CN111312247A - 语音交互方法和装置 - Google Patents

Abstract

本申请实施例公开了语音交互方法和装置。该方法的一具体实施方式包括：基于用户输入的查询语音确定查询文字和查询意图；基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；确定用户基于一次搜索结果的情绪信息；基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。该实施方式基于用户的情绪信息进行主动修正和主动回复，降低了用户的语音交互成本，提高了用户获取信息的准确度。

Description

语音交互方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及语音交互方法和装置。

背景技术

随着人工智能的飞速发展，各种基于人工智能的应用层出不穷，同时也给人们的生活带来了极大的便利。例如，对话式人工智能秘书将语音识别、自然语言处理和机器学习三大功能融合在一起，用户可以使用语音、文字或图片，以一对一的形式与对话式人工智能秘书进行沟通，对话式人工智能秘书可以在对话中清晰的理解用户的多种需求，进而在广泛索引真实世界的服务和信息的基础上，为用户提供各种优质服务。

在现有的对话式人工智能秘书的语音交互过程中，只有用户输入查询语音时，才会对查询语音进行处理，并将向用户回复处理结果。然而，由于语音交互过程涉及语音转换文字、文字转换语音。在转换时难免会发生错误的情况，导致搜索结果不能满足用户的需求。此时，就需要用户再次输入查询语音，才能进行二次搜索。

发明内容

本申请实施例提出了语音交互方法和装置。

第一方面，本申请实施例提出了一种语音交互方法，包括：基于用户输入的查询语音确定查询文字和查询意图；基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；确定用户基于一次搜索结果的情绪信息；基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。

在一些实施例中，确定用户基于一次搜索结果的情绪信息，包括：采集用户的面部图像；从面部图像中提取用户的表情响应信息；基于表情响应信息确定用户的情绪信息。

在一些实施例中，确定用户基于一次搜索结果的情绪信息，包括：采集用户的响应语音；从响应语音中提取用户的语音响应信息，其中，语音响应信息包括以下至少一项：沉默时长、语音内容、语音音调；基于语音响应信息确定用户的情绪信息。

在一些实施例中，基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，包括：对查询文字进行文本修正，得到修正文字；基于修正文字和查询意图进行搜索，得到二次搜索结果。

在一些实施例中，基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，包括：对查询意图进行意图修正，得到修正意图；基于查询文字和修正意图进行搜索，得到二次搜索结果。

第二方面，本申请实施例提出了一种语音交互装置，包括：第一确定单元，被配置成基于用户输入的查询语音确定查询文字和查询意图；搜索单元，被配置成基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；第二确定单元，被配置成确定用户基于一次搜索结果的情绪信息；修正单元，被配置成基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。

在一些实施例中，第二确定单元包括：第一获取子单元，被配置成采集用户的面部图像；第一提取子单元，被配置成从面部图像中提取用户的表情响应信息。第一确定子单元，被配置成基于表情响应信息确定用户的情绪信息。

在一些实施例中，第二确定单元包括：第二获取子单元，被配置成采集用户的响应语音；第二提取子单元，被配置成从响应语音中提取用户的语音响应信息，其中，语音响应信息包括以下至少一项：沉默时长、语音内容、语音音调；第二确定子单元，被配置成基于语音响应信息确定用户的情绪信息。

在一些实施例中，修正单元包括：第一修正子单元，被配置成对查询文字进行文本修正，得到修正文字；第一搜索子单元，被配置成基于修正文字和查询意图进行搜索，得到二次搜索结果。

在一些实施例中，修正单元包括：第二修正子单元，被配置成对查询意图进行意图修正，得到修正意图；第二搜索子单元，被配置成基于查询文字和修正意图进行搜索，得到二次搜索结果。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，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第一方面中任一实现方式描述的方法。

