CN102779511B - 基于单词级别的备选生成的语音识别系统及方法 - Google Patents
基于单词级别的备选生成的语音识别系统及方法 Download PDFInfo
- Publication number
- CN102779511B CN102779511B CN201210063752.3A CN201210063752A CN102779511B CN 102779511 B CN102779511 B CN 102779511B CN 201210063752 A CN201210063752 A CN 201210063752A CN 102779511 B CN102779511 B CN 102779511B
- Authority
- CN
- China
- Prior art keywords
- word
- speech recognition
- strings
- alternative
- word strings
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012790 confirmation Methods 0.000 claims description 9
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 24
- 238000010586 diagram Methods 0.000 description 12
- 241000220223 Fragaria Species 0.000 description 8
- 235000016623 Fragaria vesca Nutrition 0.000 description 8
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 8
- 238000012217 deletion Methods 0.000 description 6
- 230000037430 deletion Effects 0.000 description 6
- 244000025254 Cannabis sativa Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000013948 strawberry juice Nutrition 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
- Telephonic Communication Services (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Navigation (AREA)
Abstract
本发明公开一种基于生成单词级别的备选的语音识别系统及方法。语音识别系统的特征在于包含:语音识别结果确认部,作为语音识别结果,当提供单词串以及针对包含于单词串的至少一个单词的备选单词时,确认单词串及备选单词;以及单词串显示部,通过显示装置显示单词串,且将存在备选单词的至少一个单词与单词串中的其余单词区别而显示。其中,当用户选择被区别显示的单词时,单词串显示部使被区别显示的单词变更为备选单词而进行显示。
Description
技术领域
本发明涉及一种基于单词级别的备选生成的语音识别系统及方法。
背景技术
若要通过语音识别来听写,且当语音识别之后所输出的备选文章较多时,用户难以通过观看从差别微小的n个文章中选择所需的文章。即,对于诸如移动终端的用户的终端来说,因该终端的大小的限制,难以同时显示很多文章,并且对于用户来说,当查看n个文章时,难以瞬间就判断哪个文章才是恰当的文章。
发明内容
本发明提出一种语音识别系统及方法,可更有效地提供通过语音识别的听写。
本发明提供一种语音识别系统及语音识别方法,该语音识别系统及语音识别方法向用户显示基于语音识别结果的文字串而提供给用户,其中,将存在备选单词的单词与文字串中的其他单词区分而显示,并根据用户对存在备选单词的单词的选择,将该单词变更为备选单词而显示出来,从而用户通过一次选择就能够对每个单词修改语音识别结果。
本发明提供一种语音识别系统及语音识别方法,该语音识别系统及语音识别方法在可对应匹配于声音信号的、具有不同概率的所有可能的单词串中,选择概率最高的单词串,并在基于包含于被选择的单词串中的单词开始被识别时刻及完成识别时刻的时间范围内,针对声音信号进行识别而得出的不同的单词中,将利用针对不同的单词分别计算的可靠度来选择的至少一个单词设定为备选单词,从而可提供更加准确的针对每个单词的结果。
本发明提供一种语音识别系统及语音识别方法,该语音识别系统及语音识别方法提供可以同时删除所显示的全部单词串的用户界面,从而当所显示的单词串为完全不相关的结果时,使用户可以直接输入文章或者重新进行语音识别过程。
本发明提供一种语音识别系统及语音识别方法,该语音识别系统及语音识别方法针对作为通过语音识别制作的文章的单词串,将表示相关单词串是通过语音识别制作的签名与单词串同时显示或者传送,以使确认所显示的单词串的用户或者通过SMS、邮件等接收这种单词串的用户可以确认相关单词串是通过语音识别制作的。
本发明提供的语音识别系统,其特征在于包含:语音识别结果确认部,作为语音识别结果,当提供单词串以及针对包含于单词串的至少一个单词的备选单词时,确认单词串及备选单词;以及单词串显示部,通过显示装置显示单词串,且将存在备选单词的至少一个单词与单词串的其余单词区别显示,其中,当用户选择区别显示的单词时,单词串显示部将区别显示的单词变更为备选单词进行显示。
根据本发明的一方面,语音识别系统还可包含用户界面部,以提供用于删除显示的全部的单词串的用户界面,并且,当发生通过用户界面的用户的输入时,单词串显示部可删除显示的全部的单词串。
根据本发明的另一方面,当单词串被显示装置显示时,或者单词串被传送到其他机器时,可将表示单词串是通过语音识别提供的签名和单词串同时显示或传送。
根据本发明的另一方面,语音识别系统还可包含:声音信号传送部,将通过输入装置输入的声音信号传送至语音识别服务器;以及语音识别结果接收部,通过语音识别服务器接收对应于声音信号的语音识别结果。
根据本发明的又一方面,语音识别系统还可包含语音识别结果生成部,用于生成对应于通过输入装置输入的声音信号的语音识别结果。
根据本发明的又一方面,单词串可以被选择为,在语音识别服务器中可对应匹配于声音信号的、具有不同的概率的所有可能的单词串中的概率最高的单词串。
根据本发明又一方面,备选单词可以被选择为,在语音识别服务器中,在基于至少一个单词的开始识别的时刻及完成识别的时刻的时间范围内,根据声音信号识别出的不同的单词中的至少一个单词。此时,不同单词中的至少一个单词可基于针对不同单词中的每个单词所计算的可靠度进行选择。并且,时间范围可通过开始识别的时刻和完成识别的时刻,以及赋予完成识别的时刻的已选定的允许时间值来确定。
本发明提供的语音识别系统,其特征在于包含:语音识别结果生成部,确定对应于声音信号的单词串及针对包含于单词串中的至少一个单词的备选单词,生成为语音识别结果;以及语音识别结果提供部,向用户终端提供语音识别结果,其中,在终端的显示装置中显示单词串,并且,将存在备选单词的至少一个单词和单词串中的其余单词区别显示,且当用户在终端中选择被区别显示的单词时,被区别显示的单词变更为备选单词而显示。
本发明提供的语音识别方法,其特征在于包含如下步骤:作为语音识别结果,提供单词串以及针对包含于单词串的至少一个单词的备选单词时,确认单词串及备选单词;以及通过显示装置显示单词串,且将存在备选单词的至少一个单词和单词串中的其余单词区别显示,其中,在显示步骤中,当用户选择被区别显示的单词时,将被区别显示的单词变更为备选单词进行显示。
本发明提供的语音识别方法,其特征在于包含如下步骤:确定对应于声音信号的单词串及针对包含于单词串中的至少一个单词的备选单词,生成为语音识别结果;以及向用户终端提供所述语音识别结果,其中,在终端的显示装置中显示单词串,并且,将存在备选单词的至少一个单词和单词串中的其余单词区别显示,且当用户在终端中选择被区别显示的单词时,将被区别显示的单词变更为备选单词进行显示。
本发明向用户显示并提供根据语音识别结果的文字串时,将存在备选单词的单词和文字串中的其余单词区别显示,并根据针对存在备选单词的单词的用户的选择,将相关单词变更为备选单词进行显示,从而通过仅一次的选择,就能够使用户对于每个单词修改语音识别结果。
