CN101192406A - 交互语音识别系统 - Google Patents

交互语音识别系统 Download PDF

Info

Publication number
CN101192406A
CN101192406A CNA2007101963571A CN200710196357A CN101192406A CN 101192406 A CN101192406 A CN 101192406A CN A2007101963571 A CNA2007101963571 A CN A2007101963571A CN 200710196357 A CN200710196357 A CN 200710196357A CN 101192406 A CN101192406 A CN 101192406A
Authority
CN
China
Prior art keywords
classification
project
path
oral account
bulleted list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2007101963571A
Other languages
English (en)
Other versions
CN101192406B (zh
Inventor
L·柯尼希
R·扎姆
A·戈森贝格尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nuance Communications Inc
Original Assignee
Harman Becker Automotive Systems GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harman Becker Automotive Systems GmbH filed Critical Harman Becker Automotive Systems GmbH
Publication of CN101192406A publication Critical patent/CN101192406A/zh
Application granted granted Critical
Publication of CN101192406B publication Critical patent/CN101192406B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/285—Memory allocation or algorithm optimisation to reduce hardware requirements
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/09675—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where a selection from the received information takes place in the vehicle
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/085—Methods for reducing search complexity, pruning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Abstract

本发明涉及用于识别输入的口述短语的交互语音识别方法，交互语音识别系统，以及计算机可读介质。为了改善系统的存储器管理并增强例如道路交通的安全性，以及将用户交互减少至最低水平，本发明提出通过在每次迭代中考虑加载参考项目列表的可用存储器，来逐类别地迭代地分析输入的口述短语。更具体地，将特定类别的参考项目迭代地与口述短语的项目进行匹配，并且如果发现一个或多个匹配项目，则系统确定在下一迭代中为每个匹配参考项目加载参考项目列表的存储器是否足够。如果不够，则向用户请求补充输入。