本申请实施例提供的语音交互方法和装置，首先基于用户输入的查询语音确定查询文字和查询意图；之后基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；然后确定用户基于一次搜索结果的情绪信息；最后基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。基于用户的情绪信息进行主动修正和主动回复，降低了用户的语音交互成本，提高了用户获取信息的满意度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的语音交互方法的一个实施例的流程图；

图3是根据本申请的语音交互方法的又一个实施例的流程图；

图4是根据本申请的语音交互方法的另一个实施例的流程图；

图5是根据本申请的语音交互装置的一个实施例的时序图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的语音交互方法或语音交互装置的实施例的示例性系统架构100。

如图1所示，系统架构100中可以包括终端设备101、102、103，网络104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。

用户可以使用终端设备101、102、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、103上可以安装有各种通讯客户端应用，例如对话式人工智能秘书等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是支持语音交互的各种电子设备，包括但不限于智能手机、平板电脑、智能音箱和可穿戴设备等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如搜索引擎的后台服务器，搜索引擎的后台服务器可以对从终端设备101、102、103接收到的查询文字和查询意图等数据进行分析等处理，并将处理结果(例如二次搜索结果)反馈给终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的语音交互方法一般由终端设备101、102、103执行，相应地，语音交互装置一般设置于终端设备101、102、103中。

继续参考图2，其示出了根据本申请的语音交互方法的一个实施例的流程200。该语音交互方法包括以下步骤：

步骤201，基于用户输入的查询语音确定查询文字和查询意图。

在本实施例中，语音交互方法的执行主体(例如图1所示的终端设备101、102、103)可以采集用户输入的查询语音，以及基于用户输入的查询语音确定查询文字和查询意图。

通常，上述执行主体具有语音助手功能。具体地，上述执行主体可以是配置有麦克风等语音输入模块的终端设备，例如智能手机、平板电脑、智能音箱和可穿戴设备等。用户可以对着上述执行主体说出查询语音，上述执行主体上配置的麦克风等语音输入模块可以采集用户所说的查询语音，对查询语音进行语音识别，将查询语音转换为书面语言形式的词汇内容，书面语言形式的词汇内容即查询文字。意图可以是搜索结果类型，包括但不限于百科、视频、游戏、图像等等。若查询文字中存在明确表达意图的文字，那么上述执行主体可以根据明确表达意图的文字确定查询意图。若查询文字中不存在明确表达意图的文字，查询文字可以对应至少一个意图，上述执行主体可以从至少一个意图中选取一个意图作为查询意图。例如，上述执行主体可以从至少一个意图中随机选取一个意图作为查询意图。又例如，上述执行主体可以从至少一个意图中选取大多数用户搜索最多的意图作为查询意图。

步骤202，基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户。

在本实施例中，上述执行主体可以基于查询文字和查询意图进行搜索，得到一次搜索结果，并将一次搜索结果回复给用户。具体地，上述执行主体可以将查询文字发送至搜索引擎的后台服务器(例如图1所示的服务器105)，搜索引擎的后台服务器可以利用查询文字在互联网上进行信息搜索，以得到查询文字对应的搜索结果。随后，上述执行主体可以从查询文字对应的搜索结果中选取出满足查询意图的搜索结果，作为一次搜索结果为用户播放或显示。

步骤203，确定用户基于一次搜索结果的情绪信息。

在本实施例中，上述执行主体可以确定用户基于一次搜索结果的情绪信息。具体地，在一次搜索结果的播放或显示过程中，上述执行主体可以采集用于表达用户的情绪的信息，对用于表达用户的情绪的信息进行解析，以确定用户的情绪信息。其中，用于表达用户的情绪的信息可以包括但不限于用户的面部图像、用户的响应语音等等。

在本实施例的一些可选的实现方式中，上述执行主体可以采集用户的面部图像；从面部图像中提取用户的表情响应信息；基于表情响应信息确定用户的情绪信息。其中，用户的表情响应信息可以包括但不限于皱眉、撇嘴、白眼等等。