本发明在可对应匹配于声音信号的、具有不同概率的所有可能的单词串中选择具有最高概率的单词串,并在基于包含于被选择的单词串中的单词的开始识别的时刻及完成识别的时刻的时间范围内,针对声音信号进行识别而得出的不同的单词中,将利用针对不同单词中的每个单词所计算的可靠度来选择的至少一个单词设定为候选单词,,从而可提供更加准确的针对每个单词的结果。
本发明提供可以一次性删除所显示的全部单词串的用户界面,从而当所显示的单词串为完全不相关的结果时,用户可以直接输入文章或者重新进行语音识别过程。
本发明针对通过语音识别制作的文章的单词串,将表示相关单词串是通过语音识别制作的签名和单词串同时显示或者传送,以使确认所显示的单词串的用户或者通过SMS、邮件等接收这种单词串的用户可以确认相关单词串是通过语音识别制作的。
附图说明
图1是示出本发明的一实施例的用户终端及语音识别服务器的图。
图2是示出本发明的一实施例的在用户终端的显示屏上显示有单词串的情况的一例。
图3是示出本发明的一实施例的在用户终端的显示屏上根据用户的选择使显示的单词变更为备选单词来显示的情况的一例。
图4是示出本发明的一实施例的利用用户界面来删除所显示的全部单词串的情况的一例的图。
图5是示出本发明的一实施例的在用户终端上提供签名的情况的一例。
图6是示出本发明的一实施例的针对声音信号搜索出的单词的图。
图7是本发明的一实施例的用于说明语音识别系统的内部构成的框图。
图8是示出本发明的一实施例的语音识别方法的流程图。
图9是本发明的另一实施例的用于说明语音识别系统的内部构成的框图。
图10是示出本发明的另一实施例的语音识别方法的流程图。
图11是本发明的又一实施例的用于说明语音识别系统的内部构成的框图。
图12是示出本发明的又一实施例的语音识别方法的流程图。
图13是本发明的又一实施例的显示由用户选择的单词的备选单词的画面的一例。
符号说明:110为用户终端,120为语音识别服务器。
具体实施方式
以下,参照附图来详细说明本发明的实施例。
图1是示出本发明的一实施例的用户终端及语音识别服务器的图。图1示出用户终端110和语音识别服务器120。
用户终端110可通过输入装置接收声音信号,并将其传送到语音识别服务器120。此时,语音识别服务器120可生成与所接收的声音信号对应的语音识别结果,从而传送至用户终端110。
用户终端110可确认通过语音识别服务器120接收的语音识别结果所包含的单词串和针对包含于单词串中的至少一个单词的备选单词,并通过显示装置显示已确认的单词串,但是可将存在备选单词的至少一个单词显示为能够和单词串中的其余单词区分。
图2是示出本发明的一实施例的在用户终端的显示屏上显示有单词串的情况的一例的图。图2中所示的显示屏200可对应于通过图1说明的用户终端110的显示屏中的一部分。在此,显示屏200中显示有包含如“清推荐一下安卓手机”的语音识别结果的单词串。此时,可将包含于单词串的单词中存在备选单词的单词与包含于单词串的其余单词区别显示。即,图2中示出存在备选单词的单词“安卓”、“一下”及“清”标示上下划线而显示的情况,以区别于不存在备选单词的单词“手机”以及“推荐”。
再次参考图1,当区别显示的单词被用户选择时,用户终端110可将区别显示的单词变更为备选单词而显示。在此,单词被用户选择可意味着相关单词是通过用户终端110所提供的用户界面而被选择的。例如,用户可在触摸板中触摸相关单词所显示的位置,以使相关单词被用户所选择。
图3是示出本发明的一实施例的在用户终端的显示屏上根据用户的选择使显示的单词变更为备选单词来显示的情况的一例。图3所示的显示屏310、320、330可分别对应于通过图1说明的用户终端110的显示屏中的一部分。
首先,显示屏310中显示有包含如“清推荐一下安卓手机”的最初语音识别结果的单词串。此时,当用户选择单词“清”时,如显示屏320所示,单词“清”可变更显示为“请”。在这种情况下,已变更显示的单词“请”被标上下划线而显示,以区别与不存在备选单词的其余单词。
图3中为了区别单词使用了下划线,但是下划线仅仅是一个示例,可以使用诸如互不相同的字体大小、字体颜色或者字体类型等能够区别单词的所有方法中的至少一个方法。
如显示屏330所示,当用户再次选择单词“请”时,单词“请”可变更显示为其次的其他备选单词“青”。
如显示屏310所示,当不存在其他备选单词“青”时,可再次变更显示为包含在原单词串中的单词“清”。
据此,本实施例中,作为提供包含于单词串中的单词的备选单词的列表的替代方案,可根据用户的选择依次变更语音识别的备选单词,并且这些备选单词可基于语音识别的可靠度来排列,以可靠度逐渐降低的顺序显示。此时,大多数情况下,通过一两次变更即可显示用户所要表达的单词的概率较高,与提供备选单词的列表的方案相比,可向用户有效地提供基于语音识别的听写(dictation)。在此,依据语音识别来计算单词的可靠度的方法已众所周知,可以使用这些已经公开的各种方法中的一个方法来计算单词的可靠度。
并且,图3中可通过用户界面的“编辑”按键,向用户提供可以直接编缉相关单词的功能。
再次参照图1,用户终端110可以提供用于删除显示的全部的单词串的用户界面。即,可以提供一次性删除所显示的全部的单词串的用户界面,从而当显示的单词串内容为完全不相关的结果时,可使用户直接输入文章或者重新进行语音识别过程。
图4是示出本发明的一实施例的利用用户界面来删除所显示的全部单词串的情况的一例。图4中所示的显示屏410和420可对应于通过图1来说明的用户终端110的显示屏中的一部分。
显示屏410示出显示有包含语音识别结果的单词串的情况。此时,当用户通过用户终端110提供的用户界面(“删除”411)产生事件时,可以删除如显示屏420所显示的全部的单词串。即,当显示有如“好奇心解决的损失30分到达”的与用户要所表达的文章(单词串)完全不同的文章时,与其编辑这些文章,用户可能更希望自己直接输入文章或者重新进行语音识别过程。
此时,根据本实施例的用户终端110向用户提供诸如“删除”411的用户界面,并且当用户产生触摸“删除”411等事件时,可以删除所显示的全部的文章。
再次参照图1,用户终端110可将针对语音识别的签名包含于通过语音识别来制作的文章(单词串)中。此时,针对语音识别的签名可表示相关文章是通过语音识别而制作的。例如,当用户利用SMS或者邮件等将通过语音识别而制作的文章提供给其他用户的时候,即使相关文章存在打字错误或者差错,其他用户也可以直接确认出该文章是通过语音识别而制作的。
图5是示出本发明的一实施例的在用户终端上提供签名的情况的一例。图5中所示的显示屏510可对应于通过图1说明的用户终端110的显示屏中的一部分。
此时,显示屏510显示“打算用安卓手机看电影。By Speech”,不仅显示“打算用安卓手机看电影。”的单词串,同时还显示签名“By Speech”。即,通过这种签名,用户可容易掌握相关单词串是通过语音识别来制作的文章的。
再次回到图1,如上所述,语音识别服务器120能够确定与通过用户终端110接收的声音信号对应的单词串以及备选单词,并将其作为语音识别结果而提供给用户终端110。此时,语音识别服务器120可搜索能够对应匹配于声音信号的尽可能全部的单词串,并在具有不同概率的全部的单词串中选择概率最高的单词串选择为将要包含在语音识别结果中的单词串。并且,语音识别服务器120可在基于至少一个单词的开始识别的时刻以及完成识别的时刻的时间范围内,从根据声音信号来识别的不同的单词中,可选择至少一个单词作为将要包含于语音识别结果的备选单词。此时,在不同的单词中,可基于针对每个不同的单词计算的可靠度来选择至少一个单词,时间范围可通过开始识别的时刻以及完成识别的时刻,还有赋予完成识别的时刻的已选定的允许时间值来确定。
图6是示出本发明的一实施例的搜索针对声音信号的单词的图。图6中箭头610可表示时间的推移,方框的长度可表示相关单词被识别的时间范围。此时,在互不相同的时间范围内被识别的相同的单词,即,图6中“草莓”(1)和“草莓”(2),还有“汁”(1)和“汁”(2)的开始识别时刻虽然相同,但是结束识别的时间不同,此情况为,语音识别器依据概率在相关时间段中搜索出概率最高的单词时偶然出现相同单词的情况。
首先,假设用户的发音内容为“草莓之”。即,当用户发出“草莓之”的音,使得图1的用户终端110通过输入装置接收包含“草莓之”的声音信号,并将其传送到语音识别服务器120时,语音识别服务器120能够通过分析声音信号来确认所有可能的单词串,从而选择概率最高的单词串。此时,图6中示出作为概率最高的单词串选择了组合单词“草莓”(1)和单词“汁”(2)的“草莓汁”的情况。
