CN102467908B - 多语语音控制系统及其方法 - Google Patents

Abstract

本发明公开了一种多语语音控制系统及其方法，适用于具有多种语言版本操作界面的通讯整合平台，其通过预先建立多语言版本的控制命令，并读取自操作界面支持的多种语言中所选取设定的来源语言及目标语言，当接收到语音信息时将语音信息辨识为来源语言的文字信息，当操作模式为命令模式时则触发操作界面中显示文字与辨识出的文字信息相同的功能显示元件，当操作模式为编辑模式时则翻译辨识出的文字信息为目标语言再输出的技术手段，借此可以达成简化多语沟通互动的输入操作的技术功效。

Description

多语语音控制系统及其方法

技术领域

本发明涉及一种语音控制系统及其方法，特别是指一种适用于具有至少一语言版本操作界面的通讯整合平台的语音控制系统及其方法。

背景技术

随着网络与通讯科技的发展，电子邮件、即时通讯及网络电话等电脑可执行的通讯系统除了大幅缩短了空间上的限制，也使得人与人之间的沟通互动更加即时，因此在讲求国际化的今日，无论是迎合跨国商业合作或是个人寻求特殊语言经验的诉求，这些通讯系统仍然是一时之选。由于各种通讯系统之间有时基于多语通讯的双方所采用的通讯界面不同无法彼此互通，因此坊间便出现一种通讯整合平台，借由整合电子邮件、即时通讯及网络电话等通讯系统于同一执行平台上来实现不同通讯界面之间的通讯机制，如此一来便降低了多语通讯的双方通讯的限制。

然而，虽然通过通讯整合平台进行多语通讯的双方可以在任何收得到网络讯号的地方进行沟通，但在某些情况下使用者可能无法使用如：鼠标、键盘及触控装置等的输入装置来控制操作界面或输入信息。例如：行车驾驶中不熟悉外语的使用者无法专心的利用手机按键来输入外语信息，或是与外语人士视讯会议时，因听不懂外语人士说的话又不知如何拼写外语字词，因而无法与外语人士对答如流等，此时虽然使用者可以通过通讯整合平台进行多语通讯，但多语沟通的互动中仍然存在障碍，因此有必要提出改进的技术手段，来解决此一问题。

发明内容

有鉴于现有技术存在的问题，本发明于是公开一种多语语音控制，其中：

本发明所公开的多语语音控制系统，适用于具有至少一语言版本操作界面的通讯整合平台，所述的通讯整合平台是用以供使用者进行电子邮件、即时通讯及网络电话之间的双向通讯，所述的系统包含：读取模块，用以读取操作界面目前使用的操作模式及读取自至少一语言版本中选取设定的来源语言及目标语言；语音辨识模块，用以接收语音信息，并将语音信息辨识为来源语言的第一文字信息；控制模块，预先建立有控制命令表，控制命令表储存有操作界面中至少一功能显示元件的至少一语言版本的显示文字；及用以根据第一文字信息查询控制命令表以触发显示文字与第一文字信息相同的功能显示元件；翻译模块，用以将第一文字信息翻译为目标语言的第二文字信息；选择模块，用以比对判断操作模式并传送第一文字信息，其中当操作模式为命令模式时，将第一文字信息传送至控制模块中，当操作模式为编辑模式时，将第一文字信息传送至翻译模块中；及输出模块，用以输出第二文字信息。

本发明所公开的多语语音控制方法，适用于具有至少一语言版本操作界面的通讯整合平台，所述的通讯整合平台是用以供使用者进行电子邮件、即时通讯及网络电话之间的双向通讯，所述的方法包含下列步骤：预先建立控制命令表，控制命令表储存有操作界面的至少一功能显示元件的至少一语言版本的显示文字；读取自至少一语言版本中选取设定的来源语言及目标语言；接收语音信息并将语音信息辨识为来源语言的第一文字信息；及读取并判断操作界面目前使用的操作模式，其中：当操作模式为命令模式时，根据第一文字信息查询控制命令表以触发显示文字与第一文字信息相同的功能显示元件；及当操作模式为编辑模式时，将第一文字信息翻译为目标语言的第二文字信息并输出。

