申请/专利权人：北京中科金有限元技术有限公司

申请日：2020-04-20

公开（公告）日：2024-06-21

公开（公告）号：CN113535908B

主分类号：G10L15/22

分类号：G10L15/22;G10L25/51;G10L15/05;G10L25/87;G06F40/289;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.06.04#著录事项变更;2021.11.09#实质审查的生效;2021.10.22#公开

摘要：本申请公开了一种中断音频交互的方法、装置以及存储介质。其中，该方法包括：确定与交互音频对应的发音时长信息序列以及中断时间信息，其中发音时长信息序列用于记录与交互音频包含的单词对应的发音时长信息，中断时间信息用于指示交互音频可以进行中断的位置；在利用交互音频与目标用户进行交互的过程中，接收目标用户发出的音频；根据发音时长信息序列确定目标用户发出音频的时间节点；以及根据时间节点以及中断时间信息，判断是否对与目标用户进行音频交互的过程进行中断。

主权项：1.一种中断音频交互的方法，用于在与目标用户进行音频交互的过程中进行中断，其特征在于，包括：确定与交互音频对应的发音时长信息序列以及中断时间信息，其中所述发音时长信息序列用于记录与所述交互音频包含的单词对应的发音时长信息，所述中断时间信息用于指示所述交互音频可以进行中断的位置；在利用所述交互音频与所述目标用户进行交互的过程中，接收所述目标用户发出的音频；根据所述发音时长信息序列确定所述目标用户发出所述音频的时间节点；以及根据所述时间节点以及所述中断时间信息，判断是否对与所述目标用户进行音频交互的过程进行中断；确定与交互音频对应的发音时长信息序列，包括：确定与所述交互音频对应的文本信息；确定由所述文本信息包含的连续单词组成的词元序列；以及根据所述词元序列，确定与交互音频对应的发音时长信息序列；根据所述词元序列，确定与交互音频对应的发音时长信息序列，包括：利用预先训练的文本对齐模型对所述词元序列进行预测，确定所述发音时长信息序列；还包括：计算所述发音时长信息序列的发音时长总和作为第一时长，计算所述交互音频的播放时长作为第二时长；根据所述第一时长和所述第二时长，将所述发音时长信息序列中的每个单词的发音时长进行等比缩放，确定所述词元序列对应的实际发音时长信息序列，并且根据所述发音时长信息序列确定所述目标用户发出所述音频的时间节点，包括：根据所述实际发音时长信息序列确定所述目标用户发出所述音频的时间节点。

全文数据：

权利要求：

百度查询： 北京中科金有限元技术有限公司 中断音频交互的方法、装置以及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD