本發(fā)明屬于車載語音控制，具體涉及一種語音融合自研nlu云端仲裁方法。
背景技術(shù)：
1、許多中高檔的汽車車載平臺，都配有語音控制的功能，方便主駕或副駕在行車中使用。目前車載語音完全依賴三方服務(wù)，雖然可以滿足常用車載語音控制的需求，但造成各車廠語音控制功能大同小異，產(chǎn)品差異化競爭優(yōu)勢很不明顯。但覆蓋三方已有語音技能雖然實(shí)現(xiàn)了常用語音功能的控制，但實(shí)際語音技能執(zhí)行效果可能無法滿足用戶在實(shí)際場景下的聯(lián)動需求，另外某些不常用說法三方語音技能也覆蓋不全，已有技能用戶如果有自己的偏好說法覆蓋不到，會造成體驗(yàn)不智能的缺陷。
技術(shù)實(shí)現(xiàn)思路
1、為了克服上述問題，本發(fā)明提供一種語音融合自研nlu云端仲裁方法，能夠?qū)⒆匝衝lu與三方語音能力融合后進(jìn)行融合仲裁，正確處理下發(fā)語義，適配云端平臺化，增加可移植性，提高自研能力，保證語義結(jié)果正確下發(fā)。
2、一種語音融合自研nlu云端仲裁方法，包括如下內(nèi)容：
3、步驟1，車機(jī)端上傳語音流至云端，同時在云端創(chuàng)建本次對話的上下文容器，其中上下文容器用于存放語義，語義包括topic、nlu和skill字段；
4、步驟2，云端將語音流透傳給三方語音服務(wù)，三方語音服務(wù)對語音流進(jìn)行解析，將語音流轉(zhuǎn)換為文字結(jié)果后返回給云端；
5、步驟3，云端獲取到文字后，將其傳輸至車機(jī)端內(nèi)置的自研模型，其中自研模型為開源的bert模型，自研模型接收到文字后，對文字進(jìn)行處理，并將處理結(jié)果重新封裝轉(zhuǎn)化成json字符串作為語義結(jié)果返回給云端，所述字符串有三個字段，分別為topic、skill和nlu；其中topic字段用于判斷模型是否成功解析出了語義，當(dāng)topic值為dm.rt.output時，代表模型沒有解析出語義，即拒識；當(dāng)topic值為dm.output時，代表模型成功解析出語義；skill字段代表接收文字的隸屬領(lǐng)域；nlu為接收文字具體要執(zhí)行的動作；
6、步驟4，云端收到自研模型的語義結(jié)果，根據(jù)結(jié)果中topic字段的值判斷是否拒識，若拒識，則使用三方服務(wù)傳輸?shù)奈淖纸Y(jié)果；若沒有拒識，即topic值為dm.output時，代表模型成功解析出語義，此時云端會讀取配置文件，判讀段語義結(jié)果中skill字段的值是否存在于配置文件中，若存在，則采用自研模型的語義結(jié)果，若不存在，則采用三方服務(wù)的文字結(jié)果；
7、步驟5，若采用自研模型的語義結(jié)果，則從步驟1的上下文容器中尋找上文語義，若上下文容器中沒有上文語義，則直接將自研模型的語義結(jié)果下發(fā)給車機(jī)端；若存在上文語義，根據(jù)自研模型返回語義結(jié)果中nlu字段的值，判斷上文語義是否和本次語義具有上下文關(guān)系，若存在關(guān)聯(lián)，則進(jìn)行語義轉(zhuǎn)換，即將本次語義結(jié)果中的skill值改為上文語義中的skill值，將修改后的語義結(jié)果存入上下文容器中；若不存在關(guān)聯(lián)，則直接將自研模型的語義結(jié)果下發(fā)給車機(jī)端，并將語義結(jié)果存入到上下文容器中，丟棄三方服務(wù)的文字結(jié)果。
8、所述步驟4之前，在云端收到三方服務(wù)返回的文字后，自研模型若還未返回語義結(jié)果，則等待自研模型返回語義結(jié)果，云端不做下一步處理；若自研模型在設(shè)定的時間內(nèi)沒有返回，則直接采用三方服務(wù)的文字結(jié)果，且三方服務(wù)的上下文不會記錄到云端的上下文容器中。