本发明所公开的系统与方法如上，与现有技术之间的差异在于本发明具有预先建立多语言版本的控制命令，并读取自操作界面支持的多种语言中所选取设定的来源语言及目标语言，当接收到语音信息时将语音信息辨识为来源语言的文字信息，当操作模式为命令模式时则触发操作界面中显示文字与辨识出的文字信息相同的功能显示元件，当操作模式为编辑模式时则翻译辨识出的文字信息为目标语言再输出的技术手段。

通过上述的技术手段，本发明可以达成简化多语沟通互动的输入操作的技术功效。

附图说明

图1为本发明多语语音控制系统的方块图。

图2为本发明多语语音控制方法的流程图。

图3为本发明实施例操作界面及语言设定的示意图。

图4为本发明实施例控制命令表示意图。

图5为本发明实施例命令模式的操作示意图。

图6为本发明实施例编辑模式的操作示意图。

【主要元件符号说明】

101读取模块102语音辨识模块

103选择模块104控制模块

105翻译模块106输出模块

107发音模块300操作界面

301设定界面401控制命令表

501语音信息502功能显示元件

503下拉式选单601语音信息

具体实施方式

以下将配合图式及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。

首先，请先参考图1，为本发明的多语语音控制系统的方块图，其包含：读取模块101、语音辨识模块102、选择模块103、控制模块104、翻译模块105及输出模块106。本发明的多语语音控制系统，适用于具有至少一语言版本的操作界面的通讯整合平台，在此所指的通讯整合平台是用以供使用者进行电子邮件、即时通讯及网络电话之间的双向通讯。至少一语言版本的操作界面，指的是同一通讯整合平台的操作界面，不同语言版本的操作界面差别仅在于功能显示元件的显示文字不同。

读取模块101，用以读取操作界面目前使用的操作模式及读取自至少一语言中选取设定的来源语言及目标语言。需要特别说明的是，来源语言与目标语言都是自操作界面支持的至少一语言中选取设定的，可以是系统预先设定的，也可以是使用者通过预先提供的设定界面自行设定的，而预先提供的设定界面中可以提供操作界面支持的至少一语言作为选项供使用者选取设定。

语音辨识模块102，用以接收语音信息，并将语音信息辨识为来源语言的第一文字信息。语音辨识模块102当中可以预先建立与操作界面支持的至少一个语言分别对应的语言资料库，每个语言资料库当中均包含语音脚本及对应的文字脚本，当语音辨识模块102接收到语音信息后，将会针对语音信息进行取样，然后再与来源语言对应的语言资料库的语音脚本比对，最后将语音信息辨识产生第一文字信息。

选择模块103，用以比对并判断出读取模块101读取的操作模式为命令模式或编辑模式。由于操作模式为预先提供的，仅具有两种模式，一为命令模式，另一为编辑模式，可以通过在操作界面中提供切换选项供使用者自两种操作模式中选择其中一种执行相对应的操作，因此判断操作模式时，选择模块103仅需判断读取模块101所读取的操作模式即可得知目前使用的是命令模式或编辑模式。当操作模式为命令模式时，选择模块103将会把语音辨识模块102辨识产生的第一文字信息传送给控制模块104进行后续处理，当操作模式为编辑模式时，选择模块103将会把语音辨识模块102辨识产生的第一文字信息传送给翻译模块105进行后续处理。选择模块103相当于负责分派工作，接收工作的模块为何则视操作模式而定。

控制模块104，预先建立有控制命令表。控制命令表当中储存有操作界面中至少一功能显示元件的至少一语言版本的显示文字。功能显示元件指的是如下拉式选单的选项、视窗标签选项、功能键...等。举例来说，假设现有一功能显示元件为操作界面的功能按键，其中文显示文字为“插入”，则控制命令表中除了中文显示文字“插入”，同时对应该功能显示元件的资料项也会储存操作界面支持的语言版本的显示文字，例如：英文版本的“insert”、日文版本的“挿入”...等。当选择模块103判断出操作模式为命令模式时，选择模块103将会把第一文字信息传送到控制模块104，此时控制模块104将会根据第一文字信息查询控制命令表，当找到显示文字与第一文字信息相同的功能显示元件时，便触发该功能显示元件。举例来说，假设来源语言为中文，而语音辨识模块102辨识出第一文字信息为“编辑”，则当控制模块104查询控制命令表中找到中文显示文字为“编辑”的功能显示元件时，控制模块104将会触发“编辑”功能显示元件。