在这种情况下,语音识别服务器120可以确定分别针对包含在具有最高概率的单词串中的单词“草莓”(1)和“汁”(2)的备选单词。即,分别针对“草莓”(1)和“汁”(2)的包含在相关时间范围内的不同的单词,可计算各单词的可靠性,并以可靠性为顺序提取n个单词作为备选单词。在此,相关时间分为可通过开始识别时刻和完成识别时刻以及赋予完成识别时刻的已选定的允许时间值来确定。
例如,为了取得针对单词“汁”(2)的备选单词,语音识别服务器120可针对单词“汁”(2),确认包含在确定的时间范围内的不同的单词。此时,包含于时间范围内的不同单词可以包括如下单词,即包含对“汁”(2)开始识别的时刻至在对单词“汁”(2)完成识别的时刻上赋予已选定的允许时间值的时刻为止的时间范围内且开始时间相同的单词。在这种情况下,可由语音识别服务器120确定允许时间值(例如30ms)。
此时,当开始时刻相同,但是完成时间相比对“汁”(2)的识别完成的时间短已选定的允许时间值以上,且在相关时间范围内识别出另一单词时,也可以组合识别出的各单词,以确定为一个备选单词。
即,上述例子中,可以给出以下例子:单词“汁”(1)及单词“儿”被组合为一个单词“汁儿”,从而被选择为”汁”(2)的备选单词,或者“汁”(1)及单词“耳”被组合为一个单词“汁耳”,从而被选择为“汁”(2)的备选单词。并且,单词“之”及“值”还有“至”可被选择为“汁”(2)的备选单词。即,图6中示出,组合单词“汁”(1)和单词“尔”的“汁尔”因超过时间范围的关系,而未被选择为备选单词的一例。当减少允许时间值而进一步缩短时间范围时,也将进一步缩短备选单词的选择范围。
此时,若被选择的备选单词的可靠度顺序依次为“之”、“汁耳”、“至”、“值”以及“汁儿”,则被选择的备选单词按照可靠度的顺序包含于语音识别结果之中。
即,参照图1及图6,用户终端110通过显示装置可以显示“草莓汁”。在这种情况下,当然也可以区别显示存在备选单词的单词和不存在备选单词的单词。此时,当单词“汁”被用户所选择时,单词“汁”可变更显示为被确定为第一个顺序的单词“之”。并且,当被变更的单词“之”再次被用户所选择时,单词“之”可变更显示为被确定为第二个顺序的单词“汁耳”。当没有更多可变更的备选单词时,可向用户再次显示最初被显示的单词或者可提供用户直接编辑相关单词的功能。
据此,用户不是在整体备选单词的目录中搜索所需的单词,而是可通过选择来确认下一个备选单词。如上所述,当基于可靠度来选备选单词时,通常情况下,通过一到两次的选择即可显示用户所要表达的单词,因此,用户在单词串中可简单、快速地编辑所要表达的特定单词,而无需浏览全部的备选单词。
图7是示出本发明的一实施例的用于说明语音识别系统的内部构成的框图。如图7所示,该语音识别系统700可包含语音识别结果确认部730及单词串显示部740,根据需要,可选择性的包含声音信号传送部710以及语音识别结果接收部720。当语音识别系统700包含声音信号传送部710及语音识别结果接收部720时,语音识别系统700可对应于通过图1说明的用户终端110。
声音信号传送部710将通过输入装置输入的声音信号传送至语音识别服务器。例如,根据用户的发声的声音信号可通过诸如麦克风的输入装置输入到语音识别系统700,而声音信号传送部710可将这些声音信号传送至语音识别服务器。在此,语音识别服务器可对应于通过图1说明的语音识别服务器120。
语音识别结果接收部720通过语音识别服务器接收对应于声音信号的语音识别结果。在此,语音识别服务器中,可对应匹配于声音信号的具有各种概率的、所有可能的单词串中概率最高的单词串可被选择为单词串。并且,在所述语音识别服务器中,基于从所述至少一个单词的开始识别的时刻到完成识别的时刻的时间范围内,根据所述声音信号来识别的不同的单词中,可选择至少一个单词来作为备选单词。此时,不同的单词中的至少一个单词可依据针对不同的单词中的每个单词所计算的可靠度来进行选择,时间范围可根据开始识别时刻和完成识别时刻以及在完成识别的时刻赋予的已选定的允许时间值来确定。
当作为语音识别结果,提供有单词串及针对包含于单词串中的至少一个单词的备选单词时,语音识别结果确认部730确认单词串及备选单词。即,当通过从语音识别服务器接收语音识别结果等过程,向语音识别系统700提供语音识别结果时,语音识别系统700可通过语音识别结果确认部730从这种被提供的语音识别结果中确认单词串和备选单词。
单词串显示部740通过显示装置显示单词串,但是将存在备选单词的至少一个单词和单词串中的其余单词区别而显示。此时,当区别显示的单词被用户所选时,单词串显示部740将区别显示的单词变更为备选单词并显示。当存在另一备选单词,且变更的备选单词再次被用户所选时,变更后的备选单词可再次变更为另一备选单词。
并且,语音识别系统700还可包含用户界面部(未图示),以提供用于删除所显示的全部单词串的用户界面。并且,当产生通过用户界面的用户的输入时,单词串显示部740可删除所显示的全部单词串。
而且,当通过显示装置显示单词串,或者单词串被传送至其他设备时,用于表示单词串是通过语音识别提供的签名可与单词串一同显示或者传送。
图8是示出本发明的一实施例的语音识别方法的流程图。根据本实施例的语音识别方法可由通过图7说明的语音识别系统700来执行。图8中说明通过语音识别系统700执行各步骤的过程,从而说明根据本发明的语音识别方法。此时,也可根据需要,由语音识别系统700选择性地执行步骤810及步骤820。
在步骤810中,语音识别系统700将通过输入装置输入的声音信号传送至语音识别服务器。例如,根据用户的发声的声音信号可通过诸如麦克风的输入装置来输入到语音识别系统700,而语音识别系统700可将该声音信号传送至语音识别服务器。在此,语音识别服务器可对应于通过图1说明的语音识别服务器120。
在步骤820中,语音识别系统700通过语音识别服务器接收对应于声音信号的语音识别结果。在此,语音识别服务器中,可对应匹配于声音信号的具有各种概率的、所有可能的单词串中概率最高的单词串可被选择为单词串。并且,在所述语音识别服务器中,基于从所述至少一个单词的开始识别的时刻到完成识别的时刻的时间范围内,根据所述声音信号来识别的不同的单词中,可选择至少一个单词来作为备选单词。此时,不同的单词中的至少一个单词可依据针对不同的单词中的每个单词所计算的可靠度来进行选择,时间范围可根据开始识别时刻和完成识别时刻以及在完成识别的时刻赋予的已选定的允许时间值来确定。
在步骤830,当作为语音识别结果,提供有单词串及针对包含于单词串中的至少一个单词的备选单词时,语音识别系统700确认单词串及备选单词。即,当通过从语音识别服务器接收语音识别结果等过程,向语音识别系统700提供语音识别结果时,语音识别系统700可从这种被提供的语音识别结果中确认单词串和备选单词。
在步骤840,语音识别系统700通过显示装置显示单词串,但是将存在备选单词的至少一个单词和单词串中的其余单词区别而显示。此时,当区别显示的单词被用户所选时,单词串显示部740将区别显示的单词变更为备选单词并显示。当存在另一备选单词,且变更的备选单词再次被用户所选时,变更后的备选单词可再次变更为另一备选单词。
并且,语音识别系统700还可包含用户界面部(未图示),以提供用于删除所显示的全部单词串的用户界面。并且,当产生通过用户界面的用户的输入时,单词串显示部740可删除所显示的全部单词串。
而且,当通过显示装置显示单词串,或者单词串被传送至其他设备时,用于表示单词串是通过语音识别提供的签名可与单词串一同显示或者传送。
图9是示出本发明的另一实施例的用于说明语音识别系统的内部构成的框图。如图9所示,根据本实施例的语音识别系统900可包含语音识别结果生成部920及语音识别结果提供部930,根据需要,可选择性的包含声音信号接收部910。当语音识别系统900包含声音信号接收部910时,语音识别系统900可对应于通过图1说明的语音识别服务器120。
声音信号接收部910通过终端接收由终端的输入装置所输入的声音信号。在此,终端作为用户终端,可对应于通过图1说明的用户终端110。即,当用户发出的声音信号通过用户终端110的输入装置输入时,用户终端110可将输入的声音信号传送到语音识别系统900,而语音识别系统900可接收被传送的声音信号。
语音识别结果生成部920可确定对应于声音信号的单词串以及针对包含于单词串中的至少一个单词的备选单词,以生成语音识别结果。在此,语音识别结果生成部920可将对应匹配于声音信号的具有各种概率的、所有可能的单词串中概率最高的单词串选择为将要包含于语音识别结果的单词串。并且,所述语音识别结果生成部920基于从所述至少一个单词的开始识别的时刻到完成识别的时刻的时间范围内,从根据所述声音信号来识别的不同的单词中,可选择至少一个单词来作为将要包含于语音识别结果的备选单词。此时,不同的单词中的至少一个单词可依据针对不同的单词中的每个单词所计算的可靠度来进行选择,时间范围可根据开始识别时刻和完成识别时刻以及在完成识别的时刻赋予的已选定的允许时间值来确定。
