本發(fā)明涉及自然語言處理，更具體地說，本發(fā)明涉及一種ai平臺的ai語音速率調(diào)整方法及系統(tǒng)。

背景技術(shù)：

1、隨著人工智能技術(shù)的快速發(fā)展，ai語音交互已成為人機交互的重要方式，廣泛應(yīng)用于智能助手、客服系統(tǒng)、教育平臺等多個領(lǐng)域。然而，現(xiàn)有ai語音交互系統(tǒng)在語音速率調(diào)整方面仍存在明顯不足，難以實現(xiàn)真正的個性化體驗。

2、傳統(tǒng)的ai語音系統(tǒng)通常采用固定的語音速率設(shè)置，無法適應(yīng)不同用戶的語速偏好。雖然一些系統(tǒng)允許用戶手動調(diào)整語音速率，但這種靜態(tài)的調(diào)整方式要求用戶不斷嘗試不同設(shè)置，過程繁瑣且體驗不佳。用戶往往需要多次進(jìn)入設(shè)置界面，反復(fù)調(diào)整語音速率，直到找到相對舒適的速度，這大大降低了交互的流暢性和用戶滿意度。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的交互的流暢性不高的問題，本發(fā)明提出了一種ai平臺的ai語音速率調(diào)整方法及系統(tǒng)，用于解決上述問題。

2、本發(fā)明提供如下技術(shù)方案：

3、一種ai平臺的ai語音速率調(diào)整方法，包括：

4、獲取ai平臺中用戶與ai對話的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括用戶行為數(shù)據(jù)和用戶反饋數(shù)據(jù)，其中所述用戶反饋數(shù)據(jù)分為優(yōu)、良、中和差四個等級；

5、對用戶行為數(shù)據(jù)進(jìn)行特征提取，得到對應(yīng)的行為特征；從所述歷史數(shù)據(jù)中篩選出用戶反饋為優(yōu)和良的數(shù)據(jù)子集，并提取該數(shù)據(jù)子集對應(yīng)的行為特征，形成標(biāo)準(zhǔn)特征組；

6、基于所述標(biāo)準(zhǔn)特征組，計算得到標(biāo)準(zhǔn)行為特征；

7、在ai與用戶實時對話過程中，采集當(dāng)前的用戶行為數(shù)據(jù)，并對當(dāng)前的用戶行為數(shù)據(jù)進(jìn)行特征提取，得到對應(yīng)的行為特征記為實時行為特征；

8、計算所述實時行為特征與所述標(biāo)準(zhǔn)行為特征之間的特征偏差量；

9、獲取當(dāng)前ai語音的實時語音速率，并根據(jù)所述實時語音速率和所述特征偏差量，對所述ai語音速率進(jìn)行動態(tài)調(diào)整。

10、優(yōu)選的，所述用戶行為數(shù)據(jù)包括用戶說話速率、用戶停頓頻率及時長、打斷ai頻率和重復(fù)提問頻率，其中，用戶說話速率通過計算單位時間內(nèi)用戶輸入的字符數(shù)或語音識別后的字?jǐn)?shù)獲??；用戶停頓頻率及時長通過檢測用戶語音輸入過程中的無聲段并統(tǒng)計其出現(xiàn)次數(shù)和持續(xù)時間獲??；打斷ai頻率通過檢測用戶在ai語音輸出未完成時發(fā)起的語音輸入或操作行為的次數(shù)獲??；重復(fù)提問頻率，通過語義分析識別用戶連續(xù)輸入內(nèi)容中表達(dá)相同或相似意圖的次數(shù)獲取。

11、優(yōu)選的，所述對用戶行為數(shù)據(jù)進(jìn)行特征提取，得到對應(yīng)的行為特征包括：

12、對用戶說話速率數(shù)據(jù)進(jìn)行時間窗口分段，計算每個窗口內(nèi)的平均速率、速率變化標(biāo)準(zhǔn)差和速率變化趨勢，得到用戶語速特征；