需要特别说明的是，由于第一文字信息是根据设定的来源语言进行语音辨识所产生的，因此当使用者使用的是中文操作界面，但设定了英文作为来源语言，则此时语音辨识模块102辨识产生的第一文字信息将会为英文，而控制模块104查询控制命令表时，将会搜寻英文的显示文字，并于找到符合的功能显示元件时加以触发。换句话说，操作界面所使用的语言与命令模式下触发的功能显示元件的显示文字可以是相同语言，也可以是不同语言，因此对于使用中文操作界面的中文使用者来说，可以使用中文语音触发中文的功能显示元件，而使用中文操作界面的英文使用者来说，也仍然可以使用英文语音触发功能显示元件。由于不同语言版本的操作界面仅是显示文字的语言有所差异，但功能显示元件所对应的功能相同，因此即使是英文使用者，只要曾经操作过英文操作界面，也可以通过英文语音操作中文操作界面中与英文操作界面相同功能的功能显示元件。如此一来，对于不同语言的使用者来说，更可以提升简化多语沟通互动输入操作的功效。

翻译模块105，用以将第一文字信息翻译为目标语言的第二文字信息。翻译模块105当中也可以预先建立至少一个双语资料库，各个双语资料库当中可以储存第一语言翻译为第二语言的文字资料项，此外翻译模块105也预先建立有翻译规则设定，当选择模块103判断出操作模式为编辑模式并将第一文字信息传送到翻译模块105当中时，翻译模块105可以依据读取模块101读取出的来源语言与目标语言选取对应的双语资料库及翻译规则设定来将第一文字信息翻译为第二文字信息。

翻译模块105除了负责将第一文字信息翻译为第二文字信息外，更用来针对已经输出的文字信息进行校正。举例来说，前一段翻译出来的文字信息和新输出的文字信息虽然都是经过翻译后产生，但段落与段落之间可能语句并不通顺或是文法错误，因此翻译模块105可以针对选取的已输出的文字信息进行语序或是文法的校正调整，提升文字的流畅度。由于翻译校正的方式众多，任何熟悉语言翻译演算法者均可在本发明的公开前提下提出不同的校正演算法，在此则针对本发明采用的校正方式加以赘述并限定之。

输出模块106，用以输出翻译模块105翻译出的第二文字信息。需要特别说明的是，输出模块106除了将第二文字信息输出到操作界面外，更可以通过系统附加的一个发音模块107将第二文字信息再转为语音输出，如此一来，更可以实现不同的语言的语音之间的翻译转换，提升使用者多语沟通时的互动效果。

接下来，请参考图2，为本发明的多语语音控制方法的流程图，将用以说明本发明的实施流程。本发明的多语语音控制方法适用于具有至少一语言版本操作界面的通讯整合平台。在此所指的通讯整合平台是用以供使用者进行电子邮件、即时通讯及网络电话之间的双向通讯。至少一语言版本的操作界面，指的是同一通讯整合平台的操作界面，不同语言版本的操作界面差别仅在于功能显示元件的显示文字不同。

首先，预先建立控制命令表(步骤201)。控制命令表当中储存有操作界面中至少一功能显示元件的至少一语言版本的显示文字。功能显示元件指的是如下拉式选单的选项、视窗标签选项、功能键...等。举例来说，假设现有一功能显示元件为操作界面的功能按键，其中文显示文字为“插入”，则控制命令表中除了中文显示文字“插入”，同时对应该功能显示元件的资料项也会储存操作界面支持的语言版本的显示文字，例如：英文版本的“insert”、日文版本的“挿入”...等。

接着，读取自至少一语言版本中选取设定的来源语言及目标语言(步骤202)。需要特别说明的是，来源语言与目标语言都是自操作界面支持的至少一语言中选取设定的，可以是系统预先设定的，也可以是使用者通过预先提供的设定界面自行设定的，而预先提供的设定界面中可以提供操作界面支持的至少一语言作为选项供使用者选取设定。

然后，接收语音信息并将语音信息辨识为来源语言的第一文字信息(步骤203)。系统当中可以预先建立与操作界面支持的至少一个语言分别对应的语言资料库，每个语言资料库当中均包含语音脚本及对应的文字脚本，当接收到语音信息后，系统将会针对语音信息进行取样，然后再与来源语言对应的语言资料库的语音脚本比对，最后将语音信息辨识产生第一文字信息。

当第一文字信息产生后，系统接着读取操作界面目前使用的操作模式(步骤204)，并判断操作模式为命令模式或编辑模式(步骤205)。

当操作模式为命令模式时，根据第一文字信息查询控制命令表以触发显示文字与第一文字信息相同的功能显示元件(步骤206a)。举例来说，假设来源语言为中文的第一文字信息为“编辑”，则当查询控制命令表找到中文显示文字为“编辑”的功能显示元件时，系统将会触发“编辑”功能显示元件。

需要特别说明的是，由于第一文字信息是根据设定的来源语言进行语音辨识所产生的，因此当使用者使用的是中文操作界面，但设定了英文作为来源语言，则此时辨识产生的第一文字信息将会为英文，而查询控制命令表时，将会搜寻英文的显示文字，并于找到符合的功能显示元件时加以触发。换句话说，操作界面所使用的语言与命令模式下触发的功能显示元件的显示文字可以是相同语言，也可以是不同语言，因此对于使用中文操作界面的中文使用者来说，可以使用中文语音触发中文的功能显示元件，而使用中文操作界面的英文使用者来说，也可以使用英文语音触发功能显示元件。由于不同语言版本的操作界面仅是显示文字的语言有所差异，但功能显示元件所对应的功能相同，因此即使是英文使用者，只要曾经操作过英文操作界面，也可以通过英文语音来操作中文操作界面中与英文操作界面相同功能的功能显示元件。如此一来，对于不同语言的使用者来说，更可以提升简化多语沟通互动输入操作的功效。

当操作模式为编辑模式时，将第一文字信息翻译为目标语言的第二文字信息并输出(步骤206b)。系统当中可以预先建立至少一个双语资料库，各个双语资料库当中可以储存第一语言翻译为第二语言的文字资料项，此外也可以预先建立翻译规则设定，当系统判断出操作模式为编辑模式时，系统便依据读取出的来源语言与目标语言选取对应的双语资料库及翻译规则设定来翻译第一文字信息为第二文字信息。

需要特别说明的是，第二文字信息可以是输出到操作界面中，也可以再将输出的文字信息再转为语音信息再输出。而已输出的文字信息，更可以再通过选取并进行语序或文法等的校正调整来提高文字的流畅度。

接下来，将以一应用有本发明的通讯整合平台的电子邮件系统操作过程作为实施例来说明本发明的详细实施方式。

请参考图3，假设电子邮件系统的操作界面300具有中文、英文、法文、日文、西班牙文...等至少一种语言版本，系统可预先自该至少一语言中选取来源语言及目标语言，也可以产生设定界面301供使用者设定来源语言及目标语言。

应用有本发明的通讯整合平台必须预先建立如图4所示的控制命令表401，控制命令表401中储存有功能显示元件及至少一语言版本的显示文字。然于控制命令表401当中虽举中文及英文语言版本的显示文字为例，实际上控制命令表401的语言版本是根据该通讯整合平台的操作界面所支持的语言为准，而不以所举例的为限。

接着，假设目前设定的来源语言为中文，目标语言为英文，通讯整合平台首先将会读取选取的来源语言及目标语言。请参考图5，当通讯整合平台接收到语音信息501“文件”时，首先将会根据来源语言的设定将语音信息501“文件”辨识为中文文字信息。接着通讯整合平台将会读取操作界面300目前所使用的操作模式，假设目前所使用的操作模式为命令模式，则当通讯整合平台判断出操作模式为命令模式后，将会把中文文字信息与控制命令表中各个功能显示元件的显示文字进行比对，假设比对出中文文字信息与功能显示元件502的显示文字相同，此时通讯整合平台将会触发功能显示元件502。于本实施例中，功能显示元件502为下拉式选单的选项，因此触发功能显示元件502后，下拉式选单503将会被触发并显示出来。虽然在本实施例中以下拉式选单的选项为例说明功能显示元件的触发方式，但实际上功能显示元件更可以是视窗标签或是其他视窗中具有显示文字且可触发执行的显示元件。

接着，请参考图6。假设通讯整合平台所接收的语音信息601为“你好吗”，则通讯整合平台同样会先将语音信息601辨识为中文文字信息，当操作模式为编辑模式时，通讯整合平台将会把中文文字信息先翻译为英文“Howareyou”再输出。需要特别说明的是，输出时，除了将翻译为英文的文字信息输出到操作界面外，也可以再通过通讯整合平台的一个发音模块来将英文的文字信息再转为语音信息并通过音讯输出装置输出，如此一来当使用者无法观看操作界面时，仍然能够聆听输出的英文文字信息。此外，输出到操作界面的英文文字信息也可以再选取并通过语序或文法的翻译校正来提高文字的流畅度。

虽然于本实施例中是以通讯整合平台的电子邮件系统举例说明，然无论是即时通讯或是网络电话等系统也同样可以通过本发明的多语语音控制系统及方法以语音操作进行翻译转换，故于此不再加以赘述。

虽然本发明所公开的实施方式如上，只是所述的内容并非用以直接限定本发明的专利保护范围。任何本发明所属技术领域中普通技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作些许的更动。本发明的专利保护范围，仍须以所附的权利要求书所界定者为准。

Claims (10)

1.一种多语语音控制系统，适用于一通讯整合平台，其中该通讯整合平台具有至少一语言版本的一操作界面，该通讯整合平台是用以供使用者进行电子邮件、即时通讯及网络电话之间的双向通讯，其特征在于，该系统包含：

一读取模块，用以读取该操作界面目前使用的一操作模式及读取自该至少一语言版本中选取设定的一来源语言及一目标语言；

一语音辨识模块，用以接收一语音信息，并将该语音信息辨识为该来源语言的一第一文字信息；

一控制模块，预先建立有一控制命令表，该控制命令表储存有该操作界面中至少一功能显示元件的该至少一语言版本的显示文字；及用以根据该第一文字信息查询该控制命令表以触发该显示文字与该第一文字信息相同的该功能显示元件；

一翻译模块，用以将该第一文字信息翻译为该目标语言的一第二文字信息；

一选择模块，用以比对判断该操作模式并传送该第一文字信息，其中当该操作模式为一命令模式时，将该第一文字信息传送至该控制模块中，当该操作模式为一编辑模式时，将该第一文字信息传送至该翻译模块中；及

一输出模块，用以输出该第二文字信息。

2.如权利要求1所述的多语语音控制系统，其特征在于，该来源语言是为系统预先设定或使用者通过预先提供的一设定界面自行设定。

3.如权利要求1所述的多语语音控制系统，其特征在于，该目标语言是为系统预先设定或使用者通过预先提供的一设定界面自行设定。

4.如权利要求1所述的多语语音控制系统，其特征在于，该翻译模块更用以于输出该第二文字信息后校正已输出的文字信息。

5.如权利要求1所述的多语语音控制系统，其特征在于，该系统更包含一发音模块，用以将输出的文字信息再转为语音信息输出。

6.一种多语语音控制方法，适用于一通讯整合平台，其中该通讯整合平台具有至少一语言版本的一操作界面，该通讯整合平台是用以供使用者进行电子邮件、即时通讯及网络电话之间的双向通讯，其特征在于，该方法包含下列步骤：

预先建立一控制命令表，该控制命令表储存有该操作界面的至少一功能显示元件的该至少一语言版本的显示文字；

读取自该至少一语言版本中选取设定的一来源语言及一目标语言；

接收一语音信息并将该语音信息辨识为该来源语言的一第一文字信息；及

读取并判断该操作界面目前使用的一操作模式，其中：

当该操作模式为一命令模式时，根据该第一文字信息查询该控制命令表以触发该显示文字与该第一文字信息相同的该功能显示元件；及

当该操作模式为一编辑模式时，将该第一文字信息翻译为该目标语言的一第二文字信息并输出。

7.如权利要求6所述的多语语音控制方法，其特征在于，该来源语言是为系统预先设定或使用者通过预先提供的一设定界面自行设定。

8.如权利要求6所述的多语语音控制方法，其特征在于，该目标语言是为系统预先设定或使用者通过预先提供的一设定界面自行设定。

9.如权利要求6所述的多语语音控制方法，其特征在于，将该第一文字信息翻译为该目标语言的该第二文字信息并输出的步骤之后更包含校正已输出的文字信息的步骤。

10.如权利要求6所述的多语语音控制方法，其特征在于，将该第一文字信息翻译为该目标语言的该第二文字信息并输出的步骤之后更包含将输出的文字信息再转为语音信息输出的步骤。