在本实施例的一些可选的实现方式中，上述执行主体可以采集用户的响应语音；从响应语音中提取用户的语音响应信息；基于语音响应信息确定用户的情绪信息。其中，语音响应信息可以包括但不限于沉默时长、语音内容、语音音调等等。

步骤204，基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。

在本实施例中，上述执行主体可以基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。具体地，上述执行主体可以基于情绪信息确定用户对一次搜索结果是否满意。若用户对一次搜索结果不满意，上述执行主体可以获取与查询文字或查询意图相关、但与一次搜索结果不同的搜索结果，作为二次搜索结果为用户播放或显示。

本申请实施例提供的语音交互方法，首先基于用户输入的查询语音确定查询文字和查询意图；之后基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；然后确定用户基于一次搜索结果的情绪信息；最后基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。基于用户的情绪信息进行主动修正和主动回复，降低了用户的语音交互成本，提高了用户获取信息的满意度。

进一步参考图3，其示出了根据本申请的语音交互方法的又一个实施例的流程300。该语音交互方法包括以下步骤：

步骤301，基于用户输入的查询语音确定查询文字和查询意图。

步骤302，基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户。

步骤303，确定用户基于一次搜索结果的情绪信息。

在本实施例中，步骤301-303具体操作已在图2所示的实施例中步骤201-203中进行了详细的介绍，在此不再赘述。

步骤304，对查询文字进行文本修正，得到修正文字。

在本实施例中，语音交互方法的执行主体(例如图1所示的终端设备101、102、103)可以对查询文字进行文本修正，得到修正文字。具体地，上述执行主体可以将查询文字修正成与其发音相似的文字，作为修正文字。

步骤305，基于修正文字和查询意图进行搜索，得到二次搜索结果，以及将二次搜索结果回复给用户。

在本实施例中，上述执行主体可以基于修正文字和查询意图进行搜索，得到二次搜索结果，以及将二次搜索结果回复给用户。具体地，上述执行主体可以将修正文字发送至搜索引擎的后台服务器(例如图1所示的服务器105)，搜索引擎的后台服务器可以利用修正文字在互联网上进行信息搜索，以得到修正文字对应的搜索结果。随后，上述执行主体可以从修正文字对应的搜索结果中选取出满足查询意图的搜索结果，作为二次搜索结果为用户播放或显示。

为了便于理解，下面介绍语音交互方法的一个应用场景。

首先，用户对智能音箱说出查询语音：王尔德是谁？

之后，智能音箱将查询语音转换为查询文字：玛尔德是谁？

而后，智能音箱基于查询文字进行搜索，并向用户播放语音：哎呀，这个难倒我了。你可以问我今天限行尾号是多少。

随后，智能音箱通过摄像头采集到用户皱眉。

然后，智能音箱将查询文字修正为修正文字：王尔德是谁？

最后，智能设备基于修正文字进行搜索，并向用户播放语音：你是不是想问王尔德呀？我知道他，奥斯卡王尔德，19世纪英国最伟大的作家与艺术家之一……

从图3中可以看出，与图2对应的实施例相比，本实施例中的语音交互方法的流程300突出了修正步骤。由此，本实施例描述的方案基于用户的情绪信息对查询文字进行修正，并基于修正文字进行二次搜索，并主动回复用户。通过对查询文字纠错再次发起搜索，无需用户再次输入查询语音，降低了用户的语音交互成本，提高了用户获取信息的满意度。

进一步参考图4，其示出了根据本申请的语音交互方法的另一个实施例的流程400。该语音交互方法包括以下步骤：

步骤401，基于用户输入的查询语音确定查询文字和查询意图。

步骤402，基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户。

步骤403，确定用户基于一次搜索结果的情绪信息。

在本实施例中，步骤401-403具体操作已在图2所示的实施例中步骤201-203中进行了详细的介绍，在此不再赘述。

步骤404，对查询意图进行意图修正，得到修正意图。

在本实施例中，语音交互方法的执行主体(例如图1所示的终端设备101、102、103)可以对查询意图进行意图修正，得到修正意图。具体地，上述执行主体可以从查询文字对应的至少一个意图中选取不同于查询意图的意图，作为修正意图。