13、對用戶停頓數(shù)據(jù)進(jìn)行統(tǒng)計分析，計算平均停頓時長、停頓頻率和停頓分布模式，得到用戶停頓特征；

14、對打斷ai頻率數(shù)據(jù)進(jìn)行時序分析，計算單位時間內(nèi)打斷次數(shù)和打斷時機分布，得到用戶打斷特征；

15、對重復(fù)提問頻率數(shù)據(jù)進(jìn)行模式識別，計算重復(fù)提問的時間間隔，得到用戶重復(fù)特征；

16、將所述用戶語速特征、用戶停頓特征、用戶打斷特征和用戶重復(fù)特征進(jìn)行特征向量化處理，形成用戶行為特征。

17、優(yōu)選的，所述基于標(biāo)準(zhǔn)特征組計算得到標(biāo)準(zhǔn)行為特征的步驟包括：

18、對標(biāo)準(zhǔn)特征組中的各行為特征進(jìn)行歸一化處理，使各特征值分布在相同數(shù)值區(qū)間；

19、計算歸一化后的各行為特征的均值，得到初步標(biāo)準(zhǔn)行為特征；

20、對所述初步標(biāo)準(zhǔn)行為特征進(jìn)行加權(quán)處理，其中權(quán)重系數(shù)根據(jù)對應(yīng)行為特征與用戶滿意度的相關(guān)性確定；

21、將加權(quán)處理后的特征向量作為標(biāo)準(zhǔn)行為特征。

22、優(yōu)選的，所述權(quán)重系數(shù)的獲取步驟包括：

23、從歷史數(shù)據(jù)中提取包含所有用戶反饋等級的數(shù)據(jù)樣本；

24、將用戶反饋等級按照優(yōu)、良、中和差從大到小，轉(zhuǎn)換為不同的數(shù)值分?jǐn)?shù)；

25、計算每種行為特征與用戶反饋分?jǐn)?shù)的皮爾遜相關(guān)系數(shù)，得到各特征的相關(guān)性強度；

26、將皮爾遜相關(guān)系數(shù)標(biāo)準(zhǔn)化處理，轉(zhuǎn)換為0到1之間的值；計算每種特征在不同反饋等級樣本中的方差比率；

27、將標(biāo)準(zhǔn)化后的相關(guān)系數(shù)與方差比率進(jìn)行加權(quán)平均，得到各特征的綜合重要性得分；

28、對綜合重要性得分進(jìn)行歸一化處理，使所有權(quán)重系數(shù)之和為1，得到最終的權(quán)重系數(shù)。

29、優(yōu)選的，所述特征偏差量的獲取步驟包括：

30、對實時行為特征進(jìn)行歸一化處理，使其與標(biāo)準(zhǔn)行為特征處于相同數(shù)值區(qū)間；

31、計算歸一化后的實時行為特征與標(biāo)準(zhǔn)行為特征之間的歐氏距離，得到特征距離值；

32、基于特征距離值計算特征方向向量，表明實時行為特征相對于標(biāo)準(zhǔn)行為特征的偏離方向；

33、根據(jù)特征方向向量和特征距離值，將特征偏差量映射到-1到1之間的范圍，其中正值表示用戶行為特征快于標(biāo)準(zhǔn)行為特征，負(fù)值表示用戶行為特征慢于標(biāo)準(zhǔn)行為特征，絕對值表示偏離程度。

34、優(yōu)選的，所述根據(jù)實時語音速率和特征偏差量對ai語音速率進(jìn)行動態(tài)調(diào)整的步驟包括：

35、獲取預(yù)設(shè)的最大語音速率和最小語音速率；

36、使用公式計算當(dāng)前語音速率在最大最小語音速率范圍內(nèi)的相對位置系數(shù)β，式中，vd為實時語音速率，vmax為最大語音速率，vmin為最小語音速率；

