CN103176965A

CN103176965A - 一种基于语音识别的翻译辅助系统

Info

Publication number: CN103176965A
Application number: CN 201110432830
Authority: CN
Inventors: 顾健
Original assignee: Shanghai Bolu Information Technology Co Ltd
Current assignee: Shanghai Bolu Information Technology Co Ltd
Priority date: 2011-12-21
Filing date: 2011-12-21
Publication date: 2013-06-26

Abstract

本发明公开了一种基于语音识别的翻译辅助系统，包含终端语音采集模块，接口模块，语音识别模块，翻译引擎模块等。本发明通过终端获取用户朗读的需要翻译的内容的语音，在终端或系统进行语音内容的识别并对识别结果进行处理，处理后将识别的文本请求系统在线翻译引擎服务进行翻译，并将翻译的结果返回给终端，终端对系统翻译结果进行解析和处理并在用户的终端显示界面叠加显示或以语音方式进行播放。通过终端采集用户语音并进行识别后并基于系统的翻译服务进行翻译，提供了一种基于语音识别的翻译辅助系统的业务体验。

Description

一种基于语音识别的翻译辅助系统

技术领域

本发明涉及移动终端，语音识别等技术领域，特别是指一种基于语音识别的翻译辅助系统。

背景技术

随着终端技术、软件技术的发展，特别是智能终端、语音识别技术和软件技术的发展，为一种基于语音识别的翻译辅助系统提供了可行性。

用户在阅读外文资料时，可能在阅读过程中遇到部分不认识的单词或者理解语句的含义，传统方式是在手工翻阅外文词典或在电脑上手工输入对应的单词或语句获取翻译结果，对阅读流程产生了干扰，用户需离开当前的阅读过程进行查阅等操作，而通过终端实时采集用户朗读的语音获取和识别用户语音对象包含的内容，并进行语音内容的识别后以识别结果发起翻译服务的请求，翻译功能模块实时翻译用户的单词或语句，并将获取的结果在用户终端界面上叠加显示或者以语音方式进行播放，用户随即可以获取到对应的翻译内容，并随着用户朗读语音的延续不断更新翻译文本，达到了辅助用户进行阅读的作用。

有鉴于此，本发明的目的在于提出一种简单易行，通过终端采集用户语音和识别的一种基于语音识别的翻译辅助系统。

发明内容

从上面所述可以看出，本发明提供的一种基于语音识别的翻译辅助系统，通过终端采集用户朗读的需要翻译的单词或语句的语音并识别其包含的文字内容，基于这些内容进行在线翻译请求获取翻译结果并在终端界面上提供翻译结果，实现了一种基于语音识别的翻译辅助系统。

进一步的，通过所提供的一种基于语音识别的翻译辅助系统为一种用户阅读辅助业务的发展提供有力保障，满足用户各方要求，提升用户友好体验。

为实现上述目的，本发明的一个方面提供了一种基于语音识别的翻译辅助系统，该方法包括：

通过终端采集用户朗读的需要翻译的内容的语音数据，在终端或系统进行语音内容的识别和内容的处理后请求系统的在线翻译服务进行翻译，系统将翻译的结果返回给终端，终端对系统翻译的数据进行解析和处理并在用户的终端显示界面叠加显示或以语音方式进行播放。

终端通过终端语音设备采集用户需要进行翻译的内容的语音，获取其原始语音数据并进行压缩等处理作为数据源，进行语音的文本识别，获取其包含的文本。

本发明提供的一种基于语音识别的翻译辅助系统的一个实施例中，该方法还包括：

终端获取采集的用户感兴趣的内容部分的语音后，通过终端本地识别语音对应的内容或基于远程服务调用方式请求系统端提供的语音识别服务进行语音文本识别，并获得系统返回的识别结果。

系统以在线服务方式开放语音识别服务接口，终端侧通过提供本地采集的原始音频内容并发起远端语音识别服务的请求，系统端获取对应的识别请求以及压缩的原始音频数据后即可执行对应的识别服务。

系统端的翻译功能以在线服务形式进行开放，终端通过系统开放的翻译接口，发起获取文本的翻译请，系统的在线翻译引擎获取用户的翻译请求消息后解析其中的各个参数进行翻译并将翻译结果推送给终端显示在终端应用界面上。

翻译引擎模块包含了多种语言的识别和翻译能力以及各种语言的词库以及对自然语言的解析能力，提供单词到自然语句的各种语言的翻译，用户消息包含了用户翻译语言的参数，翻译引擎解析用户请求参数后识别用户的语言翻译要求并执行对应的翻译服务获取不同语言的翻译版本。

终端获取到翻译引擎返回的翻译结果，显示在用户的阅读界面上以迭加窗口方式显示或以语音方式进行播放，用户随即可以查阅或听到对应内容的各种有关信息。

终端随着用户的朗读语音的延续不断更新的识别和请求翻译，并根据更新和识别参数不断识别和翻译对应的文本并更新用户终端上的翻译信息显示，实现了随用户朗读语音的延续和变化不断更新对应部分的相关内容。