9、所述步驟3中skill字段代表接收文字的隸屬領(lǐng)域，當(dāng)skill值為車控，代表接收文字隸屬于車控領(lǐng)域，當(dāng)skill值為車機(jī)系統(tǒng)控制，代表接收文字隸屬于車機(jī)系統(tǒng)控制領(lǐng)域。
10、所述步驟6中根據(jù)自研模型返回語義結(jié)果中nlu字段的值，判斷上文語義是否和本次語義具有上下文關(guān)系具體為：判斷上文語義中是否包含了本次nlu字段的值，若包含了說明上文語義和本次語義具有上下文關(guān)系。
11、所述步驟3中自研模型的訓(xùn)練過程如下：
12、所述bert模型具有6層編碼器，件所需的多種如下格式的訓(xùn)練數(shù)據(jù)輸入到bert模型中進(jìn)行訓(xùn)練，直至模型輸出結(jié)果的正確率達(dá)到96％衣裳，認(rèn)為模型訓(xùn)練完成，其中模型輸出結(jié)果的正確率為輸出正確結(jié)果的數(shù)量/輸入數(shù)據(jù)總數(shù)*100％。
13、
14、所述訓(xùn)練數(shù)據(jù)格式如下：
15、{"text":"(我|)(穿的太多|穿多了|)(太|)熱；溫度(太|)(高|熱)；(讓
16、|)(涼快點(diǎn)|降點(diǎn)溫|溫度低點(diǎn)|溫度降點(diǎn)|冷點(diǎn))；(打開|切換|換成|)降溫模式；熱(得要|)死了；熱得我(滿頭大汗|冒煙了)；"，"contain":"熱；溫度；氣溫；涼快點(diǎn)；涼快-些；冷點(diǎn)；冷-些；降溫；降-溫"，"reject":"空調(diào)；車窗；"，"scene":"降溫模式-open"}。
17、本發(fā)明的有益效果：
18、本發(fā)明在獲取到文字后，異步調(diào)用自研模型，收到自研模型及三方服務(wù)返回的結(jié)果后，進(jìn)行結(jié)果仲裁，并將結(jié)果根據(jù)上下文進(jìn)行改寫，保證語義能夠下發(fā)正確。
1.一種語音融合自研nlu云端仲裁方法，其特征在于，包括如下內(nèi)容：
2.根據(jù)權(quán)利要求1所述的一種語音融合自研nlu云端仲裁方法，其特征在于，所述步驟4之前，在云端收到三方服務(wù)返回的文字后，自研模型若還未返回語義結(jié)果，則等待自研模型返回語義結(jié)果，云端不做下一步處理；若自研模型在設(shè)定的時間內(nèi)沒有返回，則直接采用三方服務(wù)的文字結(jié)果，且三方服務(wù)的上下文不會記錄到云端的上下文容器中。
3.根據(jù)權(quán)利要求1所述的一種語音融合自研nlu云端仲裁方法，其特征在于，所述步驟3中skill字段代表接收文字的隸屬領(lǐng)域，當(dāng)skill值為車控，代表接收文字隸屬于車控領(lǐng)域，當(dāng)skill值為車機(jī)系統(tǒng)控制，代表接收文字隸屬于車機(jī)系統(tǒng)控制領(lǐng)域。
4.根據(jù)權(quán)利要求1所述的一種語音融合自研nlu云端仲裁方法，其特征在于，所述步驟6中根據(jù)自研模型返回語義結(jié)果中nlu字段的值，判斷上文語義是否和本次語義具有上下文關(guān)系具體為：判斷上文語義中是否包含了本次nlu字段的值，若包含了說明上文語義和本次語義具有上下文關(guān)系。
5.根據(jù)權(quán)利要求1所述的一種語音融合自研nlu云端仲裁方法，其特征在于，所述步驟3中自研模型的訓(xùn)練過程如下：
6.根據(jù)權(quán)利要求5所述的一種語音融合自研nlu云端仲裁方法，其特征在于，所述訓(xùn)練數(shù)據(jù)格式如下：
7.一種計(jì)算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實(shí)現(xiàn)如權(quán)利要求1-6中任一所述的一種語音融合自研nlu云端仲裁方法。
8.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1-6中任一所述的一種語音融合自研nlu云端仲裁方法。