语音识别结果提供部930向用户终端提供语音识别结果。此时,通过终端的显示装置显示被提供的包含在语音识别结果中的单词串,且将存在备选单词的至少一个单词和单词串中的其余单词区别而显示。并且,当区别显示的单词在终端被用户所选时,区别显示的单词变更为备选单词并显示。
在该终端上还可提供用于删除所显示的全部单词串的用户界面,此时,当用户通过用户界面输入时,可删除所显示的全部单词串。
而且,当通过显示装置显示单词串,或者通过终端将单词串传送至其他设备时,用于表示单词串是通过语音识别提供的签名可与单词串一同显示或者传送。
图10是示出本发明的另一实施例中的语音识别方法的流程图。根据本实施例的语音识别方法可由通过图9说明的语音识别系统900来执行。图10中说明通过语音识别系统900执行各步骤的过程,从而说明根据本发明的语音识别方法。此时,也可根据需要,由语音识别系统900选择性地执行步骤1010。
在步骤1010,语音识别系统900通过终端接收由终端的输入装置所输入的声音信号。在此,终端作为用户终端,可对应于通过图1说明的用户终端110。即,当用户发出的声音信号通过用户终端110的输入装置输入时,用户终端110可将输入的声音信号传送到语音识别系统900,而语音识别系统900可接收被传送的声音信号。
在步骤1020,语音识别系统900可确定对应于声音信号的单词串以及针对包含于单词串中的至少一个单词的备选单词,从而生成为语音识别结果。在此,语音识别系统900可将对应匹配于声音信号的具有各种概率的、所有可能的单词串中概率最高的单词串选择为将要包含于语音识别结果的单词串。并且,所述语音识别系统900基于从所述至少一个单词的开始识别的时刻到完成识别的时刻的时间范围内,从根据所述声音信号来识别的不同的单词中,可选择至少一个单词来作为将要包含于语音识别结果的备选单词。此时,不同的单词中的至少一个单词可依据针对不同的单词中的每个单词所计算的可靠度来进行选择,时间范围可根据开始识别时刻和完成识别时刻以及在完成识别的时刻赋予的已选定的允许时间值来确定。
在步骤1030中,语音识别系统900向用户终端提供语音识别结果。此时,通过终端的显示装置显示被提供的包含在语音识别结果中的单词串,且将存在备选单词的至少一个单词和单词串中的其余单词区别而显示。并且,当区别显示的单词在终端被用户所选时,区别显示的单词变更为备选单词而显示。
在该终端上还可提供用于删除所显示的全部单词串的用户界面,此时,当用户通过用户界面输入时,可删除所显示的全部单词串。
而且,当通过显示装置显示单词串,或者将单词串通过终端传送至其他设备时,用于表示单词串是通过语音识别提供的签名可与单词串一同显示或者传送。
图11是示出本发明的又一实施例的用于说明语音识别系统的内部构成的框图。根据本实施例的语音识别系统1100与图1说明的用户终端110及语音识别服务器120之间的区别在于,在一个系统中执行语音识别结果的生成和显示。如图11所示,这种语音识别系统1100包含语音识别结果确认部1120及单词串显示部1130,根据需要,可选择性的包含语音识别结果生成部1110。
此时,当不包含语音识别结果生成部1110时,相当于图7的语音识别系统700不包含声音信号传送部710及语音识别结果接收部720,并且语音识别结果确认部1120及单词串显示部1130可与语音识别结果确认部730及单词串显示部740进行相同的操作,因此省略对语音识别结果确认部1120及单词串显示部1130的重复的说明。
语音识别结果生成部1110生成语音识别结果,该语音识别结果对应于通过输入装置输入的声音信号。在此,因对于生成语音识别结果的方法已进行了详细的说明,因此省略重复的说明。
图12是示出本发明的又一实施例的语音识别方法的流程图。根据本实施例的语音识别方法可通过由图1说明的语音识别系统1100来执行。此时,可根据需要,由语音识别系统1100来执行步骤1210。
此时,当不执行步骤1210时,相当于图8的语音识别系统700不执行步骤810及步骤820,并且步骤1220及步骤1230与步骤830及步骤840相同,因此省略对步骤1220及步骤1230的重复的说明。
在步骤1210,语音识别系统1100生成语音识别结果,该语音识别结果对应于通过输入装置来输入的声音信号。在此,因对于生成语音识别结果的方法已进行了详细的说明,因此省略其重复的说明。
在图7至图12中省略的内容可参考对图1至图6的说明。
在根据本发明又一实施例的语音识别系统及语音识别方法中,还能够以列表的形式向用户提供备选单词。例如,可对应于通过图1说明的用户终端110的语音识别系统将通过输入装置输入的声音信号传送至语音识别服务器,并且可通过语音识别服务器接收对应于声音信号的语音识别结果。此时,当提供有单词串及包含于单词串的至少一个单词的备选单词以作为语音识别结果时,语音识别系统确认单词串及备选单词,从而通过显示装置显示单词串,且能够将存在备选单词的至少一个单词与单词串中的其余单词区别而显示。
此时,当用户选择区别显示的单词时,语音识别系统可用列表形式显示针对区别显示的单词的备选单词。作为一例,图7的单词串显示部740在区别显示的单词被用户所选时,可显示包含被区别显示的单词的备选单词中的至少一个备选单词的列表。在这种情况下,单词串显示部740将区别显示的单词变更显示为由用户在所显示的列表中选择的备选单词。该方案也可同样适用于其他实施例。
图13是示出本发明的又一实施例的显示由用户选择的单词的备选单词的屏幕的一例。在此,显示屏1300显示由用户所选的单词“清”1310和单词“清”的备选单词(1320至1350)。用户可从所提示的备选单词(1320至1350)中选择用于代替单词“清”1310的备选单词。例如,在图13的一例中,用户可以选择备选单词“请”1320,则语音识别系统将单词“清”1310变更为“请”1320而进行显示。
至此,当用户选择区别显示的单词时,语音识别系统以列表形式显示针对区别显示的单词的备选单词,并以用户在显示的备选单词中所选的备选单词更换最初区别显示的单词中的、由用户所选的单词并显示出来。
根据本发明的实施例,向用户显示并提供根据语音识别结果的单词串的同时,将存在备选单词的单词和单词串中的其余单词区别而显示,并根据针对存在备选单词的单词的用户的选择,使相关单词变更为备选单词而显示出来,从而用户可通过一次的选择,就能够对每个单词修改语音识别结果。并且,在可对应匹配于声音信号的、具有不同概率的所有可能的单词串中选择具有最高概率的单词串,并在基于包含在被选择的单词串中的单词的开始识别的时刻及完成识别的时刻的时间范围内,针对声音信号识别成不同单词的单词中,利用针对不同的单词中的每个单词所计算的可靠度来选择至少一个单词并设定成备选单词,从而可提供更加准确的针对每个单词的结果。而且,可提供一次性删除显示的全部单词串的用户界面,从而当显示的单词串为完全没有相关的结果时,可使用户直接输入文章或者重新进行语音识别过程,并且针对通过语音识别制作的文章的单词串,将表示相关单词串是通过语音识别制作的签名和单词串一同显示或传送,从而可使确认所显示的单词串的用户或者以SMS、邮件等接收该单词串的用户可以确认相关单词串是通过语音识别制作的。
如上所述,本发明虽然以有限的实施例和附图进行说明,但是本发明不限于上述实施例,本发明所属领域的具有通常知识的技术人员可能够通过这些记载进行多种修改以及变形。
因此,本发明的范围不限于所说明的实施例,应当以权利要求范围和与该权利要求范围等同的范围来限定。
Claims (19)
1.一种语音识别系统,其特征在于包含:
语音识别结果确认部,作为语音识别结果,当提供单词串以及针对包含于所述单词串的至少一个单词的备选单词时,确认所述单词串及所述备选单词;以及
单词串显示部,通过显示装置显示所述单词串,且将存在所述备选单词的至少一个单词与所述单词串的其余单词区别而进行显示,
其中,当用户选择被区别显示的单词时,所述单词串显示部将区别显示的单词变更为所述备选单词并进行显示,
当用户再次选择变更后的备选单词时,所述单词串显示部将所选择的变更后的备选单词变更为其他备选单词,当不存在其他备选单词时,所述单词串显示部再次显示所述被区别显示的单词。
2.根据权利要求1所述的语音识别系统,其特征在于,还包含用户界面部,以提供用于删除所述显示的全部单词串的用户界面,
