行应答。在一实施例中，应答模块840可以用于执行前文描述的操作s340，在此不再赘述。
117.根据本公开的实施例，声音属性包括音量，识别模块820包括：第一确定单元，用于确定用户语音信息的第一音量和语音采集装置与用户之间的距离；以及调整单元，用于根据距离，调整第一音量，得到第二音量，第二音量指示了用户语音信息的真实音量。
118.根据本公开的实施例，识别模块820还用于识别用户语音信息的音调和用户的语速。
119.根据本公开的实施例，第一分析模块830包括：提取单元，用于提取语义中的末尾词；第二确定单元，用于确定末尾词的感情属性；获取单元，用于获取与末尾词的感情属性对应的预设权重；以及分析单元，用于分析预设权重和声音属性，得到用户的情绪信息。
120.根据本公开的实施例，语音交互装置800还包括第二获取模块，用于获取语音采集装置采集历史语音信息时的实时环境因素，实时环境因素包括时间和天气；构建模块，用于构建数据集，数据集包括历史语音信息、时间、天气和情绪信息；训练模块870，用于通过神经网络训练数据集，得到用户与时间和天气相关的情绪变化信息；以及第二分析模块，用于分析情绪变化信息，得到用户的情绪信息。
121.根据本公开的实施例，语音交互装置800还包括：预测模块，用于预测当前环境因素下用户的情绪信息；以及发起模块，用于根据情绪信息，向用户发起互动。
122.根据本公开的实施例，应答模块840包括第三确定单元，用于确定情绪信息的第一类型；第四确定单元，用于确定与第一类型对应的第二类型；以及应答单元，用于根据语义，以具有第二类型情绪的语音对用户进行应答
123.根据本公开的实施例，第一获取模块810、识别模块820、第一分析模块830和应答模块840中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块810、识别模块820、第一分析模块830和应答模块840中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块810、识别模块820、第一分析模块830和应答模块840中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
124.图9示意性示出了根据本公开实施例的适于实现语音交互方法的电子设备的方框图。
125.如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在
只读存储器(rom)902中的程序或者从存储部分908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
126.在ram 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、rom 902以及ram 903通过总线904彼此相连。处理器901通过执行rom 902和/或ram 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 902和ram 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
127.根据本公开的实施例，电子设备900还可以包括输入/输出(i/o)接口905，输入/输出(i/o)接口905也连接至总线904。电子设备900还可以包括连接至i/o接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至i/o接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
128.本公开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上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
129.根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 902和/或ram 903和/或rom 902和ram 903以外的一个或多个存储器。
130.本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的语音交互方法。
131.在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
132.在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的
任意合适的组合。
133.在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
134.根据本公开的实施例，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实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c ，python，“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、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)。
135.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
136.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
137.以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。