(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221078679 9.6 (22)申请日 2022.07.04 (71)申请人 思必驰科技股份有限公司 地址 215123 江苏省苏州市苏州工业园区 新平街38 8号腾飞创新园14栋 (72)发明人 朱成亚　樊帅　林永楷　 (74)专利代理 机构 北京商专永信知识产权代理 事务所(普通 合伙) 11400 专利代理师 黄谦　侯晓艳 (51)Int.Cl. G10L 15/22(2006.01) G10L 15/18(2013.01) G06F 40/30(2020.01) (54)发明名称 语音交互方法、 电子设备和存 储介质 (57)摘要 本发明公开一种语音交互方法、 电子 设备和 存储介质。 在该方法中， 获取语音数据； 基于 所述 语音数据所对应的语义内容， 从预设的对话技能 集中确定与所述语义内容相 匹配的目标对话技 能； 所述对话技能集包含用于释放终端设备的音 频焦点的第一对话技能和用于抢占终端设备的 音频焦点的第二对话技能； 基于所述目标对话技 能， 执行语音交互操作。 由此， 实现了最匹配于当 前语义环 境的语音技能交互， 无需基于单个技能 对终端进行硬件编码， 降低了开发成本， 也更便 于不同厂 商对于多样化场景的个性 化技能定制。 权利要求书2页 说明书7页 附图4页 CN 115188377 A 2022.10.14 CN 115188377 A 1.一种语音交 互方法， 包括： 获取语音数据； 基于所述语音数据所对应的语义内容， 从预设的对话技 能集中确定与 所述语义内容相 匹配的目标对话技能； 所述对话技能集包含用于释放 终端设备的音频焦点的第一对话技能 和用于抢占终端设备的音频焦点的第二对话 技能； 基于所述目标对话 技能， 执行语音交 互操作。 2.根据权利要求1所述的方法， 其中， 所述基于所述语音数据所对应的语义内容， 从预 设的对话 技能集中确定与所述语义相匹配的目标对话 技能， 包括： 识别所述语音数据所对应的文本内容； 解析与所述文本内容对应的语义内容， 并确定与所述语义内容相匹配的目标语音场 景； 根据所述目标语音场景， 从预设的对话 技能集中确定目标对话 技能。 3.根据权利要求2所述的方法， 其中， 所述方法还 包括： 检测是否存在场景技能定制请求； 当存在场景技能定制请求 时， 接收定制场景和相应的针对所述对话技 能集的定制技 能 信息； 关联所述定制场景和所述定制技能信息 。 4.根据权利要求1或2所述的方法， 其中， 所述第一对话技能包含用于停止监听用户语 音的单轮对话 技能， 以及用于在设定时间段内持续 监听用户语音的弱多轮技能。 5.根据权利要求 4所述的方法， 其中， 当所述目标对话 技能为单轮对话 技能时， 所述基于所述目标对话 技能， 执行语音交 互操作， 包括： 基于所述单轮对话 技能， 确定针对语音数据的响应数据； 基于所述响应数据执 行语音交 互操作， 并释放音频焦点， 且停止继续 监听语音指令 。 6.根据权利要求 4所述的方法， 其中， 当所述目标对话 技能为弱多轮对话 技能时， 所述基于所述目标对话 技能， 执行语音交 互操作， 包括： 基于所述弱多轮对话 技能， 确定针对语音数据的响应数据； 基于所述响应数据执行语音交互操作， 并释放音频焦点， 且在设定时间段内持续监听 是否存在有效音频指令； 如果监听到存在有效音频指令， 则根据所述有效音频指令、 所述语音数据和所述响应 数据执行语音交 互操作； 以及 如果未监听到有效音频指令， 则停止继续 监听语音指令 。 7.根据权利要求 4所述的方法， 其中， 所述弱多轮技能是与影音播 放场景相关联的。 8.根据权利要求1 ‑7中任一项所述的方法， 其中， 所述获取语音数据， 包括： 基于终端设备， 采集第一环境音频； 识别所述第一环境音频中是否包 含唤醒关键词； 当所述环境音频中包 含唤醒关键词时， 采集对应预设时间段的第二环境音频； 当所述第二环境音频中包 含真实人声成分时， 基于所述第二环境音频确定语音数据。 9.一种电子设备， 其包括： 至少一个处理器， 以及与所述至少一个处理器通信连接的存 储器， 其中， 所述存储器存储有 可被所述至少一个处理器执行的指 令， 所述指 令被所述至少权　利　要　求　书 1/2 页 2 CN 115188377 A 2一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑8中任一项所述方法的步 骤。 10.一种存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行时实现 权利要求1 ‑8中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115188377 A 3