Description

交互语音识别系统
技术领域
本发明涉及用来识别输入的口述短语的交互语音识别方法，交互语音识别系统，以及计算机可读介质。
背景技术
随着由语音操作的应用系统的迅速普及，对可靠的语音识别系统的需求变得越来越重要。
语音识别系统的难题在于不同的说话者性别、年龄、口音、说话者词汇、噪声水平和不同的环境。
通常，语音识别系统首先将数字化的语音信号转换为一组有用的特征，如频率或固定速率(典型为每10-20毫秒一次)的能量水平。进一步，人类语音通常包括单音素(single phone)的序列。语音上相似的音素被分组成音位(phoneme)，音位可区分不同的发声(utterance)。在语音识别中，语言的音位是通过隐藏马尔可夫模型(HMM)建模的，借此隐藏马尔可夫模型的每个状态是通过概率密度函数描述的。隐藏马尔可夫模型适合于语音识别，因为语音信号可被看作是10-20毫秒范围内的短时间静止信号。通过组合多个隐藏马尔可夫模型，可识别最可能的词。
语音识别中遇到的主要问题之一是输入词随时间的变化。例如，在各种语言中，元音是以不同速度发出的。另一个问题是词的拼写相似或语音相似，这可以仅通过考虑先前输入的词的上下文或者通过请求用户进行补充输入来解决。
许多论文和许多专利中都讨论并提出了语音识别系统。在US2006/0074661中，提供了一种导航设备，其对用户的自由发言进行语音识别，其中从字典数据库中搜索包括在被识别语音的内容中的关键词，然后将这些词显示为“兴趣点(Point of Interest)”搜索的关键词。大多数错误出现在误识别的词的第一个音符中。该提出的设备使得可以通过用户操作来校正关键词的误识别。如果需要校正关键词，则显示这些词并且请求用户从显示的词中选择正确的关键词。
在例如基于车辆的导航设备中，由于在语音输入的情况中有误识别的可能性，所以识别结果需要通过语音输出或触摸面板上显示的键盘或导航设备中设置的遥控装置来确认。在传统语音识别系统中，整个口述短语被声学地输出，或者被可视地输出在用户必须从中选择的显示器上。因此，整个口述的地址必须通过语音再次输入，并且系统试图再一次识别该地址或者用户必须读取显示器上的整个地址并确认正确的地址。
如果有一个词没有被识别，则整个口述输入的重复，通常会需要进一步的用户交互以便正确地检测整个口述短语。然而，甚至是在操作触摸面板上的软键盘或操作遥控装置的方法中，许多动作仍必须重复地执行以校正误识别，并且这在诸如汽车的环境中可能是麻烦和危险的。进一步，该方法丧失了免手操作的简单操作和便利性，而这些是语音识别的优点。
而且，由于需要更多存储容量来存储大量地址、媒体库等而导致的成本增加的问题，在当前的语音识别系统中还没有得到满意的解决。
解决这些缺点将极大地有益于提高用户友好性和减小由于智能存储管理而导致的语音识别系统的成本。
发明内容
因此，需要改进系统的存储管理。联系到该需要，将系统存储器的成本保持在最低也会是合乎需要的。为了增强例如道路交通方面的安全性，进一步的需要是将用户交互减小至最低水平。
这些需要中的至少一个是通过独立权利要求的主题解决的。有利实施例由从属权利要求界定。
本发明的一个方面是将参考项目(term)与输入的口述短语的项目进行匹配。取决于存储容量，形成匹配的参考项目的各种可选的串接(concatenation)。例如，只要有足够的存储容量可用于为每个先前匹配的参考项目加载各个参考项目列表，就可以保持这些串接。如果然后将会超出存储容量，则可以请求用户进行补充输入以减小所存储的匹配参考项目的串接的数目，并随之减小存储器中为了加载与剩余的匹配参考项目/串接相对应的列表而所需的空间。
本发明的一个优点是可提供节省资源的语音识别系统。进一步，在超出存储容量的情况下，语音识别系统可仅需要用户对初始输入的口述短语的单个项目进行补充输入，而无需请求完全重复口述短语。系统对补充用户输入的请求可以例如考虑语音和拼写相似性这二者。
语音识别系统的下面的实施例可以例如在基于车辆的环境中的导航系统中或在移动装置(如个人数字助理、手持装置、移动电话等)中实现。
根据本发明的一个实施例，提供了通过语音识别系统交互地识别口述短语的语音识别方法。根据该方法，类别n的至少一个参考项目列表从数据库加载到列表存储器中。随即，可以确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配。如果至少一个参考项目可与口述短语的项目匹配，则类别n-1的至少一个路径可通过类别n的该至少一个匹配参考项目而得到扩展以形成类别n的至少一个路径。对于最高类别，路径在最初被建立并在随后的类别得到扩展。
因此，可以确定列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表。如果确定存储容量不够，则可以基于补充用户输入来消除类别n的至少一个路径。然后，可以卸载类别n的该至少一个参考项目列表，并且可以为类别n的每个路径加载类别n+1的各个参考项目列表。
在本发明的另一实施例中，可以有N个不同的类别，并且级别n的路径含有间隔N到n中的不同类别的匹配参考项目的串接。应该注意N和n都是整数。
根据另一实施例，基于补充用户输入来消除类别n的至少一个路径可包括，基于补充用户输入来消除类别m的匹配参考项目和消除含有类别m的被消除的匹配参考项目的类别n的所有路径。这可能是有利的，如果先前级别的匹配参考项目具有语音相似性并且在声学地澄清方面难以区分的话。
进一步，根据本发明的另一实施例，在确定列表存储器的存储容量不足以为类别n的每个路径加载类别n+1的各个参考项目列表后，可以基于补充用户输入来消除类别m以外的类别的匹配参考项目，并且可以消除含有m以外的级别的被消除的匹配参考项目的类别n的所有路径。
根据本发明的另一实施例，在确定列表存储器的存储容量不足以为类别n的每个路径加载类别n+1的各个参考项目列表后，可选择具有最高可能性成为唯一地指定数据库的条目(entry)的路径的类别n的相应路径，并且可为类别n的被选路径的匹配参考项目加载相应的参考项目列表。
进一步，根据本发明的另一实施例，具有最高可能性成为唯一地指定数据库的条目的路径的类别n的相应路径，可基于当前车辆位置、当前或先前目的地或媒体文件当中的至少一个参数来确定。
在本发明的另一实施例中，如果对于类别n-1的一路径，级别n的参考项目列表中没有相应项目匹配口述短语的项目，则可消除类别n-1的该路径。
进一步，根据本发明的另一实施例，可以确定对于级别n的一个剩余路径，是否仅有一个可能的项目存在于级别n-1的路径的参考项目列表中，并使用由该路径指定的数据库条目来启动应用程序。
根据另一实施例，如果所有类别N都被处理完(passed)并且余下最低类别的多于一个的路径，则可以请求补充输入。
根据本发明的另一实施例，如果余下最低类别的一个路径，则可使用由该路径指定的数据库条目来启动应用程序。
在本发明的另一实施例中，路径可指向：表示媒体库条目的数据库条目，或导航路线引导服务的目的地，或用于操作插件式计算机(board computer)的命令，或用于对装置进行控制的命令，或外部在线数据库的条目。
为了例如向语音识别系统的用户提供更多灵活性，另一实施例提出口述短语的项目可由语音识别系统以任意顺序接收。可替换地，口述短语的项目必须由语音识别系统以预定顺序接收。
进一步，根据本发明的另一实施例，如果口述短语的项目和加载的列表的相应参考项目具有等于或高于阈值标准的语音和/或拼写相似性，则可确定参考项目与该项目匹配。
根据另一实施例，甚至是在列表存储器的容量足够时，一旦出现匹配参考项目的语音或拼写相似性，语音识别系统就可中断口述短语的输入。
在本发明的另一实施例中，潜在地匹配口述短语的项目的参考项目列表可以可视地或声学地输出以允许用户通过从列表中选择哪个匹配的参考项目将被考虑以保持特定类别的路径，来提供补充输入。
参考项目在输出列表上的顺序可有利地基于它们与口述短语的项目匹配的可能性。
为了将必要的用户输入保持在最低水平，可以在声学地提供补充输入以将一个参考项目与口述短语的项目匹配的请求的数目超过预设数目时输出列表。
进一步，输出列表的条目可口头地选择，并且如果不成功，则可通过操纵控制元件来选择。
进一步，根据另一实施例，在唯一地识别数据库条目后，路径的匹配参考项目可由系统可视地或声学地确认。
本发明还涉及语音识别系统。根据一个实施例，语音识别系统包括处理单元，用来将类别n的至少一个参考项目列表从数据库加载到列表存储器中，其中处理单元可操作地确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配。该处理单元还可操作地通过类别n的该至少一个匹配参考项目来扩展类别n-1的至少一个路径，以形成类别n的至少一个路径。进一步，处理单元可确定列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表。在处理单元确定列表存储器的存储容量不足以为类别n的每个路径加载类别n+1的各个参考项目列表时，可基于补充用户输入来消除类别n的至少一个路径。处理单元还可卸载类别n的该至少一个参考项目列表，并且可以为类别n的每个路径加载类别n+1的各个参考项目列表。
本发明还提供了存储指令的计算机可读介质，当所述指令被交互语音识别系统的处理单元执行时，可使交互语音识别系统识别口述短语。这可通过将类别n的至少一个参考项目列表从数据库加载到列表存储器中，随后确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配，来执行。类别n-1的至少一个路径可通过类别n的该至少一个匹配参考项目而得到扩展，以形成类别n的至少一个路径。进一步，可确定列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表。在确定存储容量不够时可以基于补充用户输入来消除类别n的至少一个路径。然后，可以卸载类别n的该至少一个参考项目列表，并且可以为类别n的每个路径加载类别n+1的各个参考项目列表。
本发明的另一实施例涉及通过语音识别系统交互地识别口述短语的方法。根据该方法，可取决于可用的列表存储器容量，为至少一个类别的每个将各个参考项目列表从数据库加载到列表存储器中。然后，可以确定至少一个参考项目是否可与包括多个项目的输入的口述短语的至少一个项目匹配。语音识别系统还可存储匹配的参考项目，并卸载当前的参考项目列表。如果先前不能够加载所有类别的所有参考项目列表，则可卸载当前的参考项目列表，并且可加载至少另一个类别的每个的参考项目列表。随即，可重复匹配处理并且可存储匹配的参考项目。进一步，可加载与存储的匹配参考项目相对应的参考项目列表。可寻找最有可能识别数据库条目的匹配参考项目的串接。
本发明的另一实施例涉及通过语音识别系统交互地识别口述短语的方法。根据该方法，接收到的输入的口述短语可包括类别n或更低类别的项目。进一步，可以基于当前车辆位置、当前或先前驾驶目的地或在播放列表中选择的将被重放或当前正在重放的媒体库的媒体文件当中的至少一个参数，来加载类别n的参考项目列表。然后，可以确定加载的列表中的类别n的参考项目是否可与口述短语的项目匹配。
根据另一实施例，可以确定输入的口述短语中具有最高类别的参考项目，其中输入的口述短语中的项目的最高类别可以定义为类别n。
进一步，根据另一实施例，可以将至少一个参数与数据库中的类别n+1的参考项目匹配，并且可以为类别n+1的匹配参考项目加载类别n的参考项目列表。
在本发明的另一实施例中，类别n-1的至少一个路径可通过类别n的该至少一个匹配参考项目而得到扩展，以形成类别n的至少一个路径。对于最高类别，路径在最初被建立并在随后的类别得到扩展。因此，可以确定列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表。如果确定存储容量不够，则可基于补充用户输入来消除类别n的至少一个路径。然后，可以卸载类别n的该至少一个参考项目列表，并且可以为类别n的每个路径加载类别n+1的各个参考项目列表。
附图说明
在下文中，将参考附图更详细地描述本发明。
图1示出根据本发明的示例性实施例的示例性的输入口述短语的项目和类别，
图2示出根据本发明的示例性实施例的基于车辆的环境中的导航系统或插件式计算机的总体实现方案，
图3示出根据本发明的示例性实施例的语音识别系统的硬件模块，
图4示出根据本发明的示例性实施例，当在导航系统中实现时，具有形成路径的串接的匹配参考项目的搜索路径树，
图5示出根据本发明的示例性实施例，当在媒体库中实现时，具有形成路径的串接的匹配参考项目的搜索路径树，其中路径可唯一地识别数据库的多个条目，
