1.一种订单处理装置，其特征在于，包括：
获取模块，用于在服务提供端接收到服务请求、并触发语音获取请求后，获取服务请求端处的语音信息，并将所述语音信息传输至确定模块，所述语音信息在所述服务提供端与所述服务请求端之间建立的语音通话连接中被采集到；
确定模块，用于提取所述语音信息的语音特征向量和语速特征向量，基于所述语音特征向量确定所述语音信息指示醉酒状态的第一分值特征向量和指示不醉酒状态的第二分值特征向量，所述第一分值特征向量包括所述语音信息中每个语音段落指示醉酒状态的概率值，所述第二分值特征向量包括所述语音信息中每个语音段落指示不醉酒状态的概率值，以及基于所述第一分值特征向量、所述第二分值特征向量和所述语速特征向量，确定使用所述服务请求端的请求者当前的状态信息，并将所述状态信息传输至提示模块，所述状态信息中包括指示所述请求者当前是否处于醉酒状态的信息；
提示模块，用于基于所述状态信息，提示所述服务提供端确认是否接受所述订单。
2.根据权利要求1所述的订单处理装置，其特征在于，还包括处理模块，所述处理模块在所述获取模块获取所述服务请求端发送的语音信息之后，在所述确定模块提取所述语音信息的语音特征向量和语速特征向量之前，用于：
对所述语音信息进行语音端点检测，得到至少一个语音段落和静音段落；
删除所述语音信息中的静音段落。
3.根据权利要求1所述的订单处理装置，其特征在于，所述确定模块具体用于根据以下步骤提取所述语音信息的特征向量：
对所述语音信息中的各个语音段落分别进行分帧处理，得到每个语音段落对应的语音帧；
针对每个语音段落，提取该语音段落中每个语音帧的语音帧特征以及该语音帧与其相邻的语音帧之间的语音帧特征差，并基于所述语音帧特征、所述语音帧特征差和预先设定的语音段落特征函数，确定该语音段落的第一段落语音特征向量；
基于所述语音信息的各个语音段落分别对应的第一段落语音特征向量，提取所述语音信息的语音特征向量。
4.根据权利要求3所述的订单处理装置，其特征在于，所述确定模块具体用于根据以下步骤基于所述语音信息的各个语音段落分别对应的第一段落语音特征向量，提取所述语音信息的语音特征向量：
针对每个语音段落，基于该语音段落的所述第一段落语音特征向量和预先存储的清醒状态语音特征向量，确定每个语音段落的差异性语音特征向量；
基于每个语音段落的所述第一段落语音特征向量和所述差异性语音特征向量，确定每个语音段落的第二段落语音特征向量；
对各个第二段落语音特征向量进行合并，得到所述语音信息的语音特征向量。
5.根据权利要求1所述的订单处理装置，其特征在于，所述确定模块具体用于根据以下步骤提取所述语音信息的语速特征向量：
将所述语音信息中的各个语音段落转换为文本段落，每个文本段落包括多个字符；
基于每个文本段落对应的字符个数以及该文本段落对应的语音段落的时长，确定每个文本段落的语速；
基于每个文本段落对应的语速，确定所述语音信息的最大语速、最小语速和平均语速；
基于所述语音信息的最大语速、最小语速和平均语速，提取所述语音信息的语速特征向量。
6.根据权利要求1所述的订单处理装置，其特征在于，所述确定模块具体用于根据以下步骤基于所述语音特征向量确定所述语音信息指示醉酒状态的第一分值特征向量和指示不醉酒状态的第二分值特征向量：
将所述语音特征向量输入预先训练的声音识别模型中的段级别分类器，得到所述语音信息指示所述醉酒状态的第一分值特征向量和指示所述不醉酒状态的第二分值特征向量；
基于所述第一分值特征向量、所述第二分值特征向量和预先设定的语音分值特征函数，确定所述语音信息的分值特征向量；
将所述分值特征向量和所述语速特征向量合并后，输入所述声音识别模型中的状态级别分类器，确定所述请求者当前的状态信息。
7.根据权利要求6所述的订单处理装置，其特征在于，还包括模型训练模块，所述模型训练模块用于根据以下步骤训练所述声音识别模型：
构建声音识别模型的段级别分类器和状态级别分类器；
获取预先构建的训练样本库，所述训练样本库包括多个训练语音信息对应的训练语音特征向量、训练语速特征向量以及每个训练语音信息对应的状态信息；
依次将每个训练语音信息的训练语音特征向量输入所述段级别分类器，得到该训练语音信息对应的第一训练分值特征向量和第二训练分值特征向量；将所述第一训练分值特征向量、所述第二训练分值特征向量和所述训练语速特征向量作为所述状态级别分类器的输入变量，将该训练语音信息对应的状态信息作为所述声音识别模型的输出变量，训练得到所述声音识别模型的模型参数信息。
8.根据权利要求7所述的订单处理装置，其特征在于，还包括模型测试模块，所述模型测试模块用于根据以下步骤测试所述声音识别模型：
获取预先构建的测试样本库，所述测试样本库包括多个测试语音信息对应的测试语音特征向量、测试语速特征向量以及每个测试语音信息对应的真实状态信息；
依次将所述测试样本库中的每个测试语音特征向量输入所述声音识别模型的段级分类器，得到所述测试样本库中每个测试语音对应的第一测试分值特征向量和第二测试分值特征向量；
将所述测试样本库中每个测试语音对应的第一测试分值特征向量、第二测试分值特征向量和测试语速特征向量输入所述声音识别模型的状态级别分类器，得到所述测试样本库中的每个测试语音对应的测试状态信息；
基于所述真实状态信息和所述测试状态信息，确定所述声音识别模型的精确率和召回率。
9.一种订单处理方法，其特征在于，包括：
在服务提供端接收到服务请求、并触发语音获取请求后，获取服务请求端处的语音信息，所述语音信息在所述服务提供端与所述服务请求端之间建立的语音通话连接中被采集到；
提取所述语音信息的语音特征向量和语速特征向量；
基于所述语音特征向量确定所述语音信息指示醉酒状态的第一分值特征向量和指示不醉酒状态的第二分值特征向量，所述第一分值特征向量包括所述语音信息中每个语音段落指示醉酒状态的概率值，所述第二分值特征向量包括所述语音信息中每个语音段落指示不醉酒状态的概率值；
基于所述第一分值特征向量、所述第二分值特征向量和所述语速特征向量，确定使用所述服务请求端的请求者当前的状态信息，所述状态信息中包括指示所述请求者当前是否处于醉酒状态的信息；以及
基于所述状态信息，提示所述服务提供端确认是否接受所述订单。
10.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求9所述订单处理方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求9所述订单处理方法的步骤。