其中,当产生通过所述用户界面的用户的输入时,所述单词串显示部删除所述显示的全部单词串。
3.根据权利要求1所述的语音识别系统,其特征在于,当通过所述显示装置显示所述单词串,或者所述单词串被传送到其他设备时,将用于表示所述单词串是通过语音识别提供的签名与所述单词串一同显示或发送。
4.根据权利要求1所述的语音识别系统,其特征在于,还包含:
声音信号传送部,将通过输入装置输入的声音信号传送至语音识别服务器;以及
语音识别结果接收部,通过所述语音识别服务器接收对应于所述声音信号的所述语音识别结果。
5.根据权利要求1所述的语音识别系统,其特征在于,还包含语音识别结果生成部,用于生成对应于通过输入装置输入的声音信号的所述语音识别结果。
6.根据权利要求1所述的语音识别系统,其特征在于,所述单词串被选择为,在语音识别服务器中,能够对应匹配于所述声音信号的、具有不同的概率的所有可能的单词串中具有最高概率的单词串。
7.根据权利要求1所述的语音识别系统,其特征在于,所述备选单词被选择为,在语音识别服务器中,在基于所述至少一个单词的开始识别的时刻及完成识别的时刻的时间范围内,从根据所述声音信号识别的不同的单词中的至少一个单词。
8.根据权利要求7所述的语音识别系统,其特征在于,所述不同的单词中的至少一个单词基于针对所述不同的单词中的每个单词所计算的可靠度而被选择。
9.根据权利要求7所述的语音识别系统,其特征在于,所述时间范围通过所述开始识别的时刻和完成识别的时刻以及赋予至所述完成识别的时刻的已选定的允许时间值来确定。
10.一种语音识别系统,其特征在于包含:
语音识别结果生成部,确定对应于声音信号的单词串及针对包含于所述单词串中的至少一个单词的备选单词,用以生成语音识别结果;以及
语音识别结果提供部,向用户终端提供所述语音识别结果,
其中,在所述终端的显示装置中显示所述单词串,
并且,将存在所述备选单词的至少一个单词与所述单词串中的其余单词区别而显示,
且当所述用户在所述终端中选择区别显示的单词时,使区别显示的单词变更为所述备选单词并进行显示,
当用户再次选择变更后的备选单词时,所述单词串显示部将所选择的变更后的备选单词变更为其他备选单词,当不存在其他备选单词时,所述单词串显示部再次显示所述被区别显示的单词。
11.根据权利要求10所述的语音识别系统,其特征在于,提供用于删除显示在所述终端的全部单词串的用户界面,
且当产生通过所述用户界面的用户的输入时,删除显示的全部的单词串。
12.根据权利要求10所述的语音识别系统,其特征在于,当通过所述显示装置显示所述单词串,或者所述单词串从所述终端传送到其他设备时,用于表示所述单词串是通过语音识别而提供的签名与所述单词串一同显示或传送。
13.根据权利要求10所述的语音识别系统,其特征在于,还包含声音信号接收部,以用于通过所述终端接收由所述终端的输入装置输入的声音信号。
14.根据权利要求10所述的语音识别系统,其特征在于,所述语音识别结果生成部在能够对应匹配于所述声音信号的、具有不同概率的所有可能的单词串中选择具有最高概率的单词串作为将包含于所述语音识别结果中的单词串。
15.根据权利要求10所述的语音识别系统,其特征在于,所述语音识别结果生成部在基于所述至少一个单词的开始识别的时刻及完成识别的时刻的时间范围内,从根据所述声音信号识别的不同的单词中选择至少一个单词作为将包含于所述语音识别结果中的备选单词。
16.根据权利要求15所述的语音识别系统,其特征在于,所述不同的单词中的至少一个单词基于针对所述不同的单词中的每个单词所计算的可靠度而被选择。
17.根据权利要求15所述的语音识别系统,其特征在于,所述时间范围通过所述开始识别的时刻和完成识别的时刻以及赋予至所述完成识别的时刻的已选定的允许时间值来确定。
18.一种语音识别方法,其特征在于包含如下步骤:
作为语音识别结果,当提供单词串以及针对包含于所述单词串的至少一个单词的备选单词时,确认所述单词串及所述备选单词;以及
通过显示装置显示所述单词串,且将存在所述备选单词的至少一个单词与所述单词串中的其余单词区别而显示,
其中,在通过显示装置显示所述单词串的步骤中,当用户选择被区别显示的单词时,使被区别显示的单词变更为所述备选单词而显示,
当用户再次选择变更后的备选单词时,所述单词串显示部将所选择的变更后的备选单词变更为其他备选单词,当不存在其他备选单词时,所述单词串显示部再次显示所述被区别显示的单词。
19.一种语音识别方法,其特征在于包含如下步骤:
确定对应于声音信号的单词串及针对包含于所述单词串中的至少一个单词的备选单词,用以生成语音识别结果;以及
向用户终端提供所述语音识别结果,
其中,在所述终端的显示装置中显示所述单词串,
并且,将存在所述备选单词的至少一个单词与所述单词串中的其余单词区别而显示,
且当所述用户在所述终端中选择被区别显示的单词时,使被区别显示的单词变更为所述备选单词而进行显示,
当用户再次选择变更后的备选单词时,所述单词串显示部将所选择的变更后的备选单词变更为其他备选单词,当不存在其他备选单词时,所述单词串显示部再次显示所述被区别显示的单词。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2011-0044613 | 2011-05-12 | ||
KR1020110044613A KR101233561B1 (ko) | 2011-05-12 | 2011-05-12 | 단어 수준의 후보 생성에 기초한 음성 인식 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102779511A CN102779511A (zh) | 2012-11-14 |
CN102779511B true CN102779511B (zh) | 2014-12-03 |
Family
ID=46046025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210063752.3A Active CN102779511B (zh) | 2011-05-12 | 2012-03-12 | 基于单词级别的备选生成的语音识别系统及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9002708B2 (zh) |
EP (1) | EP2523188A1 (zh) |
JP (1) | JP5703256B2 (zh) |
KR (1) | KR101233561B1 (zh) |
CN (1) | CN102779511B (zh) |
Families Citing this family (102)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
US10706373B2 (en) | 2011-06-03 | 2020-07-07 | Apple Inc. | Performing actions associated with task items that represent tasks to perform |
US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
CN103366742B (zh) * | 2012-03-31 | 2018-07-31 | 上海果壳电子有限公司 | 语音输入方法及系统 |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
CN103076893B (zh) * | 2012-12-31 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 一种用于实现语音输入的方法与设备 |
DE212014000045U1 (de) | 2013-02-07 | 2015-09-24 | Apple Inc. | Sprach-Trigger für einen digitalen Assistenten |
US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
JP6259911B2 (ja) | 2013-06-09 | 2018-01-10 | アップル インコーポレイテッド | デジタルアシスタントの2つ以上のインスタンスにわたる会話持続を可能にするための機器、方法、及びグラフィカルユーザインタフェース |