图6示出根据本发明的示例性实施例，具有执行语音识别所必须的步骤的流程图，并且
图7示出根据本发明的示例性实施例，具有执行语音识别所必须的步骤的流程图。
具体实施方式
在进一步详细讨论本发明的不同示例性实施例之前，先在下面定义本文中频繁使用的几个术语。
数据库典型地由几个数据库条目的集合组成。每个数据库条目自身可包括许多不同的字段，其中所有数据库条目可典型地包括同样数目的不同字段。每个字段可与将在下面更详细概述的类别相关联。
数据库可以例如是包括数字音乐文件、视频、游戏等的媒体库。例如，在本发明的一个实施例中，数据库被实现为SQL内部/外部(在线)数据库(SQL＝结构化查询语言)。考虑例如数字音乐文件的媒体库，其可以包括可例如由曲风、演奏者和标题表征的歌曲的集合。这些特征可被认为每个均与一个类别相关联。
在本发明的另一实施例中，数据库也可包含全世界的、全洲的或全国的目的地和/或兴趣点(POI)的条目。目的地和/或兴趣点可被认为包括若干字段，诸如国家、(任选地)州、城市、街道名称、房屋号、房屋号的尾标(suffix)、补充信息等。
在本发明的另一实施例中，用于操作插件式计算机和/或控制基于车辆的装置的命令被存储在数据库中。当操作车辆装置时，例如，每个命令可以包括：指示要控制的单元(例如，“空调”)的字段(其例如对应于最高类别)，随后是指示要执行的操作(例如，“温度”)的字段(其可对应于下一类别)。根据示例性的输入口述短语“请把空调的温度设置为20度”，项目“空调”表示最高类别。项目“温度”可对应于下一类别，随后是项目“20度”，其可对应于该实例的最低类别。
另一选项可以是，数据库包括不同类型的条目，诸如媒体、目的地、兴趣点、插件式计算机命令等。
如上所述，数据库条目的每个字段可与类别相关联。例如，导航系统的数据库的国家可定义为对应于最高类别。下一类别可表示目的地的城市，随后的类别可以是街道名称，等等。数据库的各个字段的条目被表示为参考项目。
类似地，对于媒体库，歌曲标题“Madman across the water”可以例如是类别“标题”的参考项目。一旦数据库从语音识别系统接收到查询，就可以根据该查询中指示的类别生成适当的参考项目的列表。例如，如果第一查询指示最高类别，则将国家的列表返回给语音识别系统。如下面详细说明的那样，下一类别的下一查询可从数据库返回语音识别系统在先前类别中先前确定的该国家内的城市的列表。
语音识别系统处理不同类别的顺序可取决于不同因素，诸如要启动的应用程序或要控制的功能，要指定的数据库条目的类型，等等。例如，如果语音识别系统与车辆的导航系统结合使用，并且例如如果车辆位于欧洲，则语音识别系统可以使用下面的数据库条目类别的顺序来处理输入的口述短语(例如，导航系统的驾驶目的地)：国家，城市，街道名，等等。如果例如车辆位于美国，则类别可以以不同的顺序来处理，该顺序从州开始，随后是城市，街道名称，等等。
例如，兴趣点可以仅由两个类别(其可以是例如“纽约市政厅(Cityhall in New York)”)定义。用户可在其口述短语中使用关键词“兴趣点”。然后，语音识别系统可加载“纽约”的“兴趣点”类别的参考项目列表，其中参考项目可与数据库中的唯一地址相关联。
当使用语音识别系统来识别数字音乐文件库的条目时，例如可使用自由搜索而不采用分级排序的类别。
通常，类别n可指示总共N个类别中的特定类别。因此，类别n-1可表示类别n前面的类别。类别n+1可在类别n之后得到处理。
口述短语是由用户输入的完整发声。基于口述短语，语音识别系统试图唯一地识别数据库的一个条目。例如，输入的导航目的地通常识别数据库的一个唯一地址。在本发明的另一实施例中，口述短语也可唯一地识别数据库的多个条目。假定用户打算听某个演奏者的曲集的所有歌曲，则语音识别系统必须寻定并选择若干个标题。
根据本发明的另一实施例，口述短语由多个项目组成，这些项目可由语音识别系统识别为输入的发声的一些部分。项目可定义为类似“Melbourne”的单个词或形成例如类似“Please，drive me to”的命令的词的串接。这些项目必须在语音识别处理开始之前从口述的发声中确定。
然后，语音识别系统试图将各个类别的参考项目与输入的口述短语的项目进行匹配，以获得不同类别的匹配参考项目的一个或多个串接(也表示为“路径”)，每个串接识别一个数据库条目。
图1示出根据本发明的示例性实施例的口述短语与其项目和该实例的相关类别。口述短语可以是“Please drive me to Harbor Street fifteenA in Melbourne”。首先，项目“Please drive me to”可确定为对应于最高类别1，其可以是指示哪个应用程序将被启动或哪个单元将被控制的命令。在该实例中，导航系统被请求计算到达给定目的地的路线。然后，项目“Melbourne”可被定义为对应于下一类别2。输入的目的地地址的项目“Harbor Street”可定义为对应于下一类别3。然后，项目“fifteen”可对应于类别4，并且项目“A”可对应于最低类别。通常，应用程序或要控制的单元可由最高类别的匹配参考项目规定。随后的类别的分级结构可取决于最高类别的匹配参考项目。
类别n的匹配参考项目表示可与口述短语的项目匹配的参考项目。例如，在操作导航系统(包括或共同操作语音识别)时，输入的短语可以是“Please，drive me to Melbourne”。对于该实例，命令“please，driveme to”被认为是一个项目。进一步，“Melbourne”被认为是该实例的另一项目。语音识别系统可将参考项目澳大利亚的“Melbourne”与口述短语的输入项目匹配，但也可以将参考项目美国Florida的“Melbourne”与口述短语的输入项目匹配。
参考项目的列表被定义为与所请求的类别相对应的数据库字段内容的列表。例如，该列表可通过请求从数据库取回。作为请求的参数，可以使用一个或多个先前处理的类别的一个或多个匹配参考项目。例如，数据库响应于具有参数“USA，Melbourne”的对街道名称的查询而返回的参考项目列表，将返回美国Melbourne中的所有街道的所有名称。通过使用SQL，请求可具有下面的格式：SELECT streets FROMdatabase WHERE country＝’USA’AND city＝’Melbourne’。因此，不使用参数的对街道名称的查询将返回包含在数据库中的所有街道名称的列表，而不管特定城市(和国家)(例如使用SQL：SELECT streets FROMdatabase)。
路径是各种类别的匹配参考项目的串接。一个或多个路径可在匹配参考项目的处理中动态地建立和/或消除。例如，如果在类别n没有其它的参考项目可与口述短语的项目匹配，则可消除各个路径。例如，如果对于具有城市“Melbourne”(澳大利亚)的路径，没有参考项目可与口述短语的项目“Townhallstreet”匹配，则可以删除含有“Melbourne”(澳大利亚)的路径。与之相对比，关于城市“Melbourne”(Florida)，例如，类别“街道”的各个参考项目可与口述短语的项目“Townhallstreet”匹配。
进一步，措辞语音相似性表示至少两个参考项目可与口述短语的一个项目匹配的情况，其中匹配的参考项目表示具有不同拼写但具有相同发音的项目。例如，参考项目“Harbor Street”和“Harberstreet”可与输入的口述短语的项目“Harbor Street”匹配。
下面的段落将描述本发明的多个实施例。应该注意，本发明可有利地例如与基于车辆的娱乐、导航和信息处理装置结合使用，但本发明不限于用在该特定的示例性的基于车辆的环境中。
本发明的一个方面是改善语音识别系统的存储管理。这可通过仅加载各个类别的参考项目至存储器来实现。语音识别系统识别输入的口述短语中的一个或多个项目，其中每个项目可对应于具有重要性的各个类别。例如，如果语音识别系统的用户想听媒体库的歌曲，则他/她可输入所期望的歌曲的演奏者和标题。在口述短语已经由用户输入后，语音识别系统可发送查询至数据库并取回包括存储在数据库中的所有演奏者的参考项目的列表。
最高类别的参考项目的列表被存储在列表存储器中。随后，将每个参考项目与口述短语的每个项目进行比较。一旦所有加载的参考项目已经与口述短语的项目进行了比较，并且至少一个参考项目已经与口述短语的项目匹配，就已经为该相应的类别完成了搜索和匹配处理。每个匹配的参考项目可添加到各个路径(即，表示各个路径的第一元素)。各个类别的至少一个路径的匹配处理可被认为是语音识别处理的迭代步骤。
根据下一较低的类别(其可例如对应于歌曲的标题)，该至少一个匹配的参考项目(标题)可与先前类别的各个匹配参考项目串接。为了将列表存储器的占用率保持在最低水平，在当前处理的类别中没有为其发现参考项目的路径被删除。
因此，通过仅加载根据各个类别的参考项目的列表，语音识别系统有效地使用可用的存储器。也就是，对于数字音乐文件的实例，首先可加载演奏者的列表并将其与口述短语的项目进行比较。然后如果类似作为实例的“Madonna”的演奏者已经与口述短语的项目匹配，则卸载演奏者列表并加载“Madonna”的所有可得到的歌曲标题。该方法在存储器占用率方面比例如同时加载具有所有演奏者和标题的列表的方法要高效得多。
本发明的另一方面是减小语音识别系统和用户之间必需的交互。根据本发明的一个实施例，考虑口述短语的项目而不是对完整的发声执行语音识别，这在必需的用户交互方面要有效得多。
例如，口述短语可以是“I want to listen to the song Fever fromMadonna”。当对整个发声执行语音识别时，系统在为“I want to listen to”寻找参考项目时可能会有问题，并且可能会请求重复口述短语。根据本发明，语音识别系统可仅考虑口述短语的项目“Madonna”和“Fever”。由于系统可允许输入项目的任意顺序，所以可以实现对补充用户输入的必要请求的减少。甚至在补充用户输入是必需的情况中，语音识别系统也可仅需要校正各个单独的项目，而无需重复整个口述短语。这可显著地增强道路交通中的安全性。
减小用户交互的第二个措施是有效地加载参考项目列表至列表存储器。由于列表存储器可以以满容量操作，所以可以追踪许多可能的路径以便无需请求用户进行补充输入。系统还可消除在各个类别处不具有合适的相应参考项目的路径。
因此，本发明的语音识别系统提供了有效的操作系统，其解决了增强存储管理和减少用户交互的需要。
图2显示出了根据本发明的示例性实施例，导航系统或插件式计算机如何在汽车环境中实现的实例。该系统可以例如包括导航系统1，导航系统1包括用于执行语音识别的所有处理装置和数据库。麦克风2可设置在车辆的内部以用于输入口述短语。进一步，导航系统可以例如包括用于与用户可视地交互的触摸板显示器(touchpad display)，并且如果有必要，可在显示器3上显示软键盘以使得用户能够输入。可替换地或另外，导航系统还可包括使用户能够输入的按键或按钮4。这些按键或按钮可以例如在方向盘上，并且可有利于与用户相应的用户友好性以便不使用户从道路交通分心。例如，也设置了扬声器5来声学地输出信息和请求给用户。显示器也可例如设置为将信息投影在用户视场内的挡风玻璃上的平视显示器。对于语音识别所必需的硬件模块以及它们在例如导航系统1中的实现，在图3中显示出。
图3显示出根据本发明的示例性实施例，可包括在语音识别系统中的多个硬件模块。可实现用户接口10以用于由用户输入口述短语和用于输出对补充用户输入的请求。这可通过采用供输入用的麦克风2或显示器3的软键盘或按键4和供输出用的显示器3和/或扬声器5来执行。
进一步，输入存储器12存储输入的口述短语。如下面参考图5所述，语音识别系统的处理单元14能够经由接口17发送查询至数据库16以获得参考项目的列表。进一步，处理单元14可加载从数据库16接收的参考项目列表至列表存储器13。数据库可包括至少一个永久存储介质，诸如硬盘驱动器、DVD、CD或其它光学存储介质以存储数字音乐文件、电影、导航目的地、兴趣点、命令等。连接至列表存储器13和处理单元14的识别部11能够比较存储在列表存储器13中的每个参考项目与存储在输入存储器12中的口述短语的项目。包括匹配参考项目的串接的路径可被存储在输出存储器15中。
图4示例性地显示出根据本发明的示例性实施例，当在车辆的导航系统中实现时，语音识别系统如何操作。对于该实例，为了示例性的目的，假定与输入目的地地址相应的输入口述短语是“Please drive meto Harbor Street fifteen A in Melbourne”。此处，为了简单起见，假定语音识别系统仅用于控制导航系统，因此不需要从口述短语中确定哪个应用程序将被启动或哪个单元将被控制。首先，语音识别系统可任选地确定目的地的国家。可以假定目的地位于关于口述短语被输入的时间点的同一国家内。在本发明的一个实施例中，国家可基于当前车辆位置(其可以例如通过GPS接收机来确定)而被(自动地)预选择。可替换地，可以请求用户手动地预选择国家。该预选择的国家然后可用作步骤S20的基础。
根据上面的说明，语音识别系统从最高类别(该实例中的类别1)开始，并加载相应国家(在该实例中为美国)的城市。语音识别系统比较加载列表的每个参考项目(每个城市)与输入的口述短语的每个项目。在已经终止最高类别的搜索运行后，可以假设通过考虑匹配参考项目拼写和/或语音相似性而发现了两个参考项目。在该实例中，美国城市“Melbourne”和“Elburn”与口述短语的一个项目匹配。
类别1的搜索运行的结果：
[Melbourne(USA)]  路径a1
[Elburn(USA)]     路径d1
在还没有预选择国家的情况中，城市的搜索运行可以以多于两个城市结束。例如，这些匹配的城市可以是“Melbourne”(澳大利亚)、“Melbourne”(美国)、“Elburn”(美国)和“Malborn”(德国)。
该实例将以表示美国的匹配城市的路径a1和d1继续进行。系统保持两个路径(a1和d1)，因为不能确定是否已经有一个路径对于口述输入的目的地地址无效，由于在该阶段街道名称还没有被匹配。
进一步，在一个实施例中，处理单元可在搜索运行之间(即，在每次搜索特定类别之后)确定是否已经有一个路径唯一地识别数据库条目，即该实例中的目的地。如果是，则可开始计算到目的地的路线。
处理单元可确定是否有足够的存储容量来加载在当前类别匹配的两个城市中的每个城市的街道名称列表。如果在加载这两个城市的街道名称列表时超出存储器容量，则系统可请求用户进行补充输入。特别地，可以例如请求用户选择两个城市中的一个。相反，如果有足够的存储器容量可利用，则可保持存储两个路径并卸载城市列表。然后，对城市“Melbourne”(美国)和“Elburn”(美国)的所有街道名称的查询，被发送到数据库。应答可以是根据例如街道名称的下一类别(该实例中为类别2)的参考项目的两个列表，然后这两个列表被加载到列表存储器13中。
系统以表示路径a1的当前末端的节点S21继续进行处理，并且可在为“Melbourne”(美国)加载的相应参考列表中搜索包含在输入的口述短语中的街道名称的项目。在该实例中，两个街道名称可匹配口述短语的项目“Harbor Street”。特别地，它们是“Harbor Street”(路径a1+2)和“Harberstreet”(路径c1+2)。因此，路径被分割并分别扩展到节点S23和S24。同样的处理被应用于城市“Elburn”(美国)，在这种情况下没有与街道名称相应的参考项目可以匹配输入的口述短语的项目，因为对于与口述短语的项目(“Harbor Street”)在拼写和语音上相似的该城市，可能没有有效的街道名称(S25，路径d1+2)。
使用独立的列表可能是有利的，因为匹配的参考项目(此处是街道名称)可容易地与各个路径(此处是城市名称)相关联。如果所有加载的参考项目(例如，匹配城市的所有街道名称)都包括在一个参考项目列表中，则可能无法分配给与匹配城市相应的路径。
在这一点上，应该注意，路径a1+2表示从节点S20到节点S21和到节点S23的路径。因此，路径c1+2表示从节点S20到节点S21和到节点S24的路径。
类别2的搜索运行的结果：
[Melbourne(USA)，Harbor Street]   路径a1+2
[Melbourne(USA)，Harberstreet]    路径c1+2
因为在步骤S25，对于“Elburn(USA)”，没有参考项目可匹配口述短语的项目，所以包括从节点S20到S22和从节点S22到S25的路径的路径d1+2可由系统消除。因此，消除的路径在下一类别的随后搜索运行中将不再被考虑。
进一步，处理单元可任选地再次确定是否已经有一个剩余路径唯一地识别目的地。如果是，则可开始路线的计算。
处理单元可任选地确定是否有足够的存储容量来加载每个匹配的街道名称的房屋号列表。如果存储器容量在加载所有三个街道名称的房屋号列表时被超出，则系统可请求用户补充输入。特别地，可以例如请求用户选择两个街道名称中的一个。如果有足够的存储器容量可用，则可保持存储两个路径a1+2(S20到S23)和c1+2(S20到S24)并可卸载街道名称列表。然后，对“Melbourne”(美国)中的街道“HarborStreet”和“Melbourne”(美国)中的街道“Harberstreet”的所有房屋号的查询，可被发送到数据库。应答可以是根据例如各个街道的房屋号的下一类别(该实例中为类别3)的参考项目列表，这些参考项目列表然后被加载到列表存储器13中。
系统以表示路径a1+2的当前末端的节点S23继续进行处理，并可在与“Harbor Street”(Melbourne，美国)相对应的加载参考列表中搜索包含在输入的口述短语中的房屋号的项目。在该实例中，两个房屋号可匹配口述短语的项目“fifteen”。特别地，这两个房屋号是“fifteen”(路径a1+2+3)和“fifty”(路径b1+2+3)。因此，路径被分割并分别扩展到节点S26和S27。同样的处理可在节点S24应用于街道“Harberstreet”(Melbourne，美国)，在这种情况下仅一个与房屋号相应的参考项目(“fifteen”，路径a1+2+3，节点S28)可匹配输入的口述短语的项目，因为对于与口述短语的项目(“fifteen”)在拼写和语音上相似的该街道，可能没有其它有效的房屋号。
类别3的搜索运行的结果：
[Melbourne(USA)，Harbor Street，fifteen]   路径a1+2+3
[Melbourne(USA)，Harbor Street，fifty]     路径b1+2+3
[Melbourne(USA)，Harberstreet，fifteen]    路径c1+2+3
进一步，处理单元可任选地再次确定是否已经有一个路径唯一地识别目的地。如果是，则可开始计算路线。
处理单元可确定是否有足够的存储容量来加载每个匹配房屋号的房屋号的后缀列表。如果存储器容量在加载所有四个匹配的房屋号的房屋号后缀列表时被超出，则系统可请求用户补充输入。特别地，可以例如请求用户选择两个街道名称中的一个和/或再次输入房屋号。如果有足够的存储器容量可利用，则可保持存储三个路径(a1+2+3，b1+2+3，c1+2+3)并可卸载房屋号的列表。然后，根据每个路径的各个匹配街道名称和它们相应的匹配城市而对匹配房屋号“fifteen”和“fifty”的所有后缀的查询，可被发送到数据库。应答可以是根据例如房屋号的后缀的下一类别(该实例中为类别4)的参考项目列表，然后这些参考项目列表被加载到列表存储器13中。
关于类别4，可用于房屋号“fifteen”或“fifty”的唯一后缀“A”，可以例如是“Melbourne，USA”的“Harbor Street”中的房屋号“fifteen”。包括从S20到S29的路径的路径a1+2+3+4可被确定为在所有其它路径被消除后的唯一剩余路径。特别地，可消除路径b1+2+3+4，其包括从S20到S30的路径。进一步，可消除路径a1+2+3+4，其包括从S20到S31的路径。
类别4的搜索运行的结果：
[Melbourne(USA)，Harbor Street，fifteen，A]    路径a1+2+3+4
处理单元确定剩余路径a1+2+3+4唯一地识别导航系统的地址数据库条目。然后，启动应用程序，在该实例中，其可以是对具有被识别的地址的路线的计算。
总之，即使在没有足够清楚地口头输入口述短语的情况下，语音识别系统仍能够通过考虑关于输入的口述项目的语音相似性的各种可能性，来识别正确的数据库条目，而无需仓促地请求用户补充输入。
在图4的实例中，语音识别系统是指识别唯一地识别数据库的一个条目的输入口述短语。图5示例性地示出根据本发明的示例性实施例，语音识别系统也能够识别唯一地识别多个数据库条目的输入口述短语。
在图5中，例如，假定的输入口述短语是“I want to listen to Madmanacross the water from Elton John”。该实例应示出数字音乐文件媒体库的实例。在该实例中，数据库的类别可能没有分级顺序。因此，在查询最高类别时，返回的参考项目列表可对应于例如数字音乐文件的类别“title(标题)”或“album(曲集)”。但其也可以仅是类别“artist(演奏者)”。要加载的类别的顺序可以由语音识别系统定义或者可以由口述短语的输入项目的顺序定义。在该实例中，类别“artist”的参考项目被确定为要首先加载。系统也可以根据例如最高类别“artist”、第二类别“album”和作为第三类别的“title”，来随后处理参考项目列表的加载。
如已经在图4的先前实例中显示出的那样，语音识别追踪多个可能的路径，在该实例中将是路径a1和b1。在该实例中，类别“artist”的匹配参考项目可以是“Elton John”和“Alton Ellis”。进一步，该系统确定对于作为演奏者的参考项目“Alton Ellis”，不能获得可匹配曲集或歌曲“Madman across the water”的数据库参考项目。因此，在匹配处理的进一步进行中，可消除该特殊路径(b1)。在已经将参考项目“Elton John”与口述短语的项目匹配后，在步骤S53(路径a1+2)和步骤S54(路径b1+2)，系统必须确定匹配的参考项目“Madman across thewater”是否已经识别了数据库的条目。由于“Madman across the water”可能是具有多个标题的曲集，也可能是单个歌曲标题，所以在步骤S55需要补充用户输入。在该步骤，用户可澄清语音识别系统接下来必须考虑哪个路径。在该实例中，在步骤S55中请求补充输入时，用户可通过口头输入口述项目“album”而选择曲集“Madman across the water”。在步骤S57(路径a1+2)，对应于曲集“Madman across the water”的所有歌曲标题被确定为匹配的参考项目，并且可启动用于重放的应用程序并把匹配的参考项目(此处为曲集的所有歌曲)作为指定要重放的歌曲的输入参数(例如播放列表)。如果用户在步骤S56仅决定歌曲，则标题“Madman across the water”被确定为唯一的匹配参考项目，并且以这一首歌曲来启动应用程序。
根据本发明的另一实施例，语音识别系统可取决于列表存储器的可利用容量，来首先加载至少一个类别的每个的参考项目列表。例如，可首先加载类别“album”和“title”的参考项目。可进一步假定加载类别“artist”的参考项目列表将超出类别存储器的容量。然后，系统试图将至少一个参考项目与口述短语的至少一个项目匹配。匹配的参考项目可以例如是“Madman across the water”(歌曲)和“Madman acrossthe water”(曲集)。
在该第一次匹配处理之后，存储匹配的参考项目并卸载列表，并且如果先前不能加载所有类别的所有列表，则加载剩余类别的参考项目列表，其在该实例中是类别“artist”的参考项目列表。系统可再次试图将至少一个参考项目与口述短语的至少一个项目匹配。例如，根据该实例，参考项目“Elton John”和“Alton Ellis”可被匹配。在已经匹配了参考项目后，系统可确定识别数据库条目的最适当和最可能的串接。通过使用SQL，系统的请求可例如具有下面的格式：SELECT*FROM database WHERE((song＝’Madman across the water’)OR(album＝’Madman across the water’))AND((artist＝’Elton John’)OR(artist＝’Alton Ellis’))。
在该实例中，数字音乐文件数据库的条目将被识别。由于通过逻辑“AND”函数而产生的类别“album”和“title”的组合将导致来自演奏者“Elton John”的曲集“Madman across the water”的歌曲“Madmanacross the water”，所以在实例中使用逻辑“OR”函数以获得两个选中项(hit)，即歌曲“Madman across the water”和具有其相应歌曲的曲集“Madman across the water”。