具体来说具有以下优点：

使用方便：

用户通过朗读需要翻译的内容并通过终端采集用户对应的语音，即可完成对应语音内容的识别和关于这部分内容的对应的翻译信息，使用简单快捷。

实时翻译辅助信息：

终端采集用户朗读的感兴趣的内容部分，对应内容部分的相关的翻译的内容即可即时叠加显示在用户终端界面上，并随着用户朗读的延续不断更新对应的显示内容，实现一边朗读一边显示对应结果的显示效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明系统模块结构的示意图。

图2为本发明语音识别流程示意图。

图3为本发明业务流程示意图。

具体实施方式

下面参照附图对本发明进行更全面的描述，其中说明本发明的示例性实施例。

为实现上述目的，提出了一种基于语音识别的翻译辅助系统。

以下通过结合附图，对本发明的实施方式进行描述。

实现一种基于语音识别的翻译辅助系统的关键点如下：

语音采集和识别：

终端采集用户朗读的语音并压缩成系统接收的音频格式，通过终端自身的语音识别能力模块或系统以服务形式开放的语音识别服务进行识别，获取语音中包含的文字内容。

在线语音识别服务：

系统将系统端的语音识别能力进行封装并以服务形式进行开放，为部分不具备本地语音识别的终端提供语音识别的能力，终端通过访问系统服务的方式获取语音识别的能力。

在线翻译服务：

系统的翻译服务功能以服务形式进行开放，用户按照系统协商的翻译服务接口的形式和调用方式，通过互联网络远程发起翻译的服务请求，系统获取用户的翻译请求并解析其中的翻译请求参数和语音数据，将用户的语音翻译成用户请求的对应的语言版本的结果并返回其翻译内容。

叠加更新：

终端获取翻译结果后，将翻译结果在用户的应用界面以层叠方式叠加显示或以语音方式进行播放，用户随即可以获取到翻译结果，并随着用户朗读的延续，不断更新用户辅助信息的内容，实现即读即得的显示效果。

主要功能模块

如图1所示，一种基于语音识别的翻译辅助系统的结构主要包括：

终端侧和系统侧：终端侧可独立完成全部的功能，根据终端的能力，可选后台系统提供服务，为不具备本地语音识别能力的终端进行服务，包含语音识别服务以及内容处理等功能。

模块组成：

终端硬件100：

终端侧相机硬件部分，提供终端基本软硬件功能，包含语音采集获取原始的音频数据的功能。

日志模块101：

记录用户在终端侧的业务操作等活动数据并以日志方式保存在终端。

逻辑模块102：

终端侧的业务逻辑流程的控制和执行，调用其他逻辑功能模块并与其进行交互完成各种业务逻辑功能。

语音采集模块103：

通过终端的语音硬件采集用户语音数据，并将采集后的原始语音数据压缩为系统协定的语音数据格式并提供给其他功能逻辑模块，如识别模块。

识别模块104：

终端侧的语音识别模块，根据终端软件和硬件能力在终端可选安装的识别功能模块，负责识别语音采集模块采集的语音数据并提供识别结果到其他功能模块。

服务请求模块105：

终端侧在需要系统功能支持的情况下，如本地不支持语音识别的情况下，通过系统开放的服务，服务请求模块发起对系统服务的请求，完成各种功能。

内容处理及显示模块106：

终端对获取的识别内容进行解析和处理，包含对语音识别的内容和翻译的内容结果的处理和显示，对语音识别结果，内容处理模块完成挑选和截取语音内容的所包含的完整的语句等功能，对翻译结果，内容处理模块完成对翻译结果以及内容显示的格式处理，并在处理完毕后，在用户的应用界面上叠加显示或以语音播放的方式提供给用户。