37、獲取特征偏差量θ；

38、當(dāng)θ為正值時，通過公式λ＝(1-β)×θ，獲取速率調(diào)整系數(shù)λ；

39、當(dāng)θ為負(fù)值時，通過公式λ＝β×θ，獲取速率調(diào)整系數(shù)λ；

40、通過公式vt＝vd×(1+λ)計算調(diào)整后的語音速率vt；

41、將語音速率由vd平滑調(diào)整至vt。

42、本發(fā)明還提供一種ai平臺的ai語音速率調(diào)整系統(tǒng)，用于實現(xiàn)一種ai平臺的ai語音速率調(diào)整方法，包括：

43、歷史數(shù)據(jù)獲取模塊，用于獲取ai平臺中用戶與ai對話的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括用戶行為數(shù)據(jù)和用戶反饋數(shù)據(jù)，其中所述用戶反饋數(shù)據(jù)分為優(yōu)、良、中和差四個等級；

44、特征處理模塊，用于對用戶行為數(shù)據(jù)進(jìn)行特征提取，得到對應(yīng)的行為特征；從所述歷史數(shù)據(jù)中篩選出用戶反饋為優(yōu)和良的數(shù)據(jù)子集，并提取該數(shù)據(jù)子集對應(yīng)的行為特征，形成標(biāo)準(zhǔn)特征組；

45、標(biāo)準(zhǔn)特征計算模塊，用于基于所述標(biāo)準(zhǔn)特征組，計算得到標(biāo)準(zhǔn)行為特征；

46、實時特征采集模塊，用于在ai與用戶實時對話過程中，采集當(dāng)前的用戶行為數(shù)據(jù)，并對當(dāng)前的用戶行為數(shù)據(jù)進(jìn)行特征提取，得到對應(yīng)的行為特征記為實時行為特征；

47、特征偏差分析模塊，用于計算所述實時行為特征與所述標(biāo)準(zhǔn)行為特征之間的特征偏差量；

48、語音速率調(diào)整模塊，用于獲取當(dāng)前ai語音的實時語音速率，并根據(jù)所述實時語音速率和所述特征偏差量，對所述ai語音速率進(jìn)行動態(tài)調(diào)整。

49、本發(fā)明提供了一種ai平臺的ai語音速率調(diào)整方法及系統(tǒng)，具備以下有益效果：

50、首先，通過采集用戶說話速率、停頓頻率等多維行為數(shù)據(jù)，建立了全面的用戶交互行為模型，避免了傳統(tǒng)方法僅依賴單一參數(shù)的局限性，能夠更準(zhǔn)確地捕捉用戶的交互習(xí)慣和偏好。其次，通過篩選用戶反饋為優(yōu)和良的數(shù)據(jù)形成標(biāo)準(zhǔn)特征組，本方案建立了以用戶滿意度為導(dǎo)向的標(biāo)準(zhǔn)行為特征模型，確保了語音速率調(diào)整的方向始終符合用戶期望，解決了傳統(tǒng)系統(tǒng)與用戶需求脫節(jié)的問題。第三，本方案能夠?qū)崟r計算用戶當(dāng)前行為特征與標(biāo)準(zhǔn)特征之間的偏差量，準(zhǔn)確判斷用戶行為是快于還是慢于標(biāo)準(zhǔn)特征，并據(jù)此自動調(diào)整ai語音速率，無需用戶手動設(shè)置即可獲得匹配其交互習(xí)慣的語音體驗。最后，本方案采用平滑調(diào)整機制并設(shè)置合理的速率范圍，確保語音速率變化的連續(xù)性和自然性，避免了突兀變化對用戶體驗的負(fù)面影響。

51、綜上所述，本技術(shù)方案實現(xiàn)了ai語音速率與用戶交互習(xí)慣的自動匹配，消除了用戶需要反復(fù)手動調(diào)整的煩瑣過程，顯著提升了ai語音交互的自然性和用戶滿意度。