换句话说，在该实例中，同一类别的匹配参考项目可以采用逻辑“OR”函数组合，而且，不同类别的匹配参考项目可也以采用逻辑“OR”函数组合。
然而，在其它情形中，不同类别的所有匹配参考项目可以通过逻辑“AND”函数组合。这可以应用于例如导航系统的地址的匹配参考项目上。
该示例性查询的返回结果可以是两个选中项，即来自“Elton John”的“Madman across the water”(曲集)和来自“Elton John”的“Madmanacross the water”(歌曲)。由于可能没有进一步的用户输入，所以系统可在步骤S55停止，并请求用户补充输入以决定是否所有歌曲都要选择或仅从具有相同名称的曲集中选出一首歌曲。
进一步，在另一实施例中，为了示例性目的，假定用户想听具有先前确定的标题的播放列表。语音识别系统可识别具有相应的唯一数据库条目的播放列表的名称，并以包括在播放列表中的各个歌曲来启动应用程序。
类似的解决方案可例如适用于具有将在特定路线上选中的预定的中途停留点的导航系统。这些中途停留点可例如对应于具有特定路线的名称的参考项目。这对例如具有几个中途停留点目的地的观光旅行会是有帮助的。
图6示出根据本发明的示例性实施例的语音识别处理的示例性流程图。首先，口述短语由用户在步骤S1输入。然后，在步骤S2，具有最高类别的参考项目列表被加载到语音识别系统的列表存储器13中。数据库可例如包括各个应用程序的所有参考项目，诸如媒体库，或导航路线引导服务的目的地，或用于操作插件式计算机的命令，或用于控制基于车辆的装置的命令，或外部在线数据库的条目。
作为下一步骤，在步骤S3，随后将参考项目的加载列表的每个参考项目与输入口述短语的每个项目比较。如果加载的参考项目列表中没有参考项目可匹配输入的口述短语的项目，则请求用户再次输入整个口述短语(步骤S1)。然后，处理系统再次执行步骤S3并决定是否至少一个参考项目可匹配输入口述短语的一个项目。只要没有参考项目可匹配口述短语的项目，则重复执行步骤S1至S3，例如直到用户中断该处理为止。
如果在步骤S3，至少一个参考项目可匹配输入的口述短语的一个项目，则系统继续进行步骤S4。如上所述，路径是在当前类别之前已经被处理的各个类别的匹配参考项目的串接。在步骤S4，可以决定路径是否由于没有当前类别的合适参考项目而被排除。
这可适用于例如图4中的路径d1+2，在这种情况下不能找到口述短语的项目“Harbor Street”的参考项目。因此，该路径或其它路径可能是无用的，并可在循环中的步骤S5被消除，直到没有另外的路径可被删除。
系统继续进行步骤S6，在该步骤中可以决定是否存储的路径中的一个已经唯一地识别数据库的条目。如果是这样，则可以通过使用数据库的条目来启动应用程序或对单元进行控制(步骤S14)。如果没有数据库条目可由存储的路径中的一个唯一地识别，则系统继续进行步骤S7以在步骤S7为类别n的每个路径决定存储容量是否足以加载下一类别n+1的各个参考项目列表。如果足够，则系统继续进行步骤S9并存储串接的匹配参考项目的路径。如果在步骤S7，存储容量不足以为类别的每个路径加载下一类别n+1的各个参考项目列表，则请求用户补充输入以在步骤S8鉴于语音和/或拼写相似性而澄清匹配的参考项目，以减小存储路径的数目，从而相应地减小在下一类别n+1为相应的匹配参考项目加载参考项目列表所需的存储器。
然后，系统可继续进行步骤S9以存储串接的匹配参考项目的澄清的和剩余的路径。然后，可以在步骤S12决定是否参考项目的列表已经对应于最低类别。在已经决定参考项目列表不对应于最低类别后，在步骤S13卸载当前参考项目列表并加载下一类别的参考项目列表。在该步骤，要加载的参考项目列表是与类别n的路径的匹配参考项目相匹配的参考项目列表。
如果在步骤S12参考项目列表对应于最低类别，则系统在步骤S11决定是否剩余路径中的一个已经唯一地指定了数据库条目。如果不是，则请求用户通过补充输入从剩余路径中识别正确的路径。这可通过请求澄清先前类别的一个匹配参考项目或先前类别之一的一个匹配参考项目来实现。如果步骤S10的用户交互是成功的，并且数据库的条目由存储的匹配参考项目的串接唯一地识别，则可以使用数据库的条目来启动应用程序或对单元进行控制(步骤S14)。
总结针对图6概述的概念，语音识别系统在其存储器中保持至少一个路径，并决定对于当前类别的每个匹配参考项目，下一类别n+1的各个参考项目列表是否可加载到列表存储器中。如果列表存储器的容量会被超出，则可以请求用户识别与先前类别之一的匹配参考项目相对应的路径，以便减小剩余路径。这使得系统能够应付受限制的列表存储器容量，以适当地加载剩余路径的参考项目列表。
通过该实例，显然的是，由于语音识别系统仅在必要时请求补充用户输入，所以道路交通的安全性得到了增强。并且如果需要补充输入，则系统仅要求澄清口述短语的特定项目，而不是要求重复整个口述短语。
语音识别系统的可替换实施例可以是根据图7的实现方案。基本上，其步骤类似于图6所示的步骤，但在执行步骤S7之前，可以在步骤S6a确定是否存储的路径中的一个已经唯一地识别多个数据库条目。如果是这样，则系统可推断多个条目被用户所期望以由应用程序启动，如果例如仅曲集的演奏者和标题被口头输入的话。可替换地，在未定义的情形中，可以在使用数据库条目启动应用程序或对单元进行控制之前，请求用户为其决定进行补充输入。根据图5的实例，用户可在步骤S55在仅播放一首歌曲或播放与歌曲同名的整个曲集之间做出决定。
而且，语音识别系统也可通过关键词来操作。用户可在输入具有关于目的地或想要听的歌曲的信息的口述短语之前，输入用于控制车辆中的装置或开始导航系统的路线引导或选择媒体库的命令。基于所识别的关键词，语音识别系统可在执行图6的实例的步骤之前加载类别的各个分级结构。
关键词也可用于识别用户创建的歌曲的播放列表的名称。用户可以知道存储在语音识别系统的数据库中的关键词，或者系统具有存储在数据库中的各种关键词以便不需要基于所存储的关键词对用户进行训练。
另一示例性实施例涉及语音识别系统不能够匹配最高类别的参考项目的情形。不是请求用户重复输入口述短语(S1)，而是可替换地，系统取决于可利用的存储器容量而试图加载下一类别的参考项目列表，并可试图将至少一个参考项目与口述短语的项目匹配。在其中一个下一类别中，系统可确定可被消除的不合适的路径，以便将存储器占用率保持在最低水平。进一步，在特定类别，最高类别的参考项目可基于除第一类别以外的类别的匹配参考项目而获得。例如，如果没有城市名称能够匹配口述短语的项目，则系统可加载所有城市的所有街道名称并可继续进行处理直到串接揭示出一定数目的路径是无效的为止，这些路径因此可被消除。基于路径的消除，可确定类别(例如，城市)的先前未被识别的项目。这可进一步确保将补充输入所需的用户交互保持在最低水平。
为了甚至向语音识别系统的用户提供更高的灵活性，根据本发明的另一实施例，输入的口述短语的项目也可以以任意顺序输入。而且，语音识别系统也能够提供必须澄清的路径的参考项目列表的可视输出，其中可视地输出参考项目列表的顺序可以基于它们匹配口述短语的项目的可能性。系统也可适于声学地请求用户补充输入预设的次数，直到可视地输出列表，用户通过操纵控制元件从其中进行选择。
本发明额外的实施例涉及进一步减少必要的用户交互，这可例如应用于列表存储器被超出的情况。该实施例更可以是存储器管理的进一步增强。不是在确定列表存储器的存储容量不足以为类别n的每个路径加载类别n+1的各个参考项目列表之后请求用户补充输入，而是语音识别系统可继续处理具有最高可能性成为唯一地指定数据库条目的路径的类别n的路径的匹配参考项目。参考项目列表可根据特定路径的匹配参考项目加载。在匹配处理之后，在同一类别内，要选择的下一路径是成为唯一地指定数据库条目的路径的可能性为下一较低的可能性的路径。再次加载根据当前选择的路径的参考项目列表并重复执行匹配处理，直到所有路径都已经被处理为止。
示例性的口述短语可以是“Drive me to Elizabeth Street Berkeley”。首先，语音识别系统可匹配参考项目(城市)“Berkeley”与口述短语的项目，并使该匹配的参考项目与具有最高可能性成为唯一地识别数据库条目的路径的路径相关联。该最高类别的第二匹配参考项目可以是New Jersey的城市“Elizabeth”。假定类别存储器将在加载两个匹配的城市名称的所有街道名称时被超出，则系统可首先基于最高可能性来选择参考项目“Berkeley”并加载“Berkeley”的所有街道名称。如果例如加载的列表中没有参考项目可匹配口述短语的项目“ElizabethStreet”，则可卸载对应于匹配参考项目(城市)“Berkeley”的街道名称列表并消除该路径。然后，可加载对应于城市“Elizabeth”的街道名称列表，并且例如参考项目“Berkeley Street”可匹配口述短语的项目。然后，具有匹配参考项目“Elizabeth”和“Berkeley Street”的路径已经成为具有最高可能性成为唯一地识别数据库条目的路径的路径，该路径可在下一类别内首先被考虑。对于每个随后的类别，所考虑的路径可以基于它们成为唯一地识别数据库条目的路径的可能性而被排序。
其它示例性实施例涉及考虑用于识别输入口述短语的操作参数的语音识别系统。操作参数可以例如是语音识别系统的目前位置、当前或先前的目的地、或者当前正在重放的或在播放列表中选择的媒体库的媒体文件等当中的至少一个。
在一个实施例中，操作参数可以用于确定唯一地指定数据库条目的最可能路径，然而，在另一实施例中，操作参数可以用于确定比输入的口述短语的项目具有更高类别的参考项目。后一个实施例在下面的情况中会是有利的：语音识别系统允许用户仅输入例如街道名称和房屋号，而不是说出完整的目的地。
在示例性实施例中，用户可输入口述短语(例如驾驶目的地)，但语音识别系统匹配多个参考项目与例如口述短语的城市名称。通过使用操作参数，可以例如防止请求用户进行补充输入。该系统可通过GPS接收机来使用当前车辆位置的操作参数以获得当前城市名称。随后，可以检查基于GPS信息确定的当前城市名称是否匹配口述短语中的潜在城市名称之一。
因此，通过借助例如GPS信号澄清各个参考项目，可以找到最可能的路径。
在另一示例性实施例中，当前操作参数可用于初始地确定对于正确识别收入口述短语所必需的参考项目。
例如，出于示例性的目的，可以假定导航系统的用户位于New York(城市)，并且仅向语音识别系统输入街道名称和房屋号作为输入的口述短语。在系统已经检测到输入口述短语不是完整目的地输入之后，系统可首先确定对应于最高类别的口述短语的项目。然后，系统可借助例如GPS信号解析出语音识别系统所处的城市名称，在本实例中将是“New York”。然后将该城市名称用作次高类别的参考项目。语音识别系统然后可试图将对应于操作参数“New York”的参考项目与输入口述短语的项目匹配。即，在该实例中，可以为基于GPS信息或者先前或当前导航目的地确定的类别n+1的项目(“New York”)，加载类别n(街道名称)的参考项目列表。
另一实例可对应于音乐文件和例如仅包括歌曲标题的口述短语。然后系统可首先加载对应于例如当前被播放的歌曲的演奏者的参考项目。
导航系统中的实现方案可以是有利的，因为其允许仅输入不完整的目的地，然而，仍能保证目的地的口述短语的正确识别。为了向语音识别系统的用户提供更高的灵活性，这会是极大的益处。
本发明的另一实施例涉及使用硬件和软件的本发明的上述各个实施例的实现方案。可以认识到，各个实施例和实例可以使用计算装置(处理器)来实现或执行。计算装置或处理器可以例如是通用处理器，数字信号处理器(DSP)，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑器件等。本发明的各个实施例也可以通过这些装置的组合来执行或实现。
进一步，本发明的各个实施例也可通过软件模块来实现，这些软件模块由处理器执行或直接在硬件中执行。而且，软件模块和硬件实现方案的组合也是可能的。软件模块可存储在任何种类的计算机可读存储介质上，例如存储在RAM、EPROM、EEPROM、闪存、寄存器、硬盘、CD-ROM、DVD等上。
进一步，应该注意，本发明的不同实施例的各个单独的特征可独立地或以任意组合方式作为另一发明的主题。
本领域的技术人员可以理解的是，可在不偏离本发明宽泛描述的精神或范围的情况下对具体实施例中所示的本发明做出许多变化和/或改进。因此，这些实施例在所有方面都应被认为是说明性的而非限制性的。

Claims (29)

1.一种通过语音识别系统交互地识别口述短语的方法，包括以下步骤：
a)将类别n的至少一个参考项目列表从数据库加载到列表存储器中，
b)确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配，
c)通过类别n的至少一个匹配参考项目来扩展类别n-1的至少一个路径，以形成类别n的至少一个路径，
d)确定所述列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表，
e)如果不足，则基于补充用户输入来消除类别n的至少一个路径，
f)卸载类别n的所述至少一个参考项目列表，以及
g)为类别n的每个路径加载类别n+1的参考项目列表。
2.如权利要求1所述的方法，其中有N个不同的类别，并且类别n的路径含有间隔N到n中的不同类别的匹配参考项目的串接。
3.如权利要求1和2所述的方法，其中步骤e)包括基于补充用户输入来消除类别m的匹配参考项目和消除含有类别m的被消除的匹配参考项目的类别n的所有路径。
4.如权利要求1至3中的任一项所述的方法，其中当在步骤d)中确定所述列表存储器的存储容量不足以为类别n的每个路径加载类别n+1的各个参考项目列表时，基于补充用户输入来消除类别m以外的类别的匹配参考项目，并且消除含有m以外的级别的被消除的匹配参考项目的类别n的所有路径。
5.如权利要求1至4中的任一项所述的方法，其中如果在步骤d)中确定所述列表存储器的存储容量不足以为类别n的每个路径加载类别n+1的各个参考项目列表，则选择具有最高可能性成为唯一地指定数据库的条目的路径的类别n的相应路径，并且为类别n的被选路径的匹配参考项目加载相应的参考项目列表。
6.如权利要求1至5中的任一项所述的方法，其中具有最高可能性成为唯一地指定数据库的条目的路径的类别n的相应路径，是基于当前车辆位置、当前或先前目的地或媒体文件当中的至少一个参数来确定的。
7.如权利要求1至6中的任一项所述的方法，包括如果对于类别n-1的一路径，类别n的参考项目列表中没有相应项目匹配所述口述短语中的项目，则消除类别n-1的所述路径的步骤。
8.如权利要求1至7中的任一项所述的方法，包括确定对于类别n的一个剩余路径，是否仅有一个可能的项目存在于类别n-1的路径的参考项目列表中，并使用由所述路径指定的数据库条目来启动应用程序的步骤。
9.如权利要求1至8中的任一项所述的方法，包括如果已经处理完所有类别N并且余下最低类别的多于一个的路径，则请求补充输入的步骤。
10.如权利要求1至9中的任一项所述的方法，其中如果余下最低类别的一个路径，则使用由所述路径指定的数据库条目来启动应用程序。
11.如权利要求1至10中的任一项所述的方法，其中路径指向：表示媒体库条目的数据库条目，或导航路线引导服务的目的地，或用于操作插件式计算机的命令，或用于对装置进行控制的命令，或外部在线数据库的条目。
12.如权利要求1至11中的任一项所述的方法，其中所述口述短语的项目可由所述语音识别系统以任意顺序接收。
13.如权利要求1至12中的任一项所述的方法，其中所述口述短语的项目必须由所述语音识别系统以预定顺序接收。
14.如权利要求1至13中的任一项所述的方法，其中如果所述口述短语的项目和加载的列表的相应参考项目具有等于或高于阈值标准的语音相似性，则确定所述参考项目与所述项目匹配。
15.如权利要求1至14中的任一项所述的方法，其中甚至是在所述列表存储器的容量足够时，一旦出现匹配参考项目的语音相似性，所述语音识别系统就中断口述短语的输入。
16.如权利要求1至15中的任一项所述的方法，包括可视地或声学地输出潜在地匹配所述口述短语的项目的参考项目列表以允许用户通过从所述列表中选择哪个匹配的参考项目将被考虑以保持给定类别的路径，来提供补充输入的步骤。
17.如权利要求16所述的方法，其中参考项目在输出列表上的顺序基于它们与所述口述短语的项目匹配的可能性。
18.如权利要求16所述的方法，其中在声学地提供补充输入以将一个参考项目与所述口述短语的项目匹配的请求的数目超过预设数目时输出列表。
19.如权利要求16所述的方法，其中输出列表的条目可口头地选择，并且如果不成功，则通过操纵控制元件来选择。
20.如权利要求1至19中的任一项所述的方法，其中在唯一地识别数据库条目后，路径的匹配参考项目由所述系统可视地或声学地确认。
21.一种交互语音识别系统，包括：
处理单元，用来将类别n的至少一个参考项目列表从数据库加载到列表存储器中，
其中所述处理单元可操作地确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配，并且
a)通过类别n的至少一个匹配参考项目来扩展类别n-1的至少一个路径，以形成类别n的至少一个路径，
b)确定所述列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表，
c)如果所述处理单元已经确定所述列表存储器的存储容量不足以为类别n的至少一个路径加载类别n+1的至少一个参考项目列表，则基于补充用户输入来消除类别n的至少一个路径，
d)卸载类别n的所述至少一个参考项目列表，并且
e)为类别n的每个路径加载类别n+1的参考项目列表。
22.如权利要求21所述的系统，还包括适于执行根据权利要求1至20中的任一项的方法的步骤的装置。
23.一种存储指令的计算机可读介质，当所述指令被交互语音识别系统的处理单元执行时，使所述交互语音识别系统通过以下操作来识别口述短语：
a)将类别n的至少一个参考项目列表从数据库加载到列表存储器中，
b)确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配，
c)通过类别n的至少一个匹配参考项目来扩展类别n-1的至少一个路径，以形成类别n的至少一个路径，
d)确定所述列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表，
e)如果不足，则基于补充用户输入来消除类别n的至少一个路径，
f)卸载类别n的所述至少一个参考项目列表，以及
g)为类别n的每个路径加载类别n+1的各个参考项目列表。
24.一种通过语音识别系统交互地识别口述短语的方法，包括以下步骤：
a)取决于可用的列表存储器容量，为至少一个类别的每个将各个参考项目列表从数据库加载到所述列表存储器中，
b)确定至少一个参考项目是否可与包括多个项目的输入的口述短语的至少一个项目匹配，
c)存储匹配的参考项目并卸载当前的参考项目列表，
d)如果先前不能够加载所有类别的所有参考项目列表，则卸载当前的参考项目列表，并加载至少另一个类别的每个的参考项目列表，并重复步骤b)和c)，
e)加载与存储的匹配参考项目相对应的参考项目列表，并确定最有可能识别数据库条目的匹配参考项目的串接。
25.一种通过语音识别系统交互地识别口述短语的方法，包括以下步骤：
h)接收包括类别n或更低类别的项目的输入的口述短语，
i)基于当前车辆位置、当前或先前目的地、或者被选择重放或当前正被重放的媒体库的媒体文件当中的至少一个参数，来加载类别n的参考项目列表，
j)确定加载的列表中的类别n的参考项目是否可与所述口述短语的项目匹配。
26.如权利要求25所述的方法，还包括确定输入的口述短语中具有最高类别的参考项目的步骤，其中输入的口述短语中的项目的最高类别被定义为类别n。
27.如权利要求25和26所述的方法，其中将所述至少一个参数与数据库中的类别n+1的参考项目匹配，并且为类别n+1的匹配参考项目加载类别n的参考项目列表。
28.如权利要求25至27中的任一项所述的方法，还包括以下步骤：
c)通过类别n的至少一个匹配参考项目扩展类别n-1的至少一个路径，以形成类别n的至少一个路径，
d)确定所述列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表，
e)如果不足，则基于补充用户输入来消除类别n的至少一个路径，
f)卸载类别n的所述至少一个参考项目列表，以及
g)为类别n的每个路径加载类别n+1的参考项目列表。
29.如权利要求25至28中的任一项所述的方法，还包括根据权利要求2至24中的任一项的方法的步骤。
CN2007101963571A 2006-11-30 2007-11-30 交互语音识别系统 Expired - Fee Related CN101192406B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP06024859A EP1939860B1 (en) 2006-11-30 2006-11-30 Interactive speech recognition system
EP06024859.8 2006-11-30