管理配置模块107：

终端用户进行业务配置和数据管理，用户通过管理模块对业务的数据和业务的配置进行设置。

接口模块108：

终端侧与系统进行交互的模块，通过接口与系统进行各种协议的交互以及消息的收发，按照协议接口参数发起请求和接收系统的各种推送消息。

传输通道109：

提供数据传输的实际的物理通道，可以是无线宽带网和移动数据网络，包含各个移动通信的数据信道，WIFI，固定宽带等。

系统接口模块110：

系统侧与终端进行交互的模块，与终端进行通信，提供各种接口供终端进行系统的访问，按照协商的协议进行数据传输，将数据发送给终端和接收终端的请求数据。

日志模块111：

将系统的各种操作的信息记录到系统日志，并提供给用户进行查询。

数据库112：

系统端提供数据存储以及各种基于数据库的各种功能，如数据触发器、函数等逻辑功能的数据系统。

业务逻辑模块113：

负责系统端的对应各个业务逻辑的执行和逻辑设置、保存等功能，调用各个功能模块完成业务流程和处理各种业务请求逻辑。

消息模块114：

系统与终端进行消息的交互，处理终端的请求消息，构造系统端与终端交互的各种消息，根据交互的协议和接口协议方式构造各种消息数据并提供给接口进行消息的传递。

安全模块115：

负责用户身份验证和安全设置相关的各种功能，包含验证终端用户身份和属性，加密和解密各种消息数据等功能。

语音识别服务模块116：

系统端提供的语音识别服务的功能模块，为不具备语音识别能力的终端提供语音识别功能，通过接口服务开放给终端。

系统识别处理模块117：

系统端对获取的识别结果的内容进行解析和处理，按照其中包含的识别的语句片段生成对应的语句文本，去除或标记识别结果中可能包含的错误解码的字符或给出系统的提示。

管理模块118：

系统的管理功能部分，对系统进行综合管理，包含用户管理，逻辑流程管理，业务参数，系统参数配置等各种管理功能。

系统门户119：

系统用户登入门户的系统的门户，提供用户使用系统的界面和各种业务流程的承载。

翻译引擎120：

翻译引擎位于系统端或终端，内置大量各个语言的词汇，语句的数据，以及基于智能用户自然语言的翻译分析服务，通过开放的服务接口形式提供终端各种语言的识别和在线翻译服务，并通过接口响应消息返回翻译的结果。

图2示为本发明语音识别流程示意图。

如图所示，该流程包含了以下步骤：

1) 用户使用终端采集用户朗读的感兴趣的内容部分的语音数据；

2) 终端判断识别方式，包含终端本地语音识别或系统语音识别；

3) 识别对应的语音文本后，对语音识别文本进行处理和解析，获取其语音组成的对应的多个文本并对可能的错误进行纠错的建议；

下面举一个例子来说明本发明用户通过终端阅读辅助系统使用业务的流程，如图3所示，该实施例中，业务包括以下步骤：

步骤1：终端用户使用终端采集用户朗读感兴趣的内容的语音；

步骤2：终端获取语音数据，在终端或请求系统语音识别服务进行识别；

步骤3：终端获取识别后的文本并进行必要的处理，获取其中包含的各个完整语句片段文本；

步骤5.以获取的识别结果为翻译原文本发起翻译服务请求；

步骤6. 系统接收到终端的翻译请求，将用户请求消息中的文本翻译成对应的语言并将翻译结果推送给终端；

步骤7.终端将获取的结果在用户的应用界面叠加显示或以语音方式进行播放，用户随即可以获取到对应的内容。

本发明的描述是为了示例和说明起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims

1.一种基于语音识别的翻译辅助系统，其特征在于，通过终端采集用户朗读的需要翻译的内容的语音数据，在终端或系统进行语音内容的识别和内容的处理后请求系统的在线翻译服务进行翻译，系统将翻译的结果返回给终端，终端对系统翻译的数据进行解析和处理并在用户的终端显示界面叠加显示或以语音方式进行播放。

2.如权利要求1所述，通过终端采集用户朗读的需要翻译的内容，获取用户需翻译的内容的语音数据，其特征在于，终端通过终端语音设备采集用户需要进行翻译的内容的语音，获取其原始语音数据并进行压缩等处理作为数据源，进行语音的文本识别，获取其包含的文本。

3.如权利要求1所述，终端通过终端语音设备采集用户需要翻译的内容并发起语音的识别，其特征在于，获取采集的用户感兴趣的内容部分的语音后，通过终端本地识别语音对应的内容或基于远程服务调用方式请求系统端提供的语音识别服务进行语音文本识别，并获得系统返回的识别结果。

4.如权利要求1所述，终端或系统进行语音内容的识别后进行内容的翻译，其特征在于，系统以在线服务方式开放语音识别服务接口，终端侧通过提供本地采集的原始音频内容并发起远端语音识别服务的请求，系统端获取对应的识别请求以及压缩的原始音频数据后即可执行对应的识别服务。

5.如权利要求1所述，在终端或系统进行内容的识别后请求系统的在线翻译服务进行翻译，其特征在于，系统端的翻译功能以在线服务形式进行开放，终端通过系统开放的翻译接口，发起获取文本的翻译请，系统的在线翻译引擎获取用户的翻译请求消息后解析其中的各个参数进行翻译并将翻译结果推送给终端显示在终端应用界面上。

6.如权利要求5所述，终端通过翻译引擎获取对应内容的翻译结果，其特征在于，翻译引擎模块包含了多种语言的识别和翻译能力以及各种语言的词库以及对自然语言的解析能力，提供单词到自然语句的各种语言的翻译，用户消息包含了用户翻译语言的参数，翻译引擎解析用户请求参数后识别用户的语言翻译要求并执行对应的翻译服务获取不同语言的翻译版本。

7.如权利要求5所述，终端请求系统的在线翻译服务进行翻译，其特征在于，终端获取到翻译引擎返回的翻译结果，显示在用户的阅读界面上以迭加窗口方式显示或以语音方式进行播放，用户随即可以查阅或听到对应内容的各种有关信息。

8.如权利要求7所述，终端获取翻译引擎的翻译结果并显示在终端，其特征在于，终端随着用户的朗读语音的延续不断更新的识别和请求翻译，并根据更新和识别参数不断识别和翻译对应的文本并更新用户终端上的翻译信息显示，实现了随用户朗读语音的延续和变化不断更新对应部分的相关内容。