US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
WO2015184186A1 (en) | 2014-05-30 | 2015-12-03 | Apple Inc. | Multi-command single utterance input method |
US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
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 |
US10152299B2 (en) | 2015-03-06 | 2018-12-11 | Apple Inc. | Reducing response latency of intelligent automated assistants |
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 |
US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
US10200824B2 (en) | 2015-05-27 | 2019-02-05 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
DE102015212413A1 (de) * | 2015-07-02 | 2017-01-05 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Auswählen eines Bestandteils einer Spracheingabe |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10740384B2 (en) | 2015-09-08 | 2020-08-11 | Apple Inc. | Intelligent automated assistant for media search and playback |
US10331312B2 (en) | 2015-09-08 | 2019-06-25 | Apple Inc. | Intelligent automated assistant in a media environment |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
US10956666B2 (en) | 2015-11-09 | 2021-03-23 | Apple Inc. | Unconventional virtual assistant interactions |
US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
US11227589B2 (en) | 2016-06-06 | 2022-01-18 | Apple Inc. | Intelligent list reading |
US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
US10474753B2 (en) | 2016-09-07 | 2019-11-12 | Apple Inc. | Language identification using recurrent neural networks |
CN106251869B (zh) | 2016-09-22 | 2020-07-24 | 浙江吉利控股集团有限公司 | 语音处理方法及装置 |
US11204787B2 (en) | 2017-01-09 | 2021-12-21 | Apple Inc. | Application integration with a digital assistant |
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 |
US10395654B2 (en) | 2017-05-11 | 2019-08-27 | Apple Inc. | Text normalization based on a data-driven learning network |
US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
DK180048B1 (en) | 2017-05-11 | 2020-02-04 | Apple Inc. | MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION |
DK201770427A1 (en) | 2017-05-12 | 2018-12-20 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
US11301477B2 (en) | 2017-05-12 | 2022-04-12 | Apple Inc. | Feedback analysis of a digital assistant |
WO2018212951A2 (en) * | 2017-05-15 | 2018-11-22 | Apple Inc. | Multi-modal interfaces |
US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
US10311144B2 (en) | 2017-05-16 | 2019-06-04 | Apple Inc. | Emoji word sense disambiguation |
US10303715B2 (en) | 2017-05-16 | 2019-05-28 | Apple Inc. | Intelligent automated assistant for media exploration |
DK179549B1 (en) | 2017-05-16 | 2019-02-12 | 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 |
KR102371313B1 (ko) * | 2017-05-29 | 2022-03-08 | 삼성전자주식회사 | 사용자 발화를 처리하는 전자 장치 및 그 전자 장치의 제어 방법 |
US10733375B2 (en) | 2018-01-31 | 2020-08-04 | Apple Inc. | Knowledge-based framework for improving natural language understanding |
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 |
US11145294B2 (en) | 2018-05-07 | 2021-10-12 | Apple Inc. | Intelligent automated assistant for delivering content from user experiences |
US10928918B2 (en) | 2018-05-07 | 2021-02-23 | Apple Inc. | Raise to speak |
US10984780B2 (en) | 2018-05-21 | 2021-04-20 | Apple Inc. | Global semantic word embeddings using bi-directional recurrent neural networks |
DK179822B1 (da) | 2018-06-01 | 2019-07-12 | Apple Inc. | Voice interaction at a primary device to access call functionality of a companion device |
DK201870355A1 (en) | 2018-06-01 | 2019-12-16 | Apple Inc. | VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS |
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 |
