【技术实现步骤摘要】
本专利技术具体涉及一种基于人工智能的智能语音识别与应答系统，属于语音识别与应答。
技术介绍
1、智能语音识别是利用计算机将语音信号自动转换为文本的一项技术；对于语音识别的方法有很多，如中国专利授权公告号：cn118230722b，公开的一种基于ai的智能语音识别方法及系统，其通过利用深度学习网络模型如卷积神经网络（cnn）和图卷积神经网络（gcn）强大的特征提取能力和对结构化数据的处理能力来对待识别语音信号进行处理和分析，从中提取语音信号的局部细节波形特征和全局上下文语义关联特征，并引入自适应注意力机制来整合上下文信息并显化重要特征分布，从而确保语义识别的准确度；再如中国专利公开号：cn118136022a，公开的智能语音识别系统及方法，首先对待识别的语音进行信号采集，获得语音模拟信号，对采集到的语音模拟信号进行预处理后利用能量迭代循环法进行端点检测得到待识别的语音数字信号，随后对待识别的数字信号提取相关特征信息；将待识别语音信号与其特征矢量通过声学模型组件、发声字典组件、语言模型组件形成的网络，得到与之所有相匹配的识别文字以及单个字或词相互关联的概率关系，最后利用解码器模块对所得数据进行维特比解码译码，得到最终语音识别文字输出；但现有技术中，语音识别效率一般，且无法快速精确得到应答语音。
技术实现思路
1、为解决上述问题，本专利技术提出了一种基于人工智能的智能语音识别与应答系统，能够对语音进行智能识别，并根据识别文本能够快速获取精确应答语音。
2、本专利技术的基于人工
3、语音识别单元，所述语音识别单元获取语音数据，并将语音数据转换为文本数据；
4、目标问题标准化模块，所述语音识别单元接入到目标问题标准化模块；所述目标问题标准化模块包括目标问题获取单元，所述目标问题获取单元接入词库转换单元，所述词库转换单元分别连接近义词和标准词关联库；所述词库转换单元输出校准目标问题；所述目标问题获取单元获取文本数据，接着，通过词库转换单元对文本数据进行转换，得到校准目标问题；所述词库转换单元对文本数据的各个词组进行校准，校准时，将词组通过近义词和标准词关联库进行校准，当词组中存在近义词时，将近义词转换为标准词，从而生成校准目标问题；
5、应答获取模块，所述应答获取模块包括与词库转换单元连接的目标因子获取模块，所述目标因子获取模块连接索引问题生成模块，所述索引问题生成模块连接计分单元、索引问题库和应答生成单元，所述计分单元连接计分库；所述应答生成单元连接索引问题和应答数据库；所述索引问题生成模块输出索引问题，所述应答生成单元输出应答数据；
6、所述目标因子获取模块获取校准目标问题，并将校准目标问题送入索引问题生成模块，索引问题生成模块将校准目标问题与索引问题库比对，并通过计分单元进行关联性统计，得到一个或多个关联性最大的索引问题；同时，应答生成单元将索引问题作为索引，检索索引问题和应答数据库，得到应答数据；
7、问题和应答反馈模块，所述应答获取模块输出端接入到问题和应答反馈模块，所述问题和应答反馈模块连接语音库；所述应答获取模块索引问题和应答数据，并将索引问题和应答数据作为索引，从语音库中检索获取语音数据；并将语音数据输出。
8、进一步地，所述语音数据包括索引问题语音和应答数据语音，将索引问题语音送入到应答交互系统的交互端，当交互端确认后，将索引问题对应的应答数据语音送入到交互端；当交互端否认后，重新将关联性第二大的索引问题推送至应答交互系统的交互端，并再次通过应答交互系统进行确认；直到得到交互端确认后，将索引问题对应的应答数据语音送入到交互端；当统计的索引问题都被否认后，接入人工系统；使用时，当获取索引问题时，自动生成应答数据语音，直接将应答数据语音送至交互端；或采用索引问题交互后，将将应答数据语音送至交互端。
9、进一步地，所述目标因子获取模块获取校准目标问题，并对校准目标问题提取目标词组单元，得到；索引问题库；
10、索引问题生成模块工作时，获取目标词组单元和索引问题库，依次通过对进行比对，当中存在；将送入临储库；其中，为目标词组单元的最后一个词组，为目标词组单元的词组总数；为中任一词组，；为索引问题库的最后一个索引问题，为索引问题库的索引问题总量；；接着，计算临储库中各个索引问题与的交集=∩进行交集计算，其中，为临储库中第个索引问题，接着，计分单元获取交集，并对交集剔除误差索引问题数列，具体为：计分单元统计交集中每组数列的数量，接着计算数列占比，；；将该组数列设定为误差索引问题数列；完成误差索引问题数列剔除后，得到计分数列库接着将中的每组数列进行计分，计分过程为：；其中，为计分数列库中的某一组数列的最后一个词组，为计分库中与对应的比重因子；依次完成计分数列库的每组数列计算，得到计分数列库的数据集；接着，根据数值大小对数据集进行排序，由大至小选取一个或多个数据，并将选取的数据反向检索索引问题库；得到索引问题结果库；接着，将索引问题结果库输出索引问题；当选取的数据中，出现两个或两个以上数据交叉时，进行索引问题二次选取，其中，数据交叉为两个数据相同，或两个数据差值小于设定阈值；索引问题二次选取时，首先统计索引问题结果库对应的索引问题的词组数量，接着计算结果占比，；并对两个或多个值进行比较，选取比值大的值对应的索引问题，作为最终输出的索引问题。