步骤405，基于查询文字和修正意图进行搜索，得到二次搜索结果，以及将二次搜索结果回复给用户。

在本实施例中，上述执行主体可以基于查询文字和修正意图进行搜索，得到二次搜索结果，以及将二次搜索结果回复给用户。具体地，上述执行主体可以从查询文字对应的搜索结果中选取出满足修正意图的搜索结果，作为二次搜索结果为用户播放或显示。

为了便于理解，下面介绍语音交互方法的一个应用场景。

首先，用户对智能音箱说出查询语音：阴阳师。

之后，智能音箱将查询语音转换为查询文字：阴阳师。

而后，智能音箱基于查询文字进行搜索，并向用户播放语音：为您找到电视剧《阴阳师》，可以对我说播放第1集。

随后，智能音箱通过麦克风采集到用户输出响应语音：不是啊，我不是要这个。

然后，智能音箱将查询意图修正为修正意图：游戏。

最后，智能设备向用户播放语音：还为您找到了游戏《阴阳师》。

此外，若智能音箱通过摄像头采集到用户皱眉，智能音箱还会将查询意图修正为修正意图：百科，并向用户播放语音：我还知道，阴阳师是一种巫师，是掌握着阴阳道，懂得观星宿、相人面，还会测方位、知灾异，画符念咒、施行幻术的一种巫师。

从图4中可以看出，与图2对应的实施例相比，本实施例中的语音交互方法的流程400突出了修正步骤。由此，本实施例描述的方案基于用户的情绪信息对查询意图进行修正，并基于修正意图进行二次搜索，并主动回复用户。通过再次理解查询语音对应的意图再次发起搜索，无需用户再次输入查询语音，降低了用户的语音交互成本，提高了用户获取信息的满意度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种语音交互装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的语音交互装置500可以包括：第一确定单元501、搜索单元502、第二确定单元503和修正单元504。其中，第一确定单元501，被配置成基于用户输入的查询语音确定查询文字和查询意图；搜索单元502，被配置成基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；第二确定单元503，被配置成确定用户基于一次搜索结果的情绪信息；修正单元504，被配置成基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。

在本实施例中，语音交互装置500中：第一确定单元501、搜索单元502、第二确定单元503和修正单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，第二确定单元503包括：第一获取子单元(图中未示出)，被配置成采集用户的面部图像；第一提取子单元(图中未示出)，被配置成从面部图像中提取用户的表情响应信息。第一确定子单元(图中未示出)，被配置成基于表情响应信息确定用户的情绪信息。

在本实施例的一些可选的实现方式中，第二确定单元503包括：第二获取子单元(图中未示出)，被配置成采集用户的响应语音；第二提取子单元(图中未示出)，被配置成从响应语音中提取用户的语音响应信息，其中，语音响应信息包括以下至少一项：沉默时长、语音内容、语音音调；第二确定子单元(图中未示出)，被配置成基于语音响应信息确定用户的情绪信息。

在本实施例的一些可选的实现方式中，修正单元504包括：第一修正子单元(图中未示出)，被配置成对查询文字进行文本修正，得到修正文字；第一搜索子单元(图中未示出)，被配置成基于修正文字和查询意图进行搜索，得到二次搜索结果。

