具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语"安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

下面结合具体实施方式和说明书附图对本发明做出详细的说明。

如图2-3所示，本发明提供了一种智能语音交互系统，包括：

通讯连接且实现语音信息交互的用户终端1和人工语音终端2；

与人工语音终端2通讯连接实现语音信息交互的智能语音机器人3，智能语音机器人3对接收的语音进行用户意图分析，并生成回复语音传输至人工语音终端2。

还包括设于人工语音终端2上的机器人耳麦单元4，用于监控人工语音终端2的输入设备和输出设备，分析输出设备接收用户终端1发送的语音A，并对语音A的音频流通过音频编码技术流化并封装成智能语音机器人3可接收的语音B；或是输入设备接收智能语音机器人3发送的语音C，并对语音C的音频流通过音频编码技术流化并封装成用户终端1可接收的语音D；

本实施例中，输入设备为人工语音终端2用于接收播放语音的设备，如耳机；输出设备为人工语音终端2用于语音输入的设备，如麦克风。

本实施例，机器人耳麦单元4通过实时监控读取操人工语音终端2的输出设备，获取语音A的音频流，通过音频编码技术，将语音A的音频流编码成智能语音机器人3可以收取的语音B，机器人耳麦单元4将语音B作为语音通讯的输出给智能语音机器人3，并在通讯中持续将语音B输出到智能语音机器人3。智能语音机器人3对接收的语音B进行分析并生成回复语音C传输至人工语音终端2，机器人耳麦单元4接收智能语音机器人3发送的语音C，将语音C的音频流进行编码转换成人工语音终端2输入设备可以接收的语音D，并被送至输入设备上，该输入设备是与用户终端1进行通讯所使用的输入设备，所以用户终端1可以直接听取到语音D。

本发明在人工语音终端2中设置机器人耳麦单元4作为媒介，将智能语音机器人3接入整个语音互换系统，实现用户终端1直接和智能语音机器人3通讯；本发明脱离了新老系统在对接、改造或升级上的技术限制，从繁杂的接口、协议、信息安全和流程中解耦，在技术底层(声音层)进行切入，任意以CTI技术为基础的应用上实现智能语音机器人的无缝对接。

本实施例优选，为了提高人工语音终端2与智能语音机器人3语音通话质量，上述音频编码技术均采用PCMU 8K编码技术。

本实施例语音A和语音B，或语音C和语音D是同一种声音，只是为了兼容不同的终端接收设备而采取的不同编码。

本实施例优选，机器人耳麦单元4包括语音监测模块41、第一编码模块42、通讯模块43，语音发送模块44、语音接收模块45和第二编码模块49；

语音监测模块41用于监测人工语音终端2是否有语音A输入；

第一编码模块42用于对语音监测模块41监测到的语音A的音频流进行编码成语音B；

通讯模块43用于实现与用户终端1和智能语音机器人3之间语音通讯；其中，通讯模块43采用SIP通讯技术实现与智能语音机器人3采用SIP[Session InitiationProtocol]通讯技术协议语音通讯；通讯模块43采用互联网通讯方式与用户终端1实现语音通讯；

语音发送模块44将语音B发送至智能语音机器人3，或是将语音D发送至用户终端1；

语音接收模块45用于接收语音监测模块41监控到的语音A或智能语音机器人3反馈的语音C；

第二编码模块49用于对智能语音机器人3反馈的语音C的音频流进行编码成语音D；

语音发送模块44用于将语音B发送至智能语音机器人3或将语音D发送至用户终端1；

用户通过用户终端1输入语音A,语音监测模块41监测到语音A的输入，第一编码模块42将语音A的音频流进行编码成语音B，语音发送模块44通过通讯模块43将语音B发送至智能语音机器人3；智能语音机器人3解析语音B生成回复话术形成语音C发送至语音接收模块45，第二编码模块49将语音C的音频流进行编码成语音D，并通过语音发送模块44将语音D发送至用户终端1。

智能语音机器人3包括语音接收单元31，语音分析单元32，通讯单元34，及与语音分析单元32索引连接的话术库33。

语音接收单元31用于接收人工语音终端2发送的语音B；

语音分析单元32用于解析语音B的语义，并根据语义在话术库33获取对应的话术形成语音C，语音C通过通讯单元34发送返回人工语音终端2的语音接收模块45；

通讯单元34与通讯模块43采用SIP通讯技术协议实现语音通讯。

需要说明的是，本实施例人工语音终端与智能机器人通讯是我们安装的机器人耳麦中通讯模块43，通过SIP通讯技术协议与智能语音机器人的通讯模块34通讯。人工语音终端与用户终端的通讯通过原有人工语音终端自带的通讯模块，此处不赘述；

另外，对于本实施例中语音分析单元32解析语音B，并根据语义在话术库33获取对应的话术形成语音C可使用现有智能语音机器人语音分析技术实现，如通过实时语音识别(ASR)技术将语音转换为文字，通过自然语言理解(NLU)技术将文字进行意图判定后，去话术库中将该意图对应的话术选取出来(通过数据库或者缓存数据库等数据处理/查询技术)，通过语音合成(TTS)技术将文字转化为声音回放。

机器人耳麦单元4还包括呼叫模块46及报警模块48；智能语音机器人3还包括与呼叫模块46对应设置的呼叫响应单元35。

呼叫模块46用于当有语音A输入时向智能语音机器人3发送提示信息，确定智能语音机器人3是否在线且可收语音，当智能语音机器人3接收到提示信息后通过呼叫响应单元35返回响应信息至语音接收模块45，则语音发送模块44将语音B发送至智能语音机器人3；若语音接收模块45在设定时间内未接收到呼叫响应单元35返回响应信息，则报警模块48将发出警报提示人工坐席，智能语音机器人3可能处于故障状态无法正常工作，提示人工坐席及时上线接入坐席工作。

优选的，语音发送模块45设有语音暂存子模块451，用于按时间先后顺序存储编码后的语音B，由于语音发送模块45将语音B发送至智能语音机器人3之前需要得到语音机器人3返回响应呼叫，因此需要先将编码的语音B暂存，以便保证用户语音A的实时输入与接收。

人工语音终端2还设置人工坐席用于控制机器人耳麦单元4是否全程介入语音互换过程的开关控制单元5；当人工坐席通过开关控制单元5关闭机器人耳麦单元4时，系统切换到人工语音模式，由人工坐席与用户语音对话；当人工坐席通过开关控制单元5打开机器人耳麦单元4时，切换到机器人语音模式，由智能语音机器人3接入系统完成语音处理及对话。人工坐席控制机器人耳麦单元4是否介入语音对话，在人工语音坐席和机器人语音坐席中自由切换，关闭机器人耳麦单元4时切换到人工语音模式，实现复杂业务由人工与客户语音对话；打开机器人耳麦单元4时切换到机器人语音模式，实现简单业务全程由智能语音机器人3与用户语音对话。

本实施例优选，人工语音终端2还包括信息接收显示单元21，用于接收显示用户终端1或是智能语音机器人3传输的各种信息或消息。

机器人耳麦单元4还包括人工坐席监测模块47，当机器人耳麦单元4处于关闭状态时，用于实时监测人工坐席的输入设备(麦克风)是否有人工坐席语音输入，若有人工坐席语音输入，人工坐席语音通过输入设备及通讯模块输出给用户终端1的同时，人工坐席监测模块47将人工坐席语音发送至智能语音机器人3。

智能语音机器人3还包括与语音分析单元32索引关联的禁用词库35与语义违规词库36与人工警告单元37；当语音接收单元31接收到人工坐席语音后，语音分析单元32将对人工坐席语音进行解析，提取语音中的关键词，通过关键词分别与禁用词库35、语义违规词库36对比分析是否有不当用语、违规用语以及禁用语，如果有人工警告模块37将对人工语音终端2发送警告信息并将信息内容发送至信息接收显示单元21，信息内容包括但不限于不当/违规/禁止用语的使用。

