申请/专利权人:华为技术有限公司
申请日:2019-09-30
公开(公告)日:2024-04-09
公开(公告)号:CN112581938B
主分类号:G10L15/04
分类号:G10L15/04;G10L15/06;G10L15/08;G10L15/18;G10L15/26
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.04.16#实质审查的生效;2021.03.30#公开
摘要:本申请实施例提供一种基于人工智能的语音断点检测方法、装置和设备,上述基于人工智能的语音断点检测方法中,通过预先训练的语义完整性模型,对概率高于预定阈值的候选结果进行语义完整性检测,进而在确定上述概率高于预定阈值的候选结果语义完整之后,对上述概率高于预定阈值的候选结果进行自然语言理解,获得上述概率高于预定阈值的候选结果对应的意图。最后,根据上述概率高于预定阈值的候选结果和对应的意图,获得上述查询语句对应的响应。从而可以根据语义完整性来动态判断用户说话是否结束,可以更加准确地识别用户的真实意图,也可以在用户说话重复,拖音等场景下准确判断用户说话是否结束,进而可以提高用户体验。
主权项:1.一种基于人工智能的语音断点检测方法,其特征在于,包括:获取用户输入的查询语句;对所述查询语句进行语音识别,获得所述查询语句的至少一个候选结果和每个候选结果对应的概率;通过预先训练的语义完整性模型,对概率高于预定阈值的候选结果进行语义完整性检测;在确定所述概率高于预定阈值的候选结果语义完整之后,对所述概率高于预定阈值的候选结果进行自然语言理解,获得所述概率高于预定阈值的候选结果对应的意图;根据所述概率高于预定阈值的候选结果和对应的意图,获得所述查询语句对应的响应;其中,所述通过预先训练的语义完整性模型,对概率高于预定阈值的候选结果进行语义完整性检测之前,还包括:利用训练语料对待训练的语义完整性模型进行训练,获得训练好的语义完整性模型;所述训练语料是由完整语料拆分获得的;所述利用训练语料对待训练的语义完整性模型进行训练,获得训练好的语义完整性模型包括:对所述训练语料进行标注,所述训练语料的标注信息包括所述训练语料的完整性;通过标注后的训练语料对待训练的语义完整性模型进行训练;当所述语义完整性模型获得的所述训练语料的完整性,与所述训练语料的标注信息中包括的完整性之间的误差小于预定的误差阈值时,获得训练好的语义完整性模型。
全文数据:
权利要求:
百度查询: 华为技术有限公司 基于人工智能的语音断点检测方法、装置和设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。