Publications (2)

Publication Number Publication Date
CN101192406A true CN101192406A (zh) 2008-06-04
CN101192406B CN101192406B (zh) 2012-07-04

Family

ID=37638636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007101963571A Expired - Fee Related CN101192406B (zh) 2006-11-30 2007-11-30 交互语音识别系统

Country Status (8)

Country Link
US (1) US9805722B2 (zh)
EP (1) EP1939860B1 (zh)
JP (1) JP5183176B2 (zh)
KR (1) KR101403980B1 (zh)
CN (1) CN101192406B (zh)
AT (1) ATE426233T1 (zh)
CA (1) CA2610573A1 (zh)
DE (1) DE602006005830D1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456300A (zh) * 2013-08-07 2013-12-18 安徽科大讯飞信息科技股份有限公司 一种基于class-base语言模型的POI语音识别方法
CN103903611A (zh) * 2012-12-24 2014-07-02 联想(北京)有限公司 一种语音信息的识别方法和设备
CN104380374A (zh) * 2012-06-19 2015-02-25 株式会社Ntt都科摩 功能执行指示系统、功能执行指示方法及功能执行指示程序
CN105161099A (zh) * 2015-08-12 2015-12-16 恬家（上海）信息科技有限公司 一种语音控制的遥控装置及其实现方法
CN105573208A (zh) * 2015-12-29 2016-05-11 Tcl集团股份有限公司 一种控制语音交互的方法和系统
CN105761532A (zh) * 2014-12-19 2016-07-13 大陆汽车投资（上海）有限公司 动态语音提示方法及车载系统
CN107532914A (zh) * 2015-05-05 2018-01-02 纽昂斯通讯公司 车载语音目的地输入（vde）导航解决方案中的自动数据切换方法
CN114020211A (zh) * 2021-10-12 2022-02-08 深圳市广和通无线股份有限公司 存储空间管理方法、装置、设备及存储介质

Families Citing this family (170)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
EP1936606B1 (en) * 2006-12-21 2011-10-05 Harman Becker Automotive Systems GmbH Multi-stage speech recognition
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
JP5098613B2 (ja) * 2007-12-10 2012-12-12 富士通株式会社 音声認識装置及びコンピュータプログラム
US10002189B2 (en) 2007-12-20 2018-06-19 Apple Inc. Method and apparatus for searching using an active ontology
WO2009081861A1 (ja) * 2007-12-21 2009-07-02 Nec Corporation 単語カテゴリ推定装置、単語カテゴリ推定方法、音声認識装置、音声認識方法、プログラム、および記録媒体
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8401780B2 (en) * 2008-01-17 2013-03-19 Navteq B.V. Method of prioritizing similar names of locations for use by a navigation system
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US8676904B2 (en) 2008-10-02 2014-03-18 Apple Inc. Electronic devices with voice command and contextual data processing capabilities
WO2010067118A1 (en) 2008-12-11 2010-06-17 Novauris Technologies Limited Speech recognition involving a mobile device
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10706373B2 (en) 2011-06-03 2020-07-07 Apple Inc. Performing actions associated with task items that represent tasks to perform
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
KR101289082B1 (ko) * 2009-09-02 2013-07-22 한국전자통신연구원 지역 정보 서비스 제공 시스템 및 그 방법
US20110099507A1 (en) * 2009-10-28 2011-04-28 Google Inc. Displaying a collection of interactive elements that trigger actions directed to an item
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
DE112011100329T5 (de) 2010-01-25 2012-10-31 Andrew Peter Nelson Jerram Vorrichtungen, Verfahren und Systeme für eine Digitalkonversationsmanagementplattform
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
TW201137645A (en) * 2010-04-27 2011-11-01 Inventec Corp Inquiring and displaying system and method for providing illustrative sentence corresponding to geographic information
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US8996386B2 (en) * 2011-01-19 2015-03-31 Denso International America, Inc. Method and system for creating a voice recognition database for a mobile device using image processing and optical character recognition
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US9992745B2 (en) 2011-11-01 2018-06-05 Qualcomm Incorporated Extraction and analysis of buffered audio data using multiple codec rates each greater than a low-power processor rate
WO2013069060A1 (ja) * 2011-11-10 2013-05-16 三菱電機株式会社 ナビゲーション装置および方法
WO2013085507A1 (en) 2011-12-07 2013-06-13 Hewlett-Packard Development Company, L.P. Low power integrated circuit to analyze a digitized audio stream
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
CN104969289B (zh) 2013-02-07 2021-05-28 苹果公司 数字助理的语音触发器
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
KR101759009B1 (ko) 2013-03-15 2017-07-17 애플 인크. 적어도 부분적인 보이스 커맨드 시스템을 트레이닝시키는 것
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
KR101959188B1 (ko) 2013-06-09 2019-07-02 애플 인크. 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스
WO2014200731A1 (en) 2013-06-13 2014-12-18 Apple Inc. System and method for emergency calls initiated by voice command
KR101749009B1 (ko) 2013-08-06 2017-06-19 애플 인크. 원격 디바이스로부터의 활동에 기초한 스마트 응답의 자동 활성화
KR102155482B1 (ko) * 2013-10-15 2020-09-14 삼성전자 주식회사 디스플레이장치 및 그 제어방법
US10430024B2 (en) * 2013-11-13 2019-10-01 Microsoft Technology Licensing, Llc Media item selection using user-specific grammar
US10296160B2 (en) 2013-12-06 2019-05-21 Apple Inc. Method for extracting salient dialog usage from live data
JP2015129672A (ja) * 2014-01-07 2015-07-16 アルパイン株式会社 施設検索装置および方法
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9966065B2 (en) 2014-05-30 2018-05-08 Apple Inc. Multi-command single utterance input method
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
JP6506004B2 (ja) * 2014-10-10 2019-04-24 クラリオン株式会社 検索システム
JP6444128B2 (ja) * 2014-10-10 2018-12-26 クラリオン株式会社 検索システム
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US10152299B2 (en) 2015-03-06 2018-12-11 Apple Inc. Reducing response latency of intelligent automated assistants
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US9578173B2 (en) 2015-06-05 2017-02-21 Apple Inc. Virtual assistant aided communication with 3rd party service in a communication session
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
CN106358059B (zh) * 2015-07-17 2020-04-07 腾讯科技（北京）有限公司 一种多媒体信息处理方法、设备及系统
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179309B1 (en) 2016-06-09 2018-04-23 Apple Inc Intelligent automated assistant in a home environment
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
US10474753B2 (en) 2016-09-07 2019-11-12 Apple Inc. Language identification using recurrent neural networks
US10043516B2 (en) 2016-09-23 2018-08-07 Apple Inc. Intelligent automated assistant
US11281993B2 (en) 2016-12-05 2022-03-22 Apple Inc. Model and ensemble compression for metric learning
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
US11204787B2 (en) 2017-01-09 2021-12-21 Apple Inc. Application integration with a digital assistant
JP6782944B2 (ja) * 2017-02-03 2020-11-11 株式会社デンソーアイティーラボラトリ 情報処理装置、情報処理方法、およびプログラム
US10417266B2 (en) 2017-05-09 2019-09-17 Apple Inc. Context-aware ranking of intelligent response suggestions
DK201770383A1 (en) 2017-05-09 2018-12-14 Apple Inc. USER INTERFACE FOR CORRECTING RECOGNITION ERRORS
US10726832B2 (en) 2017-05-11 2020-07-28 Apple Inc. Maintaining privacy of personal information
DK201770439A1 (en) 2017-05-11 2018-12-13 Apple Inc. Offline personal assistant
US10395654B2 (en) 2017-05-11 2019-08-27 Apple Inc. Text normalization based on a data-driven learning network
US11301477B2 (en) 2017-05-12 2022-04-12 Apple Inc. Feedback analysis of a digital assistant
DK179496B1 (en) 2017-05-12 2019-01-15 Apple Inc. USER-SPECIFIC Acoustic Models
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770427A1 (en) 2017-05-12 2018-12-20 Apple Inc. LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT
DK201770432A1 (en) 2017-05-15 2018-12-21 Apple Inc. Hierarchical belief states for digital assistants
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback
US10303715B2 (en) 2017-05-16 2019-05-28 Apple Inc. Intelligent automated assistant for media exploration
US10311144B2 (en) 2017-05-16 2019-06-04 Apple Inc. Emoji word sense disambiguation
DK179560B1 (en) 2017-05-16 2019-02-18 Apple Inc. FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES
US10403278B2 (en) 2017-05-16 2019-09-03 Apple Inc. Methods and systems for phonetic matching in digital assistant services
US10657328B2 (en) 2017-06-02 2020-05-19 Apple Inc. Multi-task recurrent neural network architecture for efficient morphology handling in neural language modeling
US10445429B2 (en) 2017-09-21 2019-10-15 Apple Inc. Natural language understanding using vocabularies with compressed serialized tries
US10755051B2 (en) 2017-09-29 2020-08-25 Apple Inc. Rule-based natural language processing
US10636424B2 (en) 2017-11-30 2020-04-28 Apple Inc. Multi-turn canned dialog
US10733982B2 (en) 2018-01-08 2020-08-04 Apple Inc. Multi-directional dialog
US10733375B2 (en) 2018-01-31 2020-08-04 Apple Inc. Knowledge-based framework for improving natural language understanding
US10789959B2 (en) 2018-03-02 2020-09-29 Apple Inc. Training speaker recognition models for digital assistants
US10592604B2 (en) 2018-03-12 2020-03-17 Apple Inc. Inverse text normalization for automatic speech recognition
US10818288B2 (en) 2018-03-26 2020-10-27 Apple Inc. Natural assistant interaction
US10909331B2 (en) 2018-03-30 2021-02-02 Apple Inc. Implicit identification of translation payload with neural machine translation
US10928918B2 (en) 2018-05-07 2021-02-23 Apple Inc. Raise to speak
US11145294B2 (en) 2018-05-07 2021-10-12 Apple Inc. Intelligent automated assistant for delivering content from user experiences
US10984780B2 (en) 2018-05-21 2021-04-20 Apple Inc. Global semantic word embeddings using bi-directional recurrent neural networks
DK180639B1 (en) 2018-06-01 2021-11-04 Apple Inc DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT
DK179822B1 (da) 2018-06-01 2019-07-12 Apple Inc. Voice interaction at a primary device to access call functionality of a companion device
US11386266B2 (en) 2018-06-01 2022-07-12 Apple Inc. Text correction
US10892996B2 (en) 2018-06-01 2021-01-12 Apple Inc. Variable latency device coordination
DK201870355A1 (en) 2018-06-01 2019-12-16 Apple Inc. VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS
US10496705B1 (en) 2018-06-03 2019-12-03 Apple Inc. Accelerated task performance
CN108920657A (zh) * 2018-07-03 2018-11-30 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN111726642B (zh) * 2019-03-19 2023-05-30 北京京东尚科信息技术有限公司 直播方法、装置和计算机可读存储介质
KR20220143683A (ko) 2020-02-17 2022-10-25 세렌스 오퍼레이팅 컴퍼니 전자 개인 비서 조정