在本实施例的一些可选的实现方式中，修正单元504包括：第二修正子单元(图中未示出)，被配置成对查询意图进行意图修正，得到修正意图；第二搜索子单元(图中未示出)，被配置成基于查询文字和修正意图进行搜索，得到二次搜索结果。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的终端设备101、102、103)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，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。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。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。在本申请中，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。而在本申请中，计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、搜索单元、第二确定单元和修正单元。其中，这些单元的名称在种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“基于用户输入的查询语音确定查询文字和查询意图的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读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该电子设备执行时，使得该电子设备：基于用户输入的查询语音确定查询文字和查询意图；基于查询文字和查询意图进行搜索，得到一次搜索结果，以及将一次搜索结果回复给用户；确定用户基于一次搜索结果的情绪信息；基于情绪信息对一次搜索结果进行修正，得到二次搜索结果，以及将二次搜索结果回复给用户。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种语音交互方法，包括：

基于用户输入的查询语音确定查询文字和查询意图；

基于所述查询文字和查询意图进行搜索，得到一次搜索结果，以及将所述一次搜索结果回复给所述用户；

确定所述用户基于所述一次搜索结果的情绪信息；

基于所述情绪信息对所述一次搜索结果进行修正，得到二次搜索结果，以及将所述二次搜索结果回复给所述用户。

2.根据权利要求1所述的方法，其中，所述确定所述用户基于所述一次搜索结果的情绪信息，包括：

采集所述用户的面部图像；

从所述面部图像中提取所述用户的表情响应信息；

基于所述表情响应信息确定所述用户的情绪信息。

3.根据权利要求1或2所述的方法，其中，所述确定所述用户基于所述一次搜索结果的情绪信息，包括：

采集所述用户的响应语音；

从所述响应语音中提取所述用户的语音响应信息，其中，所述语音响应信息包括以下至少一项：沉默时长、语音内容、语音音调；

基于所述语音响应信息确定所述用户的情绪信息。

4.根据权利要求1所述的方法，其中，所述基于所述情绪信息对所述一次搜索结果进行修正，得到二次搜索结果，包括：

对所述查询文字进行文本修正，得到修正文字；

基于所述修正文字和所述查询意图进行搜索，得到二次搜索结果。

5.根据权利要求1或4所述的方法，其中，所述基于所述情绪信息对所述一次搜索结果进行修正，得到二次搜索结果，包括：

对所述查询意图进行意图修正，得到修正意图；

基于所述查询文字和所述修正意图进行搜索，得到二次搜索结果。

6.一种语音交互装置，包括：

第一确定单元，被配置成基于用户输入的查询语音确定查询文字和查询意图；

搜索单元，被配置成基于所述查询文字和查询意图进行搜索，得到一次搜索结果，以及将所述一次搜索结果回复给所述用户；

第二确定单元，被配置成确定所述用户基于所述一次搜索结果的情绪信息；

修正单元，被配置成基于所述情绪信息对所述一次搜索结果进行修正，得到二次搜索结果，以及将所述二次搜索结果回复给所述用户。

7.根据权利要求6所述的装置，其中，所述第二确定单元包括：

第一获取子单元，被配置成采集所述用户的面部图像；

第一提取子单元，被配置成从所述面部图像中提取所述用户的表情响应信息；

第一确定子单元，被配置成基于所述表情响应信息确定所述用户的情绪信息。

8.根据权利要求6或7所述的装置，其中，所述第二确定单元包括：

第二获取子单元，被配置成采集所述用户的响应语音；

第二提取子单元，被配置成从所述响应语音中提取所述用户的语音响应信息，其中，所述语音响应信息包括以下至少一项：沉默时长、语音内容、语音音调；

第二确定子单元，被配置成基于所述语音响应信息确定所述用户的情绪信息。

9.根据权利要求6所述的装置，其中，所述修正单元包括：

第一修正子单元，被配置成对所述查询文字进行文本修正，得到修正文字；

第一搜索子单元，被配置成基于所述修正文字和所述查询意图进行搜索，得到二次搜索结果。

10.根据权利要求6或9所述的装置，其中，所述修正单元包括：

第二修正子单元，被配置成对所述查询意图进行意图修正，得到修正意图；

第二搜索子单元，被配置成基于所述查询文字和所述修正意图进行搜索，得到二次搜索结果。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images