11、进一步地，所述索引问题二次选取时，根据值由大至小进行排列，得到输出的优先级，值排列最高的索引问题作为最高优先级，最先发送至应答生成单元；一次索引问题提取时，采用比重分进行选取，二次索引问题提取时，通过统计交集中某一组数列的数量占对应索引问题的词组数量的比重，根据比重大小输出二次选取的索引问题。
12、进一步地，所述校准目标问题提取词组时，连接业务字典库，通过业务字典库对校准目标问题提取与业务关联的词组，得到；通过业务字典库对校准目标问题提取词组，获取到校准目标问题中存在的与业务关联的词组，并建立词组集合s。
13、进一步地，所述语音识别单元包括依次连接的语音获取单元、语音信号预处理单元、特征提取单元、语音识别单元和文本输出单元；语音获取单元获取到语音模拟数据，并送入语音信号预处理单元进行预处理，预处理过程如下：首先将语音模拟数据转换为数字信号组，接着对数字信号组进行预加重，通过对数字信号组的高频部分进行强化，预加重采用一阶高通滤波器进行，具体如下：
14、为预加重后的数字信号，为数字信号组的第个数字信号，为预加重系数，取值范围为0.95至0.99；
15、接着，对预加重后的数字信号进行分帧加窗计算，将数字信号组平均分成多帧，每帧取值范围为5至15ms；相邻帧之间设置有重叠部；分帧加窗计算时，采用海明窗或汉宁窗的窗函数，得到加窗后的数字信号组；
16、接着，通过特征提取单元对语音信号预处理单元输出的数字信号组进行特征提取；所述特征提取如下：特征提取时，采用梅尔倒谱系数进行提取，本文档来自技高网...
【技术保护点】
1.一种基于人工智能的智能语音识别与应答系统，其特征在于：包括：
2.根据权利要求1所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述语音数据包括索引问题语音和应答数据语音，将索引问题语音送入到应答交互系统的交互端，当交互端确认后，将索引问题对应的应答数据语音送入到交互端；当交互端否认后，重新将关联性第二大的索引问题推送至应答交互系统的交互端，并再次通过应答交互系统进行确认；直到得到交互端确认后，将索引问题对应的应答数据语音送入到交互端；当统计的索引问题都被否认后，接入人工系统。
3.根据权利要求1所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述目标因子获取模块获取校准目标问题，并对校准目标问题提取目标词组单元，得到；索引问题库；
4.根据权利要求3所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述索引问题二次选取时，根据值由大至小进行排列，得到输出的优先级，值排列最高的索引问题作为最高优先级，最先发送至应答生成单元。
5.根据权利要求3所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述校准
6.根据权利要求1所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述语音识别单元包括依次连接的语音获取单元、语音信号预处理单元、特征提取单元、语音识别单元和文本输出单元。
...【技术特征摘要】
1.一种基于人工智能的智能语音识别与应答系统，其特征在于：包括：
2.根据权利要求1所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述语音数据包括索引问题语音和应答数据语音，将索引问题语音送入到应答交互系统的交互端，当交互端确认后，将索引问题对应的应答数据语音送入到交互端；当交互端否认后，重新将关联性第二大的索引问题推送至应答交互系统的交互端，并再次通过应答交互系统进行确认；直到得到交互端确认后，将索引问题对应的应答数据语音送入到交互端；当统计的索引问题都被否认后，接入人工系统。
3.根据权利要求1所述的基于人工智能的智能语音识别与应答系统，其特征在于：所述目标因子获取模块获取校准目标问题，并对校准...
【专利技术属性】
技术研发人员：陈志建，史卜仓，李希瑞，毛红英，
申请(专利权)人：泰安泰盈信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。