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5952388A (ja) * 1982-09-20 1984-03-26 Comput Basic Mach Technol Res Assoc 辞書照合方式
DE19709518C5 (de) * 1997-03-10 2006-05-04 Harman Becker Automotive Systems Gmbh Verfahren und Vorrichtung zur Spracheingabe einer Zieladresse in ein Zielführungssystem im Echtzeitbetrieb
JP3509511B2 (ja) * 1997-11-20 2004-03-22 トヨタ自動車株式会社 車両用情報取得装置
JP2000075887A (ja) * 1998-08-31 2000-03-14 Sony Corp パターン認識装置、方法及びシステム
JP3645104B2 (ja) * 1998-11-02 2005-05-11 富士通株式会社 辞書検索装置及び辞書検索プログラムを記録した記録媒体
JP4283984B2 (ja) * 2000-10-12 2009-06-24 パイオニア株式会社 音声認識装置ならびに方法
US20020111810A1 (en) * 2001-02-15 2002-08-15 Khan M. Salahuddin Spatially built word list for automatic speech recognition program and method for formation thereof
US6356837B1 (en) * 2001-03-19 2002-03-12 Alpine Electronics, Inc. Navigation system
JP4108291B2 (ja) * 2001-04-16 2008-06-25 三菱電機株式会社 移動体ナビゲーション装置及び移動体ナビゲーション方法
US7308404B2 (en) 2001-09-28 2007-12-11 Sri International Method and apparatus for speech recognition using a dynamic vocabulary
JP4104313B2 (ja) * 2001-10-03 2008-06-18 株式会社デンソー 音声認識装置、プログラム及びナビゲーションシステム
US7328155B2 (en) * 2002-09-25 2008-02-05 Toyota Infotechnology Center Co., Ltd. Method and system for speech recognition using grammar weighted based upon location information
CN1795367A (zh) * 2003-05-26 2006-06-28 皇家飞利浦电子股份有限公司 操作声音控制导航系统的方法
US8768969B2 (en) * 2004-07-09 2014-07-01 Nuance Communications, Inc. Method and system for efficient representation, manipulation, communication, and search of hierarchical composite named entities
US7515693B2 (en) * 2004-08-06 2009-04-07 Powerphone, Inc. Call handler systems and methods
US7310602B2 (en) * 2004-09-27 2007-12-18 Kabushiki Kaisha Equos Research Navigation apparatus
US20060074660A1 (en) * 2004-09-29 2006-04-06 France Telecom Method and apparatus for enhancing speech recognition accuracy by using geographic data to filter a set of words
US7657368B2 (en) * 2004-11-08 2010-02-02 General Motors Company System and method for large route data handling within a telematics communication system
KR100682897B1 (ko) * 2004-11-09 2007-02-15 삼성전자주식회사 사전 업데이트 방법 및 그 장치
US20060253251A1 (en) * 2005-05-09 2006-11-09 Puranik Nishikant N Method for street name destination address entry using voice
US8751145B2 (en) * 2005-11-30 2014-06-10 Volkswagen Of America, Inc. Method for voice recognition
JP4671898B2 (ja) * 2006-03-30 2011-04-20 富士通株式会社 音声認識装置、音声認識方法、音声認識プログラム
US7848917B2 (en) * 2006-03-30 2010-12-07 Microsoft Corporation Common word graph based multimodal input

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104380374A (zh) * 2012-06-19 2015-02-25 株式会社Ntt都科摩 功能执行指示系统、功能执行指示方法及功能执行指示程序
CN103903611A (zh) * 2012-12-24 2014-07-02 联想(北京)有限公司 一种语音信息的识别方法和设备
CN103456300A (zh) * 2013-08-07 2013-12-18 安徽科大讯飞信息科技股份有限公司 一种基于class-base语言模型的POI语音识别方法
CN103456300B (zh) * 2013-08-07 2016-04-20 科大讯飞股份有限公司 一种基于class-base语言模型的POI语音识别方法
CN105761532A (zh) * 2014-12-19 2016-07-13 大陆汽车投资（上海）有限公司 动态语音提示方法及车载系统
CN105761532B (zh) * 2014-12-19 2018-03-02 大陆汽车投资（上海）有限公司 动态语音提示方法及车载系统
CN107532914A (zh) * 2015-05-05 2018-01-02 纽昂斯通讯公司 车载语音目的地输入（vde）导航解决方案中的自动数据切换方法
CN105161099A (zh) * 2015-08-12 2015-12-16 恬家（上海）信息科技有限公司 一种语音控制的遥控装置及其实现方法
CN105573208A (zh) * 2015-12-29 2016-05-11 Tcl集团股份有限公司 一种控制语音交互的方法和系统
CN114020211A (zh) * 2021-10-12 2022-02-08 深圳市广和通无线股份有限公司 存储空间管理方法、装置、设备及存储介质
CN114020211B (zh) * 2021-10-12 2024-03-15 深圳市广和通无线股份有限公司 存储空间管理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
DE602006005830D1 (de) 2009-04-30
ATE426233T1 (de) 2009-04-15
EP1939860B1 (en) 2009-03-18
US9805722B2 (en) 2017-10-31
CA2610573A1 (en) 2008-05-30
JP2008139885A (ja) 2008-06-19
JP5183176B2 (ja) 2013-04-17
KR20080049647A (ko) 2008-06-04
KR101403980B1 (ko) 2014-06-05
US20080221891A1 (en) 2008-09-11
EP1939860A1 (en) 2008-07-02
CN101192406B (zh) 2012-07-04

Similar Documents

Publication Publication Date Title
CN101192406B (zh) 交互语音识别系统
US11783830B2 (en) Systems and methods for adaptive proper name entity recognition and understanding
US7308404B2 (en) Method and apparatus for speech recognition using a dynamic vocabulary
US7818171B2 (en) Speech recognition apparatus and speech recognition program
EP1818837B1 (en) System for a speech-driven selection of an audio file and method therefor
EP1693829B1 (en) Voice-controlled data system
JP4260788B2 (ja) 音声認識機器制御装置
US9986394B1 (en) Voice-based messaging
US8538759B2 (en) Speech recognition system and data updating method
EP2259252B1 (en) Speech recognition method for selecting a combination of list elements via a speech input
JP3488174B2 (ja) 内容情報と話者情報を使用して音声情報を検索するための方法および装置
US20040128141A1 (en) System and program for reproducing information
US20090112593A1 (en) System for recognizing speech for searching a database
WO2007088877A1 (ja) 会話システムおよび会話ソフトウェア
JP2007114621A (ja) 会話制御装置
WO2011121649A1 (ja) 音声認識装置
AU2023258338A1 (en) Systems and methods for adaptive proper name entity recognition and understanding
EP2507792B1 (en) Vocabulary dictionary recompile for in-vehicle audio system
US11328713B1 (en) On-device contextual understanding
US10832675B2 (en) Speech recognition system with interactive spelling function
JP2009282835A (ja) 音声検索装置及びその方法
Issam et al. Approaches for the detection of the keywords in spoken documents application for the field of e-libraries

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: NEW ANST COMMUNICATION CO., LTD.

Free format text: FORMER OWNER: HAMANBECK AUTOMATED SYSTEMS CO., LTD.

Effective date: 20100421

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: KARLSBAD, GERMANY TO: MASSACHUSETTS STATE, U.S.A

TA01 Transfer of patent application right

Effective date of registration: 20100421

Address after: Massachusetts, USA

Applicant after: Nuance Communications, Inc.

Address before: Carlsbad

Applicant before: HARMAN BECKER AUTOMOTIVE SYSTEMS GmbH

C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120704