DK180639B1 (en) | 2018-06-01 | 2021-11-04 | Apple Inc | DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT |
US10504518B1 (en) | 2018-06-03 | 2019-12-10 | Apple Inc. | Accelerated task performance |
US11010561B2 (en) | 2018-09-27 | 2021-05-18 | Apple Inc. | Sentiment prediction from textual data |
US11170166B2 (en) | 2018-09-28 | 2021-11-09 | Apple Inc. | Neural typographical error modeling via generative adversarial networks |
US10839159B2 (en) | 2018-09-28 | 2020-11-17 | Apple Inc. | Named entity normalization in a spoken dialog system |
US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
US11475898B2 (en) | 2018-10-26 | 2022-10-18 | Apple Inc. | Low-latency multi-speaker speech recognition |
US11638059B2 (en) | 2019-01-04 | 2023-04-25 | Apple Inc. | Content playback on multiple devices |
US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
US11475884B2 (en) | 2019-05-06 | 2022-10-18 | Apple Inc. | Reducing digital assistant latency when a language is incorrectly determined |
US11423908B2 (en) | 2019-05-06 | 2022-08-23 | Apple Inc. | Interpreting spoken requests |
US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
US11289073B2 (en) | 2019-05-31 | 2022-03-29 | Apple Inc. | Device text to speech |
DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
DK201970510A1 (en) | 2019-05-31 | 2021-02-11 | Apple Inc | Voice identification in digital assistant systems |
US11496600B2 (en) | 2019-05-31 | 2022-11-08 | Apple Inc. | Remote execution of machine-learned models |
US11360641B2 (en) | 2019-06-01 | 2022-06-14 | Apple Inc. | Increasing the relevance of new available information |
US11227599B2 (en) | 2019-06-01 | 2022-01-18 | Apple Inc. | Methods and user interfaces for voice-based control of electronic devices |
US11488406B2 (en) | 2019-09-25 | 2022-11-01 | Apple Inc. | Text detection using global geometry estimators |
US11810578B2 (en) | 2020-05-11 | 2023-11-07 | Apple Inc. | Device arbitration for digital assistant-based intercom systems |
US11061543B1 (en) | 2020-05-11 | 2021-07-13 | Apple Inc. | Providing relevant data items based on context |
US11183193B1 (en) | 2020-05-11 | 2021-11-23 | Apple Inc. | Digital assistant hardware abstraction |
US11755276B2 (en) | 2020-05-12 | 2023-09-12 | Apple Inc. | Reducing description length based on confidence |
US11490204B2 (en) | 2020-07-20 | 2022-11-01 | Apple Inc. | Multi-device audio adjustment coordination |
US11438683B2 (en) | 2020-07-21 | 2022-09-06 | Apple Inc. | User identification using headphones |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1183607A (zh) * | 1996-10-31 | 1998-06-03 | 微软公司 | 在语音识别过程中显示可变数目的替换单词的方法和系统 |
WO2007101089A1 (en) * | 2006-03-01 | 2007-09-07 | At & T Corp. | Error correction in automatic speech recognition transcipts |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07222248A (ja) | 1994-02-08 | 1995-08-18 | Hitachi Ltd | 携帯型情報端末における音声情報の利用方式 |
US6006183A (en) * | 1997-12-16 | 1999-12-21 | International Business Machines Corp. | Speech recognition confidence level display |
DE19821422A1 (de) * | 1998-05-13 | 1999-11-18 | Philips Patentverwaltung | Verfahren zum Darstellen von aus einem Sprachsignal ermittelten Wörtern |
JP3369121B2 (ja) | 1999-05-20 | 2003-01-20 | 日本電気株式会社 | 音声認識方法および音声認識装置 |
KR20040008546A (ko) * | 2002-07-18 | 2004-01-31 | 엘지전자 주식회사 | 연속 음성인식 기기의 오인식 수정 방법 |
US8095364B2 (en) * | 2004-06-02 | 2012-01-10 | Tegic Communications, Inc. | Multimodal disambiguation of speech recognition |
US8275618B2 (en) * | 2004-12-22 | 2012-09-25 | Nuance Communications, Inc. | Mobile dictation correction user interface |
US20060149551A1 (en) * | 2004-12-22 | 2006-07-06 | Ganong William F Iii | Mobile dictation correction user interface |