本实施例优选，智能语音机器人3还包括对话建议单元38，根据语音分析单元32对人工坐席语音解析的结果，生成针对分析获得的用户意图提供建议话述并通过对话建议单元38发送至信息接收显示单元21；或是生成针对不当/违规/禁止用语生成建议话述并通过对话建议单元38发送至信息接收显示单元21。优点在于将终端用户(语音A)实时传送给智能语音机器人3(语音B)，智能语音机器人3分析用户意图后提供对话建议，并实时推送给人工坐席，帮助人工坐席提高业务能力和服务质量；且同时对用语不当、违规用语，或可优化的话语实时提供告警和建议，提升人工坐席的服务质量。

本实施例，无需改变现有用户终端和人工语音终端的语音技术及通讯模式，通过机器人耳麦单元4将智能语音机器人3接入系统，从声音层的切入，在任意以CTI技术为基础的应用上实现智能语音机器人的无缝对接，该应用可用于呼叫中心视频/语音机器人、视频/语音会议辅助机器人、一对多语音教学/培训机器人等，这样加速智能语音行业的应用，使得本发明的应用范围和应用场景更大。

如图4所示，本发明还提供了一种智能语音交互方法，该方法基于上述实施例提供的智能语音交互系统实现，包括步骤：

S1、人工语音终端接收用户终端输入的语音A；

S2、人工语音终端设置的机器人耳麦单元对语音A的音频流通过音频编码技术流化并封装成智能语音机器人可接收的语音B，并传输至智能语音机器人；

S3、智能语音机器人对接收的语音B进行分析并生成回复语音C传输至人工语音终端；

S4、机器人耳麦单元对语音C的音频流通过音频编码技术流化并封装成用户终端可接收的语音D，并发送至用户终端。

本发明在人工语音终端中设置机器人耳麦单元作为媒介，将智能语音机器人接入整个语音互换系统，实现用户终端直接和智能语音机器人通讯；本发明脱离了新老系统在对接、改造或升级上的技术限制，从繁杂的接口、协议、信息安全和流程中解耦，在技术底层(声音层)进行切入，任意以CTI技术为基础的应用上实现智能语音机器人的无缝对接。

本实施例优选，为了提高人工语音终端与智能语音机器人语音通话质量，上述音频编码技术均采用PCMU 8K编码技术；人工语音终端与智能语音机器人均设置通讯模块，且通讯模块采用SIP[Session Initiation Protocol]通讯技术协议实现语音通讯。

本实施例，智能语音机器人对接收到的语音B进行解析其语义，并根据语义在话术库获取对应的话术形成语音C返回至人工语音终端。

本实施例优选，机器人耳麦单元还实现以下步骤：

机器人耳麦单元监测到语音A输入时，对语音A进行编码，同时向智能语音机器人发送提示信息，确定智能语音机器人是否在线且可收语音，若收到智能语音机器人返回响应信息后，将语音B发送至智能语音机器人，若设定时限内未接收到智能语音机器人返回响应信息，则机器人耳麦单元将发出警报提示人工坐席，及时上线接入坐席工作以及排查故障。

本实施例优选，人工坐席控制开关控制单元控制机器人耳麦单元是否全程介入语音互换过程，若设置开关控制单元为关时，系统切换到人工语音模式，由人工坐席与用户语音对话；若设置开关控制单元为开时，切换到机器人语音模式，由智能语音机器人接入系统完成语音处理及对话。

本实施例优选，当开关控制单元为关时，系统还实现以下步骤：

机器人耳麦单元实时监测人工坐席的输入设备(麦克风)是否有人工坐席语音输入，若有人工坐席语音输入，人工坐席语音通过输入设备及通讯模块输出给用户终端的同时，将人工坐席语音发送至智能语音机器人，智能语音机器人将对人工坐席语音进行解析，提取语音中的关键词，通过关键词分别与禁用词库、语义违规词库对比分析是否有不当用语、违规用语以及禁用语，如果有智能语音机器人将对人工语音终端发送警告信息并将信息内容发送至人工语音终端进行显示，信息内容包括但不限于不当/违规/禁止用语的使用。

本实施例优选，根据对人工坐席语音解析的结果，智能语音机器人生成针对分析获得的用户意图提供建议话述并发送至人工语音终端进行显示；或是生成针对不当/违规/禁止用语生成建议话述发送至人工语音终端进行显示。

如图5所示，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中智能语音交互方法，或者计算机程序被处理器执行时实现上述实施例中智能语音交互方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。