US20060293889A1 (en) * | 2005-06-27 | 2006-12-28 | Nokia Corporation | Error correction for speech recognition systems |
US8473295B2 (en) * | 2005-08-05 | 2013-06-25 | Microsoft Corporation | Redictation of misrecognized words using a list of alternatives |
US7941316B2 (en) * | 2005-10-28 | 2011-05-10 | Microsoft Corporation | Combined speech and alternate input modality to a mobile device |
US7949536B2 (en) * | 2006-08-31 | 2011-05-24 | Microsoft Corporation | Intelligent speech recognition of incomplete phrases |
US8352261B2 (en) * | 2008-03-07 | 2013-01-08 | Canyon IP Holdings, LLC | Use of intermediate speech transcription results in editing final speech transcription results |
JP2009098490A (ja) | 2007-10-18 | 2009-05-07 | Kddi Corp | 音声認識結果編集装置、音声認識装置およびコンピュータプログラム |
US20090326938A1 (en) * | 2008-05-28 | 2009-12-31 | Nokia Corporation | Multiword text correction |
JP5244663B2 (ja) | 2009-03-18 | 2013-07-24 | Kddi株式会社 | 音声によってテキストを入力する音声認識処理方法及びシステム |
JP5364412B2 (ja) | 2009-03-26 | 2013-12-11 | 富士通テン株式会社 | 検索装置 |
US20100315266A1 (en) * | 2009-06-15 | 2010-12-16 | Microsoft Corporation | Predictive interfaces with usability constraints |
US8782556B2 (en) * | 2010-02-12 | 2014-07-15 | Microsoft Corporation | User-centric soft keyboard predictive technologies |
EP2545426A4 (en) * | 2010-03-12 | 2017-05-17 | Nuance Communications, Inc. | Multimodal text input system, such as for use with touch screens on mobile phones |
-
2011
- 2011-05-12 KR KR1020110044613A patent/KR101233561B1/ko active IP Right Grant
-
2012
- 2012-03-12 CN CN201210063752.3A patent/CN102779511B/zh active Active
- 2012-05-08 US US13/466,700 patent/US9002708B2/en active Active
- 2012-05-08 JP JP2012106776A patent/JP5703256B2/ja active Active
- 2012-05-11 EP EP12167745A patent/EP2523188A1/en not_active Ceased
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1183607A (zh) * | 1996-10-31 | 1998-06-03 | 微软公司 | 在语音识别过程中显示可变数目的替换单词的方法和系统 |
WO2007101089A1 (en) * | 2006-03-01 | 2007-09-07 | At & T Corp. | Error correction in automatic speech recognition transcipts |
Also Published As
Publication number | Publication date |
---|---|
US9002708B2 (en) | 2015-04-07 |
JP5703256B2 (ja) | 2015-04-15 |
KR101233561B1 (ko) | 2013-02-14 |
CN102779511A (zh) | 2012-11-14 |
US20120290303A1 (en) | 2012-11-15 |
JP2012237997A (ja) | 2012-12-06 |
KR20120126641A (ko) | 2012-11-21 |
EP2523188A1 (en) | 2012-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102779511B (zh) | 基于单词级别的备选生成的语音识别系统及方法 | |
CN110751940B (zh) | 一种生成语音包的方法、装置、设备和计算机存储介质 | |
CN108810642B (zh) | 一种弹幕显示方法、装置及电子设备 | |
CN103035240A (zh) | 用于使用上下文信息的语音识别修复的方法和系统 | |
CN104333783B (zh) | 一种制订任务的点播方法及系统、相关设备 | |
JP2018525751A (ja) | 音声及びビデオ通話のためのインタラクティブ制御方法及び装置 | |
JPWO2013065165A1 (ja) | アプリケーションソフトウェアを生成するシステム | |
CN107562723A (zh) | 会议处理方法、介质、装置和计算设备 | |
CN109089172B (zh) | 一种弹幕显示方法、装置及电子设备 | |
CN106340308A (zh) | 语音答复方法及装置 | |
CN107943914A (zh) | 语音信息处理方法和装置 | |
CN104751847A (zh) | 一种基于声纹识别的数据获取方法及系统 | |
WO2016136207A1 (ja) | 音声対話装置、音声対話システム、音声対話装置の制御方法、および、プログラム | |
CN109326284A (zh) | 语音搜索的方法、装置和存储介质 | |
CN110856272A (zh) | 网络连接方法、装置及设备 | |
KR101379405B1 (ko) | 키워드 음성 인식을 통해 관련 어플리케이션을 실행시키는 음성 통화 처리 방법 및 이를 실행하는 모바일 단말 | |
CN104090915B (zh) | 用户数据更新方法及装置 | |
CN112349287A (zh) | 显示设备及其控制方法、从设备及计算机可读存储介质 | |
JP4700431B2 (ja) | ユーザ認証装置及び方法 | |
JP7073797B2 (ja) | 情報処理プログラム、情報処理方法及び情報処理装置 | |
JP7117228B2 (ja) | カラオケシステム、カラオケ装置 | |
WO2015194613A1 (ja) | 共有体験情報構築システム | |
CN110931014A (zh) | 基于正则匹配规则的语音识别方法及装置 | |
CN104965650A (zh) | 公共场所显示设备的控制方法及装置 | |
CN110880326B (zh) | 语音交互系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |