CN103761968A - 具有并行识别任务的语音识别 - Google Patents

具有并行识别任务的语音识别 Download PDF

Info

Publication number
CN103761968A
CN103761968A CN201310582554.2A CN201310582554A CN103761968A CN 103761968 A CN103761968 A CN 103761968A CN 201310582554 A CN201310582554 A CN 201310582554A CN 103761968 A CN103761968 A CN 103761968A
Authority
CN
China
Prior art keywords
srs
recognition
recognition result
confidence
result
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
CN201310582554.2A
Other languages
English (en)
Other versions
CN103761968B (zh
Inventor
布莱恩·斯特罗普
弗朗索瓦丝·博费
奥利维尔·西奥汉
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.)
Google LLC
Original Assignee
Google LLC
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 Google LLC filed Critical Google LLC
Publication of CN103761968A publication Critical patent/CN103761968A/zh
Application granted granted Critical
Publication of CN103761968B publication Critical patent/CN103761968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems
    • 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
    • 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
    • G10L15/01—Assessment or evaluation of speech recognition systems
    • 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
    • G10L15/26—Speech to text systems
    • 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
    • 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
    • G10L15/34—Adaptation of a single recogniser for parallel processing, e.g. by use of multiple processors or cloud computing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Telephonic Communication Services (AREA)
  • Machine Translation (AREA)
  • Time-Division Multiplex Systems (AREA)

Abstract

本发明涉及具有并行识别任务的语音识别。除其他之外，本说明书的主题可以具体化为一种方法，其包括接收音频信号并且发起多个语音识别系统（SRS）的语音识别任务。每个SRS被配置为生成指定音频信号中包括的可能语音的识别结果和指示语音结果的正确性的置信度的置信度值。该方法还包括完成语音识别任务的一部分，包括生成一个或多个识别结果和关于一个或多个识别结果的一个或多个置信度值，确定一个或多个置信度值是否满足置信度阈值，中止未完成生成识别结果的SRS的剩余部分的语音识别任务，并且基于所生成的一个或多个语音结果中的至少一个输出最终识别结果。

Description

具有并行识别任务的语音识别
分案说明
本申请属于国际申请日为2009年7月2日、国际申请号为PCT/US2009/049604的PCT国际申请进入中国国家阶段后的申请号为200980134034.7的中国专利申请的分案申请。
技术领域
本申请涉及语音识别。
背景技术
许多应用受益于接收以语音命令或询问形式的输入。对于在诸如蜂窝电话的移动设备上运行的应用特别如此，其中通过小键盘或者用户手指操纵的其他设备进行输入可能因设备的减小的尺寸而是困难的。类似地，如果移动设备用于访问在另一设备（例如，电子邮件服务器、地图/路线服务器或者电话簿服务器）上运行的应用，则向应用传送语音命令而非通过小键盘等输入命令对于用户可能是更加容易的。
为了使应用对口头输入起作用，语音识别器可以将口头输入转换为由应用使用的符号表示。一些当前的语音识别器可以使用尝试识别口头输入中的可能语音的单个识别系统。使用单个语音识别系统可能将语音识别的准确性限制于与单个语音识别系统相关联的准确性。其他当前的语音识别器可以使用连续的语音识别，其中对口头输入执行两轮或更多轮以确定口头输入最可能表示的语音。多轮的使用可能增加生成最终语音识别结果所需要的时间。
在其他当前的语音识别器中，多个语音识别系统均可以完全处理口头输入并且随后输出结果。由于处理时间的长度由最慢的语音识别系统（和/或由执行语音识别算法的最慢的计算机）确定，因此这种多个语音识别系统的使用也可能增加生成最终结果所需要的时间。
发明内容
一般地，本文描述了并行使用多个语音识别系统（SRS）来识别语音，但是如果所生成的识别结果满足所期望的阈值，则在完成之前中止（abort）一些SRS。例如，每个SRS可能在执行语音识别任务时具有不同的延时和准确性。如果具有较低延时的SRS输出语音识别结果和表述结果中的高置信度的置信度值，则可以中止剩余的SRS执行的语音识别任务。如果置信度值相对于置信度阈值过低，则可以允许更多的SRS生成结果。如果这些结果满足置信度阈值，则可以中止仍未完成语音识别任务的SRS，等等。
在第一一般方面，描述了一种计算机实现的方法。该方法包括接收音频信号并且发起多个语音识别系统（SRS）的语音识别任务。每个SRS被配置为生成指出音频信号中包括的可能语音的识别结果和指示语音结果的正确性的置信度的置信度值。该方法还包括完成一部分语音识别任务，包括生成一个或多个识别结果和关于一个或多个识别结果的一个或多个置信度值，确定一个或多个置信度值是否满足置信度阈值，对于未生成识别结果的SRS中止剩余部分的语音识别任务，并且基于所生成的一个或多个语音结果中的至少一个输出最终识别结果。
在第二一般方面，描述了一种系统，其包括多个语音识别系统，所述多个语音识别系统发起用于识别编码在接收到的音频信号中的可能语音的语音识别任务。每个语音识别系统（SRS）被配置为生成识别结果和指示识别结果的正确性的置信度的置信度值。该系统还包括识别管理模块，用于在SRS生成识别结果时接收识别结果并且接收与所生成的识别结果相关联的置信度值。如果接收到的置信度值中的一个或多个满足置信度阈值，则识别管理模块中止由未生成识别结果的SRS进行的未完成的语音识别任务。该系统包括接口，用于传送基于所生成的识别结果的置信度值选择的最终识别结果。
在第三一般方面，描述了一种系统，其包括多个语音识别系统，所述多个语音识别系统发起对于接收的音频信号的语音识别任务，每个语音识别系统（SRS）被配置为生成识别音频信号中的可能语音的识别结果和指示识别结果的正确性的置信度的置信度值。该系统包括用于以下的装置：在SRS生成一个或多个识别结果时，从每个SRS接收一个或多个识别结果和一个或多个相应的置信度值，如果接收到的置信度值中的一个或多个满足置信度阈值，则中止由未生成识别结果的SRS进行的未完成的语音识别任务，并且基于所生成的识别结果的置信度值选择最终识别结果。该系统还包括用于传送表示音频信号中的可能语音的最终识别结果的接口。
这里描述的系统和技术可以提供以下优点中的一个或多个。首先，并行地使用多个语音识别系统对音频解码的系统可以提供延时和准确性的改进的联合优化，因为如果接收到令人满意的结果，则可以允许中止未完成的识别任务。此外，使用多个识别系统的系统可以改进拒绝率（即，使拒绝率降低）。系统还可以通过比较多个识别系统输出的识别结果来增加准确性。还可以提供用于缩放（例如，增加）用于提供增加的识别性能的计算资源量的框架。
在附图和下面的描述中阐述了一个或多个实施例的细节。根据描述和附图以及权利要求，其他特征和优点将是显然的。
附图说明
图1是用于识别语音的示例系统的示图。
图2是用于对嵌入在音频传送中的语音解码的示例系统的更详细的示图。
图3是用于使用并行解码来识别语音的示例方法的流程图。
图4A-C示出了图示示例语音识别任务的执行的示图。
图5A-C是SRS生成的示例识别结果和置信度值以及选择最终识别结果的不同方法的示图。
图6是用于对在最终识别结果的选择中使用的值加权的置信度值的分布的示例曲线图。
图7A-E是示出SRS输出的示例识别结果集合和可用于对识别结果加权的集合之间的相关性的Venn（维恩）示图。
图8A和8B是图示在语音解码系统的运行操作期间SRS之间的交集如何调整或改变的Venn示图。
图9是图示在与识别结果相关联的SRS错误率和权重之间的示例相关性的曲线图。
图10是可用于实现本文中描述的系统和方法的计算设备的框图。
各附图中相同的附图标记指示相同的元素。
具体实施方式
本文描述了用于使用多个语音识别系统（SRS）对话语解码的系统和技术。在一些实现方式中，每个SRS具有不同的特性，诸如准确性、延时、词典等，从而多个SRS中的一些SRS在其他SRS之前输出识别结果。如果输出的识别结果满足某些要求（例如，所生成的结果中的一个或多个与满足或超过阈值置信度的指定置信度值相关联），则语音解码系统可以在剩余的SRS完成它们的语音识别任务之前中止它们。
图1是用于识别语音的示例系统100的示图。一般地，系统100包括处理从例如蜂窝电话接收到的音频信号的多个SRS。在该示例中，用户呼叫具有语音功能的电话簿服务，其将包含用户语音的音频信号转发到具有多个SRS的语音识别器。
多个SRS可以并行处理音频信号，但是一些SRS可以在其他SRS之前生成识别结果。如果生成识别结果的SRS表达这些结果中的足够高的置信度，则可以中止剩余的未完成的语音识别任务并且可以基于当前生成的识别结果确定最终识别结果，而非等待所有SRS完成它们的语音识别任务。
示例系统100包括蜂窝电话102，其将以音频信号104的形式输入的语音传送到具有语音功能的电话簿信息服务器106，其允许蜂窝电话用户口头请求电话簿信息并且以所请求的信息作出响应。
在图1的示例中，信息服务器106将音频信号104传送到用于对嵌入在音频信号104中的语音解码的语音识别器108。在一些应用中，语音识别器108包括多个SRSA-E，其并行操作以对音频信号104中的语音解码。
语音识别系统（SRS）管理模块110监视任何SRS是否已生成识别结果并且收集与这些结果相关联的置信度值。该监视在示图112中示出，其示出了SRS的并行执行。示图112示出了SRSA首先生成具有0.3的置信度值的识别结果。接着，SRSE生成具有0.6的置信度值的识别结果。稍后，SRSB生成具有0.8的置信度值的识别结果。由于在该实现方式中，SRSB生成的识别结果具有满足预定置信度阈值的置信度值，因此SRS管理模块110可以在SRSB生成识别结果之后中止SBSC,D执行的剩余的语音识别任务。
在一些实现方式中，SRS管理模块110中的最终结果选择模块113可以选择最终识别结果114以输出到具有语音功能的电话簿信息服务器106。例如，SRS管理模块110可以基于由已完成语音识别任务的SRSA,B,E输出的所生成的识别结果和相关联的置信度值116的集合来选择最终识别结果。在一些实现方式中，最终识别结果114是从音频信号104解码的可能语音的符号表示。例如，电话簿信息服务器106可以提示用户说出城市和州的名称。所说的城市和州名称可以被编码在从蜂窝电话102的用户接收的音频信号104中并且由语音识别器108解码。在一些实现方式中，最终结果是解码器已确定的音频信号104最可能表示的语音。
SRS输出的置信度值116可以根据若干种方法生成。在一些实现方式中，第一SRS可以生成关于话语识别的若干假设或猜想。靠前生成的假设可以与SRS生成的竞争假设比较并且置信度值可以基于靠前生成的假设和竞争假设之间的识别分值的差异而变化。
在另一示例中，第一识别结果的置信度值可以基于识别结果的生成中或者前端信号分析的计算中使用的信号或特性。例如，信号可以包括搜索中使用的多个竞争假设或者探测搜索曲线的密度，前端示例可以包括估计的信噪特性，或者基于与现有的那些信道类型的模型的匹配的估计的信道类型（例如，免持vs.蜂窝vs.陆线）。这些信号的组合可以基于保存的数据有条件地优化。
还可以作为来自声学模型和语言模型的分值的非线性组合来估计置信度。例如，给定最靠前的假设，系统可以提取分立的语言模型分值（例如，在处理任何语音之前的关于所识别的结果的先验估计），和声学模型分值（例如，该话语与最靠前结果所关联的声学单元的匹配程度）。这样系统可以作为对保存的数据进行有条件优化的这两个分值的非线性组合来估计总置信度结果。
除了分值之外，可用于使置信度优化的另一信号基于经过语言模型的路径的类型。例如，对于n-gram语言模型，当系统未遇到特定的3词序列时，系统可以“回退”，或者从系统遇到的2词序列来估计关于3词序列的先验。针对给定假设对搜索必须经历回退估计的次数进行计数提供了可以在有条件地估计关于给定话语的置信度时使用的另一信号。
在其他实现方式中，置信度值可以是识别结果是正确的后验概率。在一些实现方式中，可以基于格阵密度计算来计算后验概率。在其他示例中，可以使用语音的不太特定的声学模型，诸如收发话器回路，或者利用比主声学模型的参数少的参数训练的所有语音gmm，通过将最靠前假设与所有语音的更一般的模型比较来确定后验概率。所有这些关于置信度的后验估计的方法在本领域中是公知的，这些估计的组合也是公知的。
在一些实现方式中，使用多种技术来计算置信度值。例如，置信度值基于后验概率以及相比于在语音识别任务期间生成的其他识别结果的结果的相似性。
选择模块113可以将最终识别结果114传送到接口118，其进而可以将最终识别结果114传送到具有语音功能的电话簿信息服务器106。在一些实现方式中，接口118使用API的集合，其与在信息服务器126处执行的软件对接。例如，信息服务器126可以执行软件，其具有用于输入城市、州和企业名称的文本表示的公共方法。在其他实现方式中，接口118可以包括联网协议（例如，TCP/IP）用于在网络上向信息服务器126传送信息。
尽管图1示出了分立的计算设备上的电话簿信息服务器106和语音识别器，但这不是必需的。在一些实现方式中，这两个系统可以在单个计算设备上实现。相似地，可以使用若干个计算设备实现每个系统。例如，可以使用如图2中示出的一个或多个计算机实现每个SRS。
图2是用于对嵌入在音频传送中的语音解码的示例系统200的示图。出于说明的目的，系统200被分为两个部分：音频传送部分202和语音识别器部分204。音频传送部分202示出了用于将音频信号从用户传送到应用服务器的示例架构。语音识别器部分204示出了用于解释或解码音频传送表示的语音的示例架构。在该实现方式中，代表应用服务器执行解码，并且解码的语音被传送回应用服务器，用于在处理用户请求时使用。
在一些实现方式中，系统200，音频传送部分202包括诸如蜂窝电话206的电话设备，其在网络（例如，POTS、蜂窝、互联网等）上向电话服务器212传送音频信号208。电话服务器可以将音频传送到诸如软件应用服务器214的另一计算设备或者直接传送到随后描述的语音识别系统。
软件应用服务器214可以包括用户正在与其进行口头交互的软件应用。例如，软件应用服务器可以是日历应用。用户可以呼叫日历应用并且请求日历应用创建2012年5月16日的下午1:30到下午2:00的事件。软件应用服务器214可以将接收到的请求事件创建的口头输入转发到语音识别器部分204用于解码。
在一些实现方式中，语音识别器部分204包括语音识别系统SRSA-D和语音识别系统（SRS）管理模块，其可以协调SRS用于在确定音频信号208最可能表示什么话语时使用。
每个SRS可以在一个或多个方面不同。在一些实现方式中，SRS可以因它们底层声学模型而不同。例如，不同的声学模型可以针对特定的条件，例如用户的性别、口音、年龄范围或者特定的背景和前景噪声条件或者特定的传送信道。声学模型还可以因它们的架构和尺寸而变化，例如具有较少参数的较小的模型可以产生较快的识别，而具有较多参数的较大的模型可以产生更准确的结果。在其他示例中，声学模型可以因它们的训练过程而不同（例如，可以使用不同的随机化训练集合来训练模型或者可以使用不同的训练算法）。
在一些实现方式中，SRS可以因它们的语言模型而不同。例如，模型可以针对不同类型的数据，例如特定不同域的语言模型、不同的粒度或者不同的地理位置。在另一示例中，模型可以因它们的架构、尺寸、训练过程等而不同。
在其他实现方式中，SRS可以因其他组件而不同，诸如结束指针、前端、词典、置信度估计算法、搜索配置等。
出于说明目的，图2中示出了用于SRSD的语言模型252、声学模型254和语音识别算法256。
在一些实现方式中，当SRS管理模块250接收音频信号208时，其发起如下过程，通过该过程并行使用两个或更多个SRS来识别进入的话语。例如，通过四个SRS（SRSA-D）并行执行四个语音识别任务以试图识别由音频信号208表示的同一话语。
在一些实现方式中，每个SRS可以具有特定延时。延时可以取决于SRS架构（例如，声学模型、语言模型或者其他组件），但是其也可以基于语音识别任务的特定实例而变化。例如，如果SRS具有指示话语将落在某组词（例如，是、否、不是、是的、肯定、否定、决不、叫喊等）中的信息，则关于特定模型的延时可以比SRS不具有指示其中讲出话语的约束上下文（例如，话语不在是或否问题的上下文中）的信息时的延时短。
在一些实现方式中，每个SRS在完成其语音识别任务之后输出识别结果（例如，SRS确定进入的话语说出了什么），以及SRS有多确信其结果的正确性的度量。
在一些实现方式中，SRS管理模块250具有识别结果监视器258，其跟踪SRS生成的识别结果262。结果监视器258还可以监视与识别结果262相关联的置信度值264或者分值。
在一些实现方式中，结果监视器258可以计算关于每个识别结果的组合置信度分值。例如，SRSA和SRSB可以生成关于进入的话语的识别结果“5月16日”。SRSA可以使其结果与置信度值0.8相关联而SRSB可以使其结果与置信度值0.7相关联。结果监视器258可以计算关于结果“5月16日”的当前滑动平均值是0.75（即(0.8+0.7)/2）。每当SRS生成识别结果（和相应的置信度值）时，可以更新组合置信度值。
SRS管理模块250还可以包括延时监视器268，其跟踪每个SRS的延时（例如，到语音识别任务完成时的实际或估计时间）。例如，延时监视器268可以跟踪特定的语音识别任务耗用SRS的多长时间用于产生识别结果。
延时监视器268还可以监视SRS是否已完成语音识别任务（例如，通过监视SRS是否输出识别结果）。此外，延时监视器268可以估计SRS完成语音识别任务的预测延时。例如，延时监视器268可以访问针对SRS收集的经验信息，其指示SRS耗用多长时间用于完成相似的语音识别任务（例如，先前耗用SRS的多长时间用于对在诸如回答特定提示问题的相似的上下文中说出的话语解码）。
延时监视器260还可以访问关于底层模型的特性的信息以确定SRS完成语音识别任务的估计时间（例如，延时监视器260可以确定SRS是否由于必须搜索较大的词典以识别识别结果而耗用较长的时间以完成语音识别）。
SRS管理模块可以包括SRS中止器270，其与延时监视器260和/或识别结果监视器258通信以确定是否针对仍未完成接收的音频信号208的解码的SRS传送中止命令266。例如，SRS中止器270可以确定所跟踪的置信度值和/或延时是否满足操作点或曲线。如果是这样，则可以中止所有剩余的语音识别。
在简单示例中，SRS管理模块250可以确定：在中止任何未完成的语音识别任务之前，应达到关于识别结果的0.75的置信度阈值。在一些实现方式中，对于不同的语音识别任务，置信度阈值可以变化。例如，如果与特定语音识别任务相关联的上下文信息指示识别结果限于相对小量的话语（例如，识别任务在回答呈现给用户的是或否的问题的上下文中），则SRS支持器270可以确定置信度值应是相对高的（例如，0.8、0.9、0.95）。
如果上下文指示识别结果可以包括许多可能话语中的任何一个（例如，向用户提问诸如“你今天想做什么？”的开放问题），则SRS中止器270可以确定：关于识别结果的置信度阈值可以是相对低的（例如，0.49、0.55、0.61）并且对于SRS管理模块250仍是可接受的。
在一些实现方式中，如果识别结果中的一个满足阈值置信度点（例如，0.75），则中止器270可以将中止命令266传送到任何未完成的SRS。例如，如果SRSA,B的组合置信度值等于或大于0.75，则中止器270可以将中止命令266传送到仍未生成识别结果的SRS。
在另一示例中，如果识别结果中的一个具有等于或大于0.75的置信度值，则中止器270可以传送中止命令266。在该情况中，置信度值可以不是组合置信度值，相反可以是与单个SRS生成的识别结果相关联的单个置信度值。
在其他实现方式中，SRS中止器270可以基于关于SRS的实际或估计延时来传送中止命令。例如，如果SRSA和SRSB已生成识别结果并且识别结果与非常低的置信度值相关联，则SRS中止器270可以中止剩余的未完成的语音识别任务。在该情况中，由于其他SRS仍未产生这样的识别结果，因此在仍未完成识别任务的SRS将不会产生具有高置信度值的识别结果的假设下，取消剩余的语音识别任务。
不同于等待剩余SRS完成，在一些实现方式中，SRS中止器270可以传送中止命令266并且发起其中请求用户重复话语274的过程。SRS随后可以尝试对新的话语解码。
在其他实现方式中，如果基于置信度值或其他参数，识别结果不是令人满意的，则SRS管理模块250可以发起其中请求切换到人类操作员的过程。例如，如箭头276指示的，人类操作员可以响应于用户来解释音频信号，其图示了将音频信号路由到呼叫中心278。人类操作员可以解决用户传达的请求或信息。
在一些实现方式中，SRS中止器270可以首先询问延时监视器260以确定是否向未完成的SRS传送中止命令266。例如，如果SRS中止器270询问延时监视器260并且确定未完成的SRS中的一个很可能将在相对短的时间量内完成，则SRS中止器270可以拖延以从几乎完成的SRS获得结果。在生成结果之后，SRS中止器270可以传送中止命令266以停止剩余的未完成的SRS完成语音识别。
在一些实现方式中，另外的识别结果和相关联的信息可能是足够有价值的，足以使中止命令的传送延迟直至几乎完成的SRS被完成。例如，如果与几乎完成的SRS相关联的特性指示其识别结果常常比先前完成的SRS的结果更准确，则在中止剩余的未完成的语音识别任务之前，中止器270可以等待直至几乎完成的SRS生成识别结果。
在一些实现方式中，使用具有一个或多个变量的函数来确定置信度阈值。例如，置信度函数可以具有包括置信度值和延时的变量。如果所生成的置信度值和观察到的延时满足置信度函数，则中止器270可以取消任何未完成的语音识别任务。例如，在短的延时时段中，置信度函数可以指示：对于应满足的置信度函数，置信度值应是非常高的。这可以部分地基于如下假设：如果中止器270快速地发出中止命令，则由于将不会生成其他潜在的识别结果，因此所生成的结果是正确的概率应是非常高的。随着延时增加，在耗用较长时间处理的语音识别任务可能是更困难的假设下，所需的置信度值可以下降，并且因此结果的置信度很可能将是较低的。
SRS管理模块250还可以包括最终结果选择模块280，其在一些实现方式中从所生成的识别结果中选择最终识别结果。例如，选择模块280可以选择具有最高组合置信度值的识别结果或者具有最高单个置信度值的识别结果。
在一些实现方式中，基于哪个SRS生成识别结果，最终识别结果的选择可被影响。例如，如果识别结果是由具有相对不同的组件（例如，语言模型、声学模型、语音识别算法等）和/或典型地产生不同的识别结果的SRS生成的，则选择模块280可以加权或偏好选择该识别结果。
在一些实现方式中，SRS相关性监视器282可以跟踪SRS的输出识别结果之间的相关性。如果输出识别结果指示两个SRS不是高度相关的，然而在特定的识别任务中它们生成相同的识别结果，则在最终识别结果的选择中，该结果可以被更高地加权或偏好。替选地，如果生成识别结果的SRS是高度相关的，则识别结果可被打折或者不加权，从而在最终识别结果的选择中不一定偏好该结果。
相关性监视器282可以基于SRS生成的识别结果动态地更新指定两个或更多个SRS之间的相关性的相关性值。例如，两个与低相关性值相关联的SRS可以开始产生相似的识别结果。相关性监视器282可以更新相关性值（例如，使其增加）以反映SRS之间的识别结果中的重叠增加。
在最终结果选择模块280识别最终结果之后，SRS管理模块可以将结果传送回请求对音频信号解码的软件应用服务器。软件应用服务器可以使用解码的音频信号处理用户请求。
图3是用于使用并行解码来识别语音的示例方法300的流程图。方法300可以例如由诸如系统100和200的系统执行，并且为了表达清楚，下面的描述使用系统100和200作为用于描述方法的示例的基础。然而，可以使用另一系统或者系统的组合来执行方法300。
在步骤302中，接收音频信号。例如，语音识别器108可以接收音频信号104。在一些实现方式中，音频信号104已被采样并且分割为数字帧用于在传送到语音识别器108之前进行处理。在其他实现方式中，语音识别器108也执行这些功能。
在一些实现方式中，音频信号可能已被预处理以识别信号的哪些部分包含语音以及哪些部分被确定为噪声。接收到的音频信号104可能仅包括被确定为具有语音的部分，其随后可以在后面的步骤中由语音识别器108解码。
在步骤304A-N中，发起语音识别任务（SRT）。在一些实现方式中，SRT基本上被同时发起并且开始对音频信号104表示的语音解码。诸如图2的SRSA-D的SRS可能具有处理音频信号的不同的延时，从而SRT可能需要不同的时间量来完成。
在步骤306中，监视SRT的进展。例如，延时监视器260可以跟踪与每个SRS相关联的延时（实际的和估计的）。
在步骤308中，确定任何SRT1-N是否已生成识别结果。例如，在识别结果被生成之后，SRS可以向识别结果监视器258输出识别结果（或者结果存在的指示）。如果没有SRS已生成识别结果，则方法300可以返回步骤306并且继续监视SRT的进展。如果SRS已生成一个或多个识别结果，则该方法可以继续到步骤310。
在步骤310中，确定与所生成的识别结果相关联的任何置信度值是否满足置信度阈值。例如，SRS中止器270可以将关于识别结果的置信度值（单个或组合置信度值）与如前所述的置信度点或置信度函数比较。如果当前置信度值不满足置信度阈值，则方法300可以返回步骤306，其中监视SRT的进展。如果满足置信度阈值，则方法300可以进行到步骤312。
在步骤312中，中止未完成的SRT。例如，如果存在并行执行的十个SRT并且四个已完成，则可以取消或中止剩余的六个SRT。在一些实现方式中，SRS中止器270可以向适当的SRS传送中止命令266，从而它们停止语音识别任务。
在一些实现方式中，语音识别任务中的一个或多个未被中止，而是仅被“暂停”，（例如，处理任务的状态可以被保存并且稍后重新开始）。例如，如果识别结果最终被证明是不正确的（例如，当软件应用服务器提示用户确认语音已被正确解码时，用户否定答复），则可以重新开始“暂停的”语音识别任务。
在一些实现方式中，可以基于例如执行SRT的SRS的准确性来有选择地暂停SRT。例如，如果识别结果与仅刚刚满足置信度阈值的置信度值相关联，则中止器270可以有选择地暂停更准确的SRS的SRT，同时中止剩余的SRT。如果识别结果最终被证明是不正确的，则可以重新开始更准确的SRS的暂停的SRT。
在一些实现方式中，先前完成的SRT和先前中止的SRT可以与“未暂停的”SRT同时开始。较之SRT完全重新开始，这可以为更准确的SRT提供更多的时间用于完成。在其他实现方式中，基于用户确认不正确的识别而推断或确定的信息可以被集成到未暂停的SRT以及重新开始的任务中。例如，可以从语音解码的新的轮回中的考虑移除错误话语。此外，用于确定错误结果的一些声音、词等可以被忽视或者从识别处理的第二次轮回中的考虑排除。
在步骤314中，基于所生成的结果选择最终识别结果。例如，最终结果选择模块280可以识别与最高平均置信度分值相关联的识别结果。在一些实现方式中，还可以基于产生结果的SRS的准确性来对选择加权，其中来自典型地准确的SRS的结果相对较不准确的SRS是被偏好的。在其他实现方式中，选择还可以基于生成结果或者与结果相关联的出现频率的机器之间的相关性。所选择的结果可以被输出到请求音频信号的解码的应用。接着，该方法可以结束。
图4A-C示出了图示示例语音识别任务的执行的示图。图4A示出了四个SRS的四个SRT的执行。在图示实现方式中，并行发起SRT并且SRSA首先生成识别结果。SRSA确定关于其识别结果的0.7的置信度值。在一些实现方式中，SRS管理模块110可以将该置信度值与置信度阈值比较。如果置信度值不满足阈值，则允许剩余的任务执行。例如，如果置信度阈值是0.9的固定常数，则由于初始识别结果的0.7不满足阈值，因此SRS管理模块将允许剩余的SRS继续。
接着，SRSB生成识别结果和相关联的0.85的值。该置信度值也不满足0.9的置信度阈值，因此允许剩余任务继续。
此外，SRS管理系统还可以跟踪与每个SRS相关联的延时并且可以将这些延时与所允许的延时阈值比较。如图4A中所示，在一些实现方式中，如果SRS（例如，SRSC和SRSD）未在延时阈值之前产生识别结果，SRS管理模块110可以向它们传送中止命令。
在一些实现方式中，如果在生成满足置信度阈值的识别结果之前SRT被中止，则SRS管理模块110可以选择具有最高置信度值的结果，即使其未满足置信度阈值。在一些实现方式中，次最高的置信度值可能必须位于将选择的置信度阈值的确定范围内（例如，10%）。在其他实现方式中，如果未选择识别结果，则SRS管理模块110可以发送重复口头输入的请求。
图4B是图示一旦SRS生成具有满足置信度阈值的置信度值的识别结果则中止未完成的SRT的示图。在该示例中，置信度阈值是0.9。SRSA首先生成识别结果，但是其向结果分配0.7的置信度值，其低于置信度阈值。因此，SRS管理模块110允许SRSB-D继续执行。
SRSB接着生成识别结果并且将其分配0.9的置信度值。SRS管理模块110将该置信度值与置信度阈值比较并且确定满足阈值。SRS管理模块随后可以向SRSC和SRSD发出中止命令，其使它们各自的SRT停止而不产生识别结果。
图4C是图示基于已生成的低置信度值的识别结果来中止未完成的SRT的示图。在该示例中，置信度阈值可以被设定在0.9的固定点。SRSA和SRSB生成识别结果，然而，这两个结果分别与0.3和0.25的相对低的置信度值相关联。假设置信度值均是相对低的，则在由于先前的SRS产生的识别结果具有明显低于置信度阈值的置信度值，因此这些SRS不太可能产生具有满足置信度阈值的置信度值的识别结果的假设下，SRS管理模块110可以向SRSC和SRSD传送中止命令。
在如图4C中所示的一些实现方式中，SRS管理模块110可以在基于先前生成的识别结果的低置信度值而传送中止命令之前等待确定的时间量。在一些实现方式中，SRS管理模块110基于生成最后的识别结果的时间发起时间段。确定的时间段可以允许另一SRS完成其SRT；然而，如果在所允许的时间段期间未生成结果，则可以传送中止任何未完成的SRT的命令。
在一些实现方式中，要等待的时间段的确定可以基于仍未生成识别结果的一个或多个SRS的估计延时。例如，SRS管理模块110可以确定SRSC具有剩余SRS中的最短估计延时。例如，SRSC可以具有典型的0.5秒的延时。如果SBSB在0.4秒之后生成识别结果，则语音识别管理模块100在传送中止命令之前可以延迟0.1秒以确定SRSC是否生成识别结果。
在其他实现方式中，可以立即传送中止命令。例如，SRS管理模块110可以在确定数量的SRS生成也与低置信度值相关联的识别结果之后传送中止命令。在图4C中示出的情况中，可以在一半的SRS返回与低置信度值相关联的识别结果时传送中止命令。
在一些实现方式中，如果置信度值是低的，则系统继续接收更多的识别结果直至系统确认复合（例如，总体/累积）置信度值高于某个阈值。对于一些识别任务，确认从未出现，并且系统可以通过拒绝话语来中止识别过程。因此，在一些实现方式中，存在三种类型的置信度：第一，来自每个识别过程的原始置信度；第二，从来自每个识别过程的原始置信度确定的累积总置信度；以及第三，当系统等待更多的识别事件时总置信度可能改变（例如，增加）的期望值。
在一些情况中，系统跨越解相关的识别器接收到足够数量的一致的低置信度结果，促使中止所有识别任务并且拒绝话语。如果发生拒绝，则系统可以提示用户重复话语。例如，当各原始置信度值是一致地低的，累积总置信度是低的，以及总置信度随着更多的识别而可能改变的期望值也是低的时候，可能出现拒绝情况。
在一些实现方式中，通过针对给定的部分识别置信度的训练样本，对最终识别置信度的分布进行计数，提早执行对于给定的特定置信度值集合的关于估计的预期置信度改变的训练。（例如，在看到来自前20个快识别器的20个低于0.1的置信度值之后，系统不再体验其中关于超过20个识别器的组合置信度值使总置信度值增加到0.5以上的示例。因此，系统被训练为当该情形出现时拒绝话语。）
在一些实现方式中，与最终识别结果相关联的组合置信度可以是来自各SRS的各置信度值的函数。具有来自彼此也匹配的许多识别器的高置信度值的结果与高组和置信度值一致。每个识别器的单独贡献的加权可以基于训练过程期间的测试数据的识别的实验优化。
图5A-C是SRS生成的示例识别结果和置信度值以及选择最终识别结果的不同方法的示图。具体地，图5A-C示出了来自SRSA的SRSA输出502、来自SRSB的SRSB输出504和来自SRSC的SRSC输出506。在该示例中，响应于每个SRS尝试对表示词“carry”的音频信号解码生成输出。如图5A-C所示，由于每个SRS可能是不同的，因此SRS产生的识别结果可能是不同的。
在一些实现方式中，SRS输出包括靠前的N个识别结果（其中N可以表示任何正整数或0），其是基于哪些识别结果与最大置信度值相关联而选择的。例如，SRSA输出502包括关于SRSA的前四个识别结果和相关联的置信度值：结果=carry，置信度=0.75；结果=Cory，置信度=0.72；结果=quarry，置信度=0.6；和结果=hoary，置信度=0.25。
SRSB输出504包括：结果=quarry，置信度=0.61；结果=Cory，置信度=0.59；结果=hoary，置信度=0.4；和结果=Terry，置信度=0.39。
SRSC输出506包括结果=tarry，置信度=0.58；结果=Terry，置信度=0.57；结果=Cory，置信度=0.55；和结果=carry，置信度=0.2。
图5A示出了选择与最高置信度值相关联的识别结果的示例选择算法。例如，最终结果选择模块113可以比较所有识别结果并选择与最大置信度值相关联的一个识别结果。在该示例中，由于结果“carry”与所有置信度值中的最高置信度值0.75相关联，因此被选择为最终识别结果。选择模块随后可以输出识别结果“carry”用于由请求语音解码的应用进行进一步处理。
图5B示出了基于哪个结果具有最高组合置信度值来选择识别结果的示例选择算法。例如，多于一个SRS可以生成相同的识别结果，但是可以向该结果分配不同的置信度值。在一些实现方式中，关于相同结果的多个置信度分值可以被取平均（或者另外组合）以创建组合置信度分值。例如，SRSA和SRSC生成识别结果“carry”，然而，SRSA向结果分配0.75的置信度值并且SRSC向结果分配0.2的置信度值。这些置信度值的平均值是0.475。
相似地，关于识别结果“Cory”的平均组合置信度分值是0.61并且关于“quarry”的组合置信度分值是0.62。在该示例中，由于结果“quarry”的组合置信度分值大于其他结果的组合置信度分值，因此选择模块113可以选择“quarry”作为最终识别结果。应当注意，该选择算法产生了不同于图5B中描述的算法的最终结果，尽管事实是从相同的识别结果池中进行选择。
图5C示出了在选择识别结果时考虑加权因子的示例选择算法。在一些实现方式中，权重可以基于识别结果的出现频率。例如，表550列出了三个权重，它们可以与前面讨论的组合置信度分值倍乘以创建新的加权置信度分值。
在该示例中，如果识别结果由单个SRS生成（例如，如果结果出现频率是“一次”），则将权重“1”与组合置信度分值倍乘。因此，如果识别结果仅出现一次，则将不会受益于加权。如果识别结果出现两次，则可以使用因子1.02对其加权，这使得相对仅出现一次的另一识别结果略微偏好该识别结果。如果识别结果出现三次，则可以通过因子1.04对其加权。
在图5C的示例中，关于识别结果“Cory”的组合置信度值将按因子1.04进行加权，这导致了0.6344的加权值。关于识别结果“quarry”的组合置信度值将按因子1.02进行加权，这导致了0.6324的加权值。在该情况中，选择模块113可以相对于结果“quarry”选择结果“Cory”，这是因为后者的加权组合置信度分值高于前者，尽管“Cory”的未加权组合置信度分值小于结果“quarry”的未加权组合置信度分值。
用于选择最终识别结果的值可以基于若干种标准进行加权，其包括但不限于，SRS生成的置信度分值的分布、生成识别结果的SRS的特性（例如，整体准确性、特定上下文中的准确性、定义的时间段上的准确性等）以及产生相同识别结果的SRS之间的相似性。
在其他实现方式中，最终识别结果可以使用识别置信度值与关于识别器和关于最终组合识别器的识别错误的相关性进行加权。例如，在训练期间，系统可以对特定识别器以置信度值0.3返回的次数计数，并且还对这些“0.3置信度识别结果”是关于该识别器的错误的频繁度以及最终组合识别也是识别错误的频繁度计数。当组合相似的识别结果时，系统可以使用相同的正态化计数。根据识别器具有相同的结果（具有给定的置信度值）和共同的结果是正确的次数来估计组合置信度。
图6是用于对最终识别结果的选择中使用的值加权的置信度值的分布的示例曲线图600。曲线图的y轴指示其中特定的置信度值沿正态化比例（从0.0到1.0）下降。曲线图的x轴标记哪个特定SRS产生哪个识别结果。在该示例中，SRSA生成五个识别结果，其中四个朝向可能的置信度值的中下范围相对紧密地聚在一起。单个识别结果“quarry”明显与其他识别结果分离并且具有相对较高的置信度值。这可以指示SRSA具有结果“quarry”明显优于其他结果的较大的置信度，其他结果是彼此更加可互换的。
在一些实现方式中，外部的或者分离的较高置信度值可以被加权以偏好选择相关联的识别结果。例如，选择模块113可以以常数1.05对关于结果“quarry”的置信度值0.9加权。关于“quarry”的得到的置信度值于是增加到0.945。
替选地，较均匀间隔的置信度值可能不接收额外的加权（或者可以接收较小的加权）。例如，关于SRSB生成的识别结果的置信度值较均匀地间隔，没有明显的偏值。在该情况中，选择模块113可以不向关于排名靠前的识别结果“quarry”的置信度值添加权重，这是因为排名靠前的识别结果不太可能是正确的（例如，“quarry”未突出为远离具有较低置信度值的结果簇中的靠前结果）。
图7A-E是示出SRS输出的示例识别结果集合和可用于对识别结果加权的集合之间的相关性的Venn示图。图7A是包括三个识别结果集合，即SRSA生成的识别结果A、SRSB生成的识别结果B和SRSC生成的识别结果C的Venn示图700。
如Venn示图700所示，结果A、结果B和结果C部分地重叠。在该示例中，结果A和结果B较之结果A和结果C或者结果B和结果C之间的重叠具有更多的重叠结果。这可以指示SRSA和SRSB常常产生相同的识别结果，而SRSC的结果常常不对应于SRSA或SRSB的结果。
在一些实现方式中，结果的交集基于哪些SRS响应于特定的语音识别任务产生相同的识别结果。例如，如果两个SRS生成关于特定任务的排名靠前的识别结果，则该结果可以被添加到交集。
在另一示例中，如果第一SRS生成识别结果“Cory”作为其靠前结果并且第二SRS生成识别结果“Cory”作为其（五个生成结果中的）第四排名结果，则结果“Cory”被添加到交集。在一些实现方式中，都不与靠前排名相关联的结果不会被添加到交集结果，但是也可以与指示它们排名不同的折扣因子相关联。例如，两个排名之间的差异可以用于折扣与交集相关联的加权因子（例如，每个排名差异可以与折扣因子相关联）。例如，如果排名是1和4，则绝对差异是3，其可以与0.3的折扣因子相关联，该折扣因子与交集所关联的权重倍乘。例如，如果权重是1.03并且折扣因子是0.3，则总权重可以与权重1.03的“提升”因子相乘，即与0.03相乘。这导致新的更低的提升因子0.01，从而新的总权重值是1.01。
在一些实现方式中，SRS之间的识别结果的重叠可用于对识别结果加权，从而它们在选择最终识别结果时被偏好或冷遇。例如，如果识别结果是由两个常常一致的SRS生成的，则相对于由不常一致的两个SRS生成的识别结果，其被较小地加权（或者冷遇）。图7B-7E更详细地图示了这一点。
图7B示出了仅包括来自图7A的Venn示图700的结果A和结果B的Venn示图710。如前所述，基于SRSA和SRSB在它们的识别结果上的相似性，它们可以被分类为略微相似。在一些实现方式中，加权因子可以被分配给落在两个（或更多个）SRS之间的重叠中的识别结果。例如，加权因子0.01可以与落在该集合中的识别结果相关联。
在一些实现方式中，当重叠较大时，该加权因子较小，并且当重叠较小时，该加权因子较大。这可以反映如下假设，不常一致的SRS生成的结果应被偏好，因为这些重叠的结果很可能是正确的。例如，产生不同结果的SRS可以具有不同的底层架构并且对不同类型的识别错误敏感。
图7C示出了仅包括来自图7A的Venn示图700的结果A和结果C的Venn示图720。在该示例中，结果之间的重叠小于图7B中示出的重叠。因此，在该实现方式中，对于落在该重叠中的结果相对于图7B中示出的交集中的结果，0.6的加权因子是较大的。
相似地，图7D示出了包括结果B和结果C的Venn示图730。这些结果的交集具有介于图7B和7C的交集之间的尺寸。因此，在该实现方式中，加权因子也具有介于与图7B和7C的交集相关联的加权因子之间的尺寸（例如，0.03）。
图7E示出了图也在7A中示出的Venn示图700，然而，突出了所有SRSA-C的结果之间的交集。该交集反映了每个SRS已生成的识别结果的集合。假定三个SRS之间的一致是相对少的（在该示例中），落在该集合中的识别结果可以与高于其他权重的权重相关联，即0.1。
图8A和8B示出了图示在系统的运行操作期间SRS之间的交集如何调整或改变的Venn示图800和810。在一些实现方式中，随着识别结果的交集改变，与交集相关联的权重也可以改变。
图8A示出了SRSA和SRSB生成的识别结果中的示例第一交集。第一交集与权重0.01相关联。在一些实现方式中，语音识别器108执行额外的语音解码并且生成额外的识别结果。SRS相关性监视器282可以监视这些结果并且识别各个SRS之间的结果的交集。
相关性监视器282可以随着生成更多的结果动态地更新交集计算。这由图8B图示，除了交集改变之外，其示出了图8A中示出的相同的SRSA和SRSB。在该示例中，由于SRS对于特定语音识别任务达成一致的次数相对于SRS已执行任务的次数增加，因此交集增长。
也可以响应于增加的交集来减小权重。例如，示图810的结果交集可以与较低的权重0.001相关联。在一些实现方式中，权重值的改变可以与结果交集的尺寸改变线性关联。例如，当识别器与另一识别器相似时，系统可以较少地加权或偏好来自该识别器的结果。在图8A和8B中，两个识别器的识别结果的相似性被表述为两个识别器之间的交集，其中交集越大，系统可以在两个识别器生成相同结果时附加到识别结果的权重越小。相反地，当两个识别器非常不同时（例如，由于不同的语音识别算法等，它们通常产生不同的识别结果），结果的交集可以是较小的。当这两个不同的识别器随后对话语达成一致时，由于一致可以指示结果很可能是正确的，因此系统可以对它们的结果加权，从而它们被系统更重地考虑。
图9是图示将与识别结果相关联的SRS错误率和权重之间的示例相关性的曲线图900。在一些实现方式中，在选择最终识别结果时，具有低错误率的SRS生成的识别结果可以被更重地加权。例如，如果SRS具有高错误率，则较之由高准确度的SRS生成的识别结果，其识别结果可以被折扣（或者不被重加权）。
曲线图900图示了用于向特定SRS分配权重的示例函数或算法。曲线图900的y轴指示与SRS相关联的错误率，并且x轴指示与SRS相关联的权重。在该示例中，折扣权重（例如，0.9、0.95、0.8）用于对具有高于确定阈值的错误率的SRS（例如，SRSA、SRSE、SRSC）加权。提升权重（例如，1.01、1.04、1.1）用于对具有低于阈值的错误率的SRS（例如，SRSB）加权。在该示例中，中性权重（例如，1）用于对落在错误阈值上的SRS（例如，SRSD）加权。
在一些实现方式中，与每个SRS相关联的错误率可以基于识别结果不正确的确认而被更新（例如，该结果被选择为最终识别结果并且被用户拒绝，基于用户接受，第一结果被选择为最终识别结果并且被确定为正确的，因此未被选择的结果被记录为错误结果等）。选择模块113可以基于与每个SRS相关联的更新的错误率来动态地改变权重。
图10是可用于实现本文中描述的系统和方法的作为客户端或者服务器或多个服务器的计算设备1000、1050的框图。计算设备1000旨在表示各种形式的数字计算机，诸如膝上型计算机、桌面型计算机、工作站、个人数字助理、服务器、刀片服务器、主机和其他适当的计算机。计算设备1050旨在表示各种形式的移动设备，诸如个人数字助理、蜂窝电话、智能电话和其他相似的计算设备。此外，计算设备1000或1050可以包括通用串行总线（USB）闪速驱动器。USB闪速驱动器可以存储操作系统和其他应用。USB闪速驱动器可以包括输入/输出组件，诸如无线传送器或USB连接器，其可以被插入到另一计算设备的USB端口。这里示出的组件、它们的连接和关系以及它们的功能仅是示例性的，并非限制本文中描述和/或要求保护的本发明的实现方式。
计算设备1000包括处理器1002、存储器1004、存储设备1006、连接到存储器1004和高速扩展端口1010的高速接口1008以及连接到低速总线1014和存储设备1006的低速接口1012。每个组件1002、1004、1006、1008、1010和1012使用各种总线互连，并且可以安装在公共主板上或者以其他适当的方式安装。处理器1002可以处理用于在计算设备1000中执行的指令，包括存储在存储器1004中或者存储设备1006上的指令，以在诸如耦合到高速接口1008的显示器1016的外部输入/输出设备上显示关于GUI的图形信息。在其他实现方式中，可以适当地使用多个处理器和/或多个总线以及多个存储器和存储器类型。而且，可以连接多个计算设备1000，每个设备提供必要的操作的一部分（例如，作为服务器阵列、刀片服务器组或者多处理器系统）。
存储器1004存储计算设备1000中的信息。在一个实现方式中，存储器1004是易失性存储器单元。在另一实现方式中，存储器1004是非易失性存储器单元。存储器1004还可以是另一种形式的计算机可读介质，诸如磁盘或光盘。
存储设备1006能够提供用于计算设备1000的大容量存储。在一个实现方式中，存储设备1006可以是或者包含计算机可读介质，诸如软盘设备、硬盘设备、光盘设备、或者带设备、闪速存储器或者其他相似的固态存储器设备，或者设备的阵列，包括存储区域网络或者其他配置中的设备。计算机程序产品可以有形地实现在信息载体中。计算机程序产品也可以包含指令，当其被执行时，执行诸如上文描述的一个或多个方法。信息载体是计算机或机器可读介质，诸如存储器1004、存储设备1006或者处理器1002上的存储器。
高速控制器1008管理关于计算设备1000的带宽密集操作，而低速控制器1012管理较低带宽密集操作，该功能分配仅是示例性的。在一个实现方式中，高速控制器1008耦合到存储器1004、显示器1016（例如，通过图形处理器或加速器），并且耦合到高速扩展端口1010，其可以接受各种扩展卡（未示出）。在实现方式中，低速控制器1012耦合到存储设备1006和低速扩展端口1014。低速扩展端口可以包括各种通信端口（例如，USB、蓝牙、以太网、无线以太网），可以耦合到一个或多个输入/输出设备，诸如键盘、指针设备、扫描仪或者例如通过网络适配器耦合到诸如交换机或路由器的联网设备。
如图中所示，计算设备1000可以以许多不同的形式实现。例如，其可以被实现为标准服务器1020，或者更多时间实现在这样的服务器的组中。其还可以被实现为机架式服务器系统1024的一部分。此外，其可以被实现为诸如膝上型计算机1022的个人计算机。替选地，来自计算设备1000的组件可以与诸如设备1050的移动设备（未示出）中的其他组件组合。每个这样的设备可以包含一个或多个计算设备1000、1050，并且整个系统可以由彼此通信的多个计算设备1000、1050构成。
除其他组件之外，计算设备1050包括处理器1052、存储器1064、诸如显示器1054的输入/输出设备、通信接口1066和收发器1068。设备1050还可以提供有诸如微驱动器或其他设备的存储设备以提供额外的存储。每个组件1050、1052、1064、1054、1066和1068使用各种总线互连，并且若干个组件可以安装在公共主板上或者以其他适当的方式安装。
处理器1052可以执行计算设备1050中的指令，包括存储在存储器1064中的指令。处理器可以被实现为包括分立的多个模拟和数字处理器的芯片的芯片组。此外，处理器可以使用许多架构中的任何架构实现。例如，处理器410可以是CISC（复杂指令集计算机）处理器、RISC（简化指令集计算机）处理器或者MISC（最小指令集计算机）处理器。处理器可以提供例如设备1050的其他组件的协调，诸如用户接口的控制、设备1050运行的应用以及设备1050的无线通信。
处理器1052可以通过耦合到显示器1054的控制接口1058和显示接口1056与用户通信。显示器1054可以是例如TFT（薄膜晶体管液晶显示器）显示器或者OLED（有机发光二极管）显示器或者其他适当的显示技术。显示接口1056可以包括用于驱动显示器1054将图形和其他信息呈现给用户的适当的电路。控制接口1058可以从用户接收命令并且对它们进行转换以提交给处理器1052。此外，外部接口1062可以被提供为与处理器1052通信，以便于使设备1050能够与其他设备进行近程通信。例如，在一些实现方式中外部接口1062可以提供有线通信，或者在其他实现方式中提供无线通信，并且多个接口也可以被使用。
存储器1064存储计算设备1050中的信息。存储器1064可以被实现为一个或多个计算机可读介质、易失性存储器单元或者非易失性存储器单元。还可以提供扩展存储器1074并且通过扩展接口1072将其连接到设备1050，该扩展接口1072可以包括例如SIMM（单列直插存储器模块）卡接口。该扩展存储器1074可以提供用于设备1050的额外的存储空间，或者也可以存储用于设备1050的应用或者其他信息。具体地，扩展存储器1074可以包括用于执行或补充上述过程的指令，并且还可以包括安全信息。因此，例如，扩展存储器1074可以被提供为用于设备1050的安全模块，并且可以通过允许设备1050的安全使用的指令进行编程。此外，可以经由SIMM卡与另外的信息一起提供安全应用，诸如以不可破解的方式将识别信息置于SIMM卡上。
存储器可以包括例如如下文讨论的闪速存储器和/或NVRAM存储器。在一个实现方式中，计算机程序产品被有形地实现在信息载体中。计算机程序产品包含指令，当其被执行时，执行诸如上文描述的一个或多个方法。信息载体是计算机或机器可读介质，诸如存储器1064、扩展存储器1074或者处理器1052上的存储器。
设备1050可以通过在必要时包括数字信号处理电路的通信接口1066无线通信。通信接口1066可以提供各种模式或协议下的通信，诸如GSM语音呼叫，SMS、EMS、或者MMS消息传递，CDMA、TDMA、PDC、WCDMA、CDMA2000或GPRS等。该通信可以例如通过射频收发器1068进行。此外，短程通信可以诸如使用蓝牙、WiFi或者其他这种收发器（未示出）进行。此外，GPS（全球定位系统）接收器模块1070可以向设备1050提供额外的导航和位置相关的无线数据，其可以由在设备1050上运行的应用适当地使用。
设备1050还可以使用音频编解码器1060进行可听通信，该音频编解码器1060可以接收从用户说出的信息并且将其转换为可使用的数字信息。音频编解码器1060同样可以诸如通过例如设备1050的听筒中的扬声器为用户生成可听声音。该声音可以包括来自语音电话呼叫的声音，可以包括记录的声音（例如，语音消息、音乐文件等）并且还可以包括由在设备1050上操作的应用生成的声音。
如图中所示，计算设备1050可以以许多不同的形式实现。例如，其可以被实现为蜂窝电话1080。其还可以被实现为智能电话1082、个人数字助理或者其他相似的移动设备的一部分。
这里描述的系统和技术的各种实现方式可以在数字电子电路、集成电路、专门设计的ASIC（专用集成电路）、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实现方式可以包括一个或多个计算机程序中的实现方式，该计算机程序可以在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器是专用的或通用的，被耦合为从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令以及向其传送数据和指令。
这些计算机程序（还被称为程序、软件、软件应用或者代码）包括用于可编程处理器的机器指令，并且可以在高级程序和/或面向对象的编程语言中和/或在汇编/机器语言中实现。如这里使用的，术语“机器可读介质”、“计算机可读介质”指的是用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/或设备（例如，磁盘、光盘、存储器、可编程逻辑器件（PLD）），包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”指的是用于向可编程处理器提供机器指令和/或数据的任何信号。
为了提供与用户的交互，这里描述的系统和技术可以在具有用于向用户显示信息的显示设备（例如，CRT（阴极射线管）或LCD（液晶显示器）监视器）和用户可以通过其向计算机提供输入的键盘以及指针设备（例如，鼠标或轨迹球）。其他类别的设备也可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感知反馈（例如，视觉反馈、听觉反馈或者触觉反馈）；并且来自用户的输入可以以任何形式接收，包括声音、语音或触觉输入。
这里描述的系统和技术可以在如下计算系统中实现，其包括后端组件（例如，作为数据服务器），或者包括中间件组件（例如，应用服务器），或者包括前端组件（例如，具有图形用户接口或Web浏览器的客户端计算机，用户可以通过该图形用户接口或Web浏览器与这里描述的系统和技术的实现方式交互），或者该后端、中间件或前端组件的任何组合。系统的各个组件可以通过任何形式或介质的数字数据通信（例如，通信网络）来互连。通信网络的示例包括局域网（LAN）、广域网（WAN）、对等网络（具有自组织或静态成员）、栅格计算基础设施和互联网。
该计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离并且典型地通过通信网络交互。客户端和服务器的关系依靠在各个计算机上运行的并且彼此具有客户端-服务器关系的计算机程序而产生。
已描述了本发明的许多实施例。然而，将理解，在不偏离本发明的精神和范围的情况下可以进行各种修改。例如，多个SRS的组合或联合置信度分值可以包括诸如关于话语的识别的假设或猜想的一致性的特征。例如，输出具有置信度0.8的第一结果的三个SRS可能比输出具有置信度0.9的第二结果的一个SRS更加可靠。
在一些实现方式中，可以基于延时或其他因素选择使用预定SRS集合。例如，如果响应于提示用户回答是或否的问题而接收到音频，则最快的两个SRS可以被选择为处理答案而非允许所有可用的SRS处理答案。
此外，在一些实现方式中，当SRS生成的各识别结果不一致时，最终识别结果的整体置信度可能下降。在识别结果未完全重叠时用于选择“最佳”当前结果的一个示例算法是选择具有最高单独置信度的识别结果。在该示例中，当系统具有相似的不重叠条件和相似的给定置信度值时，组合置信度将是在训练期间计数的正确的识别结果的期望数值。对于识别结果中的给定量的部分重叠，还可以估计相似的计数和统计。因此，由于/如果重叠程度与训练期间的较少的整体识别错误相关，整体系统可以向部分重叠的识别结果的组合分配较高的置信度值。
例如，可以通过对步骤重新排序、添加步骤或者移除步骤来使用上文示出的各种形式的流程。而且，尽管已描述了在语音解码中使用多个语音识别系统的若干个应用和方法，但是应当认识到，许多其他应用也在考虑范围内。因此，其他实施例在所附权利要求的范围内。

Claims (10)

1.一种计算机实现的方法，包括：
接收音频信号；
发起由多个语音识别系统SRS进行的语音识别任务，每个SRS被配置为生成指定所述音频信号中包括的可能语音的识别结果和指示所述识别结果的正确性的置信度的置信度值；
完成所述语音识别任务的一部分，包括生成一个或多个识别结果和关于所述一个或多个识别结果的一个或多个置信度值；
确定所述一个或多个置信度值是否满足置信度阈值；
中止未完成的SRS的语音识别任务的剩余部分；以及
基于所生成的一个或多个识别结果中的至少一个输出最终识别结果。
2.根据权利要求1所述的方法，进一步包括：如果语音识别任务超过指定完成所述语音识别任务所允许的最大时间段的延时阈值，则中止所述语音识别任务。
3.根据权利要求1所述的方法，进一步包括：如果完成的语音识别任务与所生成的识别结果中的低置信度值相关联，则中止未完成的语音识别任务。
4.根据权利要求1所述的方法，其中所述SRS中的至少一个生成多个识别结果。
5.根据权利要求4所述的方法，进一步包括：基于与所述多个识别结果中的前N个识别结果相关联的置信度值，对所述前N个识别结果排名，其中N表示任何正整数。
6.根据权利要求5所述的方法，进一步包括：基于由不同的SRS生成的置信度值确定与所述前N个识别结果相关联的置信度值的滑动平均值。
7.根据权利要求6所述的方法，基于哪个识别结果与最高整体置信度值相关联来从所述前N个结果中选择所述最终识别结果。
8.根据权利要求1所述的方法，进一步包括：基于哪个识别结果与最大置信度值相关联来选择所述最终识别结果。
9.一种系统，包括：
多个语音识别系统，其发起用于识别编码在接收到的音频信号中的可能语音的语音识别任务，每个语音识别系统SRS被配置为生成识别结果和指示所述识别结果的正确性的置信度的置信度值；
识别管理模块，用于在所述SRS生成识别结果时接收所述识别结果并且接收与所生成的识别结果相关联的置信度值，其中如果所接收到的置信度值中的一个或多个满足置信度阈值，则所述识别管理模块中止由未完成生成识别结果的SRS进行的未完成的语音识别任务；以及
接口，用于传送基于所生成的识别结果的置信度值选择的最终识别结果。
10.一种系统，包括：
多个语音识别系统，其发起对接收到的音频信号的语音识别任务，每个语音识别系统SRS被配置为生成识别所述音频信号中的可能语音的识别结果和指示所述识别结果的正确性的置信度的置信度值；
用于以下的装置：在每个SRS生成一个或多个识别结果时从所述SRS接收所述一个或多个识别结果和一个或多个相应的置信度值，如果所接收到的置信度值中的一个或多个满足置信度阈值，则中止由未完成生成识别结果的SRS进行的未完成的语音识别任务，并且基于所生成的识别结果的置信度值选择最终识别结果；以及
接口，用于传送表示所述音频信号中的可能语音的最终识别结果。
CN201310582554.2A 2008-07-02 2009-07-02 具有并行识别任务的语音识别 Active CN103761968B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/166,822 2008-07-02
US12/166,822 US8364481B2 (en) 2008-07-02 2008-07-02 Speech recognition with parallel recognition tasks
CN2009801340347A CN102138175B (zh) 2008-07-02 2009-07-02 具有并行识别任务的语音识别

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN2009801340347A Division CN102138175B (zh) 2008-07-02 2009-07-02 具有并行识别任务的语音识别

Publications (2)

Publication Number Publication Date
CN103761968A true CN103761968A (zh) 2014-04-30
CN103761968B CN103761968B (zh) 2017-07-28

Family

ID=41465066

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201310582554.2A Active CN103761968B (zh) 2008-07-02 2009-07-02 具有并行识别任务的语音识别
CN2009801340347A Active CN102138175B (zh) 2008-07-02 2009-07-02 具有并行识别任务的语音识别

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN2009801340347A Active CN102138175B (zh) 2008-07-02 2009-07-02 具有并行识别任务的语音识别

Country Status (6)

Country Link
US (6) US8364481B2 (zh)
EP (1) EP2301012B1 (zh)
JP (4) JP5336590B2 (zh)
KR (3) KR101741734B1 (zh)
CN (2) CN103761968B (zh)
WO (1) WO2010003109A2 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952645A (zh) * 2017-03-24 2017-07-14 广东美的制冷设备有限公司 语音指令的识别方法、语音指令的识别装置和空调器
CN110473570A (zh) * 2018-05-09 2019-11-19 广达电脑股份有限公司 整合式语音辨识系统及方法
CN111951808A (zh) * 2019-04-30 2020-11-17 深圳市优必选科技有限公司 语音交互方法、装置、终端设备及介质
CN112185357A (zh) * 2020-12-02 2021-01-05 成都启英泰伦科技有限公司 一种同时识别人声和非人声的装置及方法
CN112802483A (zh) * 2021-04-14 2021-05-14 南京山猫齐动信息技术有限公司 优化意图识别置信度阈值的方法、装置及存储介质

Families Citing this family (376)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2618623C (en) * 2005-08-09 2015-01-06 Mobilevoicecontrol, Inc. Control center for a voice controlled wireless communication device system
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
ATE547898T1 (de) * 2006-12-12 2012-03-15 Fraunhofer Ges Forschung Kodierer, dekodierer und verfahren zur kodierung und dekodierung von datensegmenten zur darstellung eines zeitdomänen-datenstroms
US8332207B2 (en) * 2007-03-26 2012-12-11 Google Inc. Large language models in machine translation
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US10002189B2 (en) 2007-12-20 2018-06-19 Apple Inc. Method and apparatus for searching using an active ontology
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US8364481B2 (en) 2008-07-02 2013-01-29 Google Inc. Speech recognition with parallel recognition tasks
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
US9646603B2 (en) * 2009-02-27 2017-05-09 Longsand Limited Various apparatus and methods for a speech recognition system
US8930179B2 (en) * 2009-06-04 2015-01-06 Microsoft Corporation Recognition using re-recognition and statistical classification
US10255566B2 (en) 2011-06-03 2019-04-09 Apple Inc. Generating and processing task items that represent tasks to perform
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
JP2011033680A (ja) * 2009-07-30 2011-02-17 Sony Corp 音声処理装置及び方法、並びにプログラム
US9026444B2 (en) 2009-09-16 2015-05-05 At&T Intellectual Property I, L.P. System and method for personalization of acoustic models for automatic speech recognition
EP2339576B1 (en) * 2009-12-23 2019-08-07 Google LLC Multi-modal input on an electronic device
US11416214B2 (en) 2009-12-23 2022-08-16 Google Llc Multi-modal input on an electronic device
US8924982B2 (en) * 2010-01-12 2014-12-30 Amazon Technologies, Inc. Managing private use of program execution capacity
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
US9342801B2 (en) 2010-03-29 2016-05-17 Amazon Technologies, Inc. Managing committed processing rates for shared resources
US9634855B2 (en) 2010-05-13 2017-04-25 Alexander Poltorak Electronic personal interactive device that determines topics of interest using a conversational agent
WO2011149465A1 (en) * 2010-05-27 2011-12-01 Nuance Communications, Inc. Efficient exploitation of model complementariness by low confidence re-scoring in automatic speech recognition
US8645136B2 (en) * 2010-07-20 2014-02-04 Intellisist, Inc. System and method for efficiently reducing transcription error using hybrid voice transcription
KR20130108563A (ko) * 2010-09-08 2013-10-04 뉘앙스 커뮤니케이션즈, 인코포레이티드 인터넷 검색 관련 방법 및 장치
US8812321B2 (en) * 2010-09-30 2014-08-19 At&T Intellectual Property I, L.P. System and method for combining speech recognition outputs from a plurality of domain-specific speech recognizers via machine learning
US9123339B1 (en) 2010-11-23 2015-09-01 Google Inc. Speech recognition using repeated utterances
US8352245B1 (en) 2010-12-30 2013-01-08 Google Inc. Adjusting language models
US9245525B2 (en) 2011-01-05 2016-01-26 Interactions Llc Automated speech recognition proxy system for natural language understanding
US9472185B1 (en) 2011-01-05 2016-10-18 Interactions Llc Automated recognition system for natural language understanding
US8296142B2 (en) 2011-01-21 2012-10-23 Google Inc. Speech recognition using dock context
JP5861649B2 (ja) * 2011-02-03 2016-02-16 日本電気株式会社 モデル適応化装置、モデル適応化方法およびモデル適応化用プログラム
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
US9536517B2 (en) 2011-11-18 2017-01-03 At&T Intellectual Property I, L.P. System and method for crowd-sourced data labeling
US9286894B1 (en) * 2012-01-31 2016-03-15 Google Inc. Parallel recognition
JPWO2013125203A1 (ja) * 2012-02-21 2015-07-30 日本電気株式会社 音声認識装置、音声認識方法およびコンピュータプログラム
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9317605B1 (en) 2012-03-21 2016-04-19 Google Inc. Presenting forked auto-completions
US9746916B2 (en) 2012-05-11 2017-08-29 Qualcomm Incorporated Audio user interaction recognition and application interface
US9736604B2 (en) * 2012-05-11 2017-08-15 Qualcomm Incorporated Audio user interaction recognition and context refinement
US10417037B2 (en) 2012-05-15 2019-09-17 Apple Inc. Systems and methods for integrating third party services with a digital assistant
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
WO2013192535A1 (en) * 2012-06-22 2013-12-27 Johnson Controls Technology Company Multi-pass vehicle voice recognition systems and methods
KR101961139B1 (ko) 2012-06-28 2019-03-25 엘지전자 주식회사 이동 단말기 및 그것의 음성 인식 방법
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
CN102945671A (zh) * 2012-10-31 2013-02-27 四川长虹电器股份有限公司 语音识别方法
WO2014068788A1 (ja) * 2012-11-05 2014-05-08 三菱電機株式会社 音声認識装置
US9601111B2 (en) * 2012-11-13 2017-03-21 GM Global Technology Operations LLC Methods and systems for adapting speech systems
US9240184B1 (en) * 2012-11-15 2016-01-19 Google Inc. Frame-level combination of deep neural network and gaussian mixture models
CN103903620B (zh) * 2012-12-27 2017-09-15 中国电信股份有限公司 控制UPnP设备的方法、系统与UPnP控制设备
DE112014000709B4 (de) 2013-02-07 2021-12-30 Apple Inc. Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten
US9542947B2 (en) 2013-03-12 2017-01-10 Google Technology Holdings LLC Method and apparatus including parallell processes for voice recognition
US9477753B2 (en) * 2013-03-12 2016-10-25 International Business Machines Corporation Classifier-based system combination for spoken term detection
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
US9530103B2 (en) * 2013-04-04 2016-12-27 Cypress Semiconductor Corporation Combining of results from multiple decoders
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
EP3937002A1 (en) 2013-06-09 2022-01-12 Apple Inc. Device, method, and graphical user interface for enabling conversation persistence across two or more instances of a digital assistant
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
US9728184B2 (en) 2013-06-18 2017-08-08 Microsoft Technology Licensing, Llc Restructuring deep neural network acoustic models
US9589565B2 (en) 2013-06-21 2017-03-07 Microsoft Technology Licensing, Llc Environmentally aware dialog policies and response generation
US9311298B2 (en) 2013-06-21 2016-04-12 Microsoft Technology Licensing, Llc Building conversational understanding systems using a toolset
US9747899B2 (en) * 2013-06-27 2017-08-29 Amazon Technologies, Inc. Detecting self-generated wake expressions
US9741339B2 (en) * 2013-06-28 2017-08-22 Google Inc. Data driven word pronunciation learning and scoring with crowd sourcing based on the word's phonemes pronunciation scores
US9646606B2 (en) 2013-07-03 2017-05-09 Google Inc. Speech recognition using domain knowledge
JP6025785B2 (ja) * 2013-07-08 2016-11-16 インタラクションズ リミテッド ライアビリティ カンパニー 自然言語理解のための自動音声認識プロキシシステム
DE102014109122A1 (de) * 2013-07-12 2015-01-15 Gm Global Technology Operations, Llc Systeme und Verfahren für ergebnisbezogene Arbitrierung in Sprachdialogsystemen
US9715878B2 (en) 2013-07-12 2017-07-25 GM Global Technology Operations LLC Systems and methods for result arbitration in spoken dialog systems
DE112014003653B4 (de) 2013-08-06 2024-04-18 Apple Inc. Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen
EP3040985B1 (en) 2013-08-26 2023-08-23 Samsung Electronics Co., Ltd. Electronic device and method for voice recognition
US9514747B1 (en) * 2013-08-28 2016-12-06 Amazon Technologies, Inc. Reducing speech recognition latency
US10885918B2 (en) 2013-09-19 2021-01-05 Microsoft Technology Licensing, Llc Speech recognition using phoneme matching
CN105793923A (zh) * 2013-09-20 2016-07-20 亚马逊技术股份有限公司 本地和远程语音处理
DE112013001772B4 (de) * 2013-11-29 2020-02-13 Mitsubishi Electric Corporation Spracherkennungssystem
US10296160B2 (en) 2013-12-06 2019-05-21 Apple Inc. Method for extracting salient dialog usage from live data
US10024679B2 (en) 2014-01-14 2018-07-17 Toyota Motor Engineering & Manufacturing North America, Inc. Smart necklace with stereo vision and onboard processing
US10248856B2 (en) 2014-01-14 2019-04-02 Toyota Motor Engineering & Manufacturing North America, Inc. Smart necklace with stereo vision and onboard processing
US9629774B2 (en) 2014-01-14 2017-04-25 Toyota Motor Engineering & Manufacturing North America, Inc. Smart necklace with stereo vision and onboard processing
US9915545B2 (en) 2014-01-14 2018-03-13 Toyota Motor Engineering & Manufacturing North America, Inc. Smart necklace with stereo vision and onboard processing
US9578307B2 (en) 2014-01-14 2017-02-21 Toyota Motor Engineering & Manufacturing North America, Inc. Smart necklace with stereo vision and onboard processing
US10360907B2 (en) 2014-01-14 2019-07-23 Toyota Motor Engineering & Manufacturing North America, Inc. Smart necklace with stereo vision and onboard processing
US9601108B2 (en) 2014-01-17 2017-03-21 Microsoft Technology Licensing, Llc Incorporating an exogenous large-vocabulary model into rule-based speech recognition
US9589564B2 (en) 2014-02-05 2017-03-07 Google Inc. Multiple speech locale-specific hotword classifiers for selection of a speech locale
US9842592B2 (en) 2014-02-12 2017-12-12 Google Inc. Language models using non-linguistic context
CN103853703B (zh) * 2014-02-19 2018-01-23 联想(北京)有限公司 一种信息处理方法及电子设备
US9324321B2 (en) 2014-03-07 2016-04-26 Microsoft Technology Licensing, Llc Low-footprint adaptation and personalization for a deep neural network
US9552817B2 (en) * 2014-03-19 2017-01-24 Microsoft Technology Licensing, Llc Incremental utterance decoder combination for efficient and accurate decoding
US9412365B2 (en) 2014-03-24 2016-08-09 Google Inc. Enhanced maximum entropy models
US9529794B2 (en) 2014-03-27 2016-12-27 Microsoft Technology Licensing, Llc Flexible schema for language model customization
US10749989B2 (en) 2014-04-01 2020-08-18 Microsoft Technology Licensing Llc Hybrid client/server architecture for parallel processing
CA2887291A1 (en) * 2014-04-02 2015-10-02 Speakread A/S Systems and methods for supporting hearing impaired users
US9614724B2 (en) 2014-04-21 2017-04-04 Microsoft Technology Licensing, Llc Session-based device configuration
US9520127B2 (en) * 2014-04-29 2016-12-13 Microsoft Technology Licensing, Llc Shared hidden layer combination for speech recognition systems
CN105023575B (zh) * 2014-04-30 2019-09-17 中兴通讯股份有限公司 语音识别方法、装置和系统
US10111099B2 (en) 2014-05-12 2018-10-23 Microsoft Technology Licensing, Llc Distributing content in managed wireless distribution networks
US9430667B2 (en) 2014-05-12 2016-08-30 Microsoft Technology Licensing, Llc Managed wireless distribution network
US9874914B2 (en) 2014-05-19 2018-01-23 Microsoft Technology Licensing, Llc Power management contracts for accessory devices
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9715875B2 (en) * 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
TWI566107B (zh) 2014-05-30 2017-01-11 蘋果公司 用於處理多部分語音命令之方法、非暫時性電腦可讀儲存媒體及電子裝置
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US10037202B2 (en) 2014-06-03 2018-07-31 Microsoft Technology Licensing, Llc Techniques to isolating a portion of an online computing service
US9367490B2 (en) 2014-06-13 2016-06-14 Microsoft Technology Licensing, Llc Reversible connector for accessory devices
CN104036774B (zh) * 2014-06-20 2018-03-06 国家计算机网络与信息安全管理中心 藏语方言识别方法及系统
US9717006B2 (en) 2014-06-23 2017-07-25 Microsoft Technology Licensing, Llc Device quarantine in a wireless network
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10115394B2 (en) 2014-07-08 2018-10-30 Mitsubishi Electric Corporation Apparatus and method for decoding to recognize speech using a third speech recognizer based on first and second recognizer results
KR102292546B1 (ko) * 2014-07-21 2021-08-23 삼성전자주식회사 컨텍스트 정보를 이용하는 음성 인식 방법 및 장치
US10024667B2 (en) 2014-08-01 2018-07-17 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable earpiece for providing social and environmental awareness
US10446141B2 (en) * 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9953646B2 (en) 2014-09-02 2018-04-24 Belleau Technologies Method and system for dynamic speech recognition and tracking of prewritten script
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10024678B2 (en) 2014-09-17 2018-07-17 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable clip for providing social and environmental awareness
US9922236B2 (en) 2014-09-17 2018-03-20 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable eyeglasses for providing social and environmental awareness
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
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
CN105577711B (zh) 2014-10-08 2019-05-03 华为技术有限公司 消息处理方法、装置及消息处理系统
US9576460B2 (en) 2015-01-21 2017-02-21 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable smart device for hazard detection and warning based on image and audio data
US10490102B2 (en) 2015-02-10 2019-11-26 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for braille assistance
US9586318B2 (en) 2015-02-27 2017-03-07 Toyota Motor Engineering & Manufacturing North America, Inc. Modular robot with smart device
US20180047387A1 (en) * 2015-03-05 2018-02-15 Igal NIR System and method for generating accurate speech transcription from natural speech audio signals
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
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9811752B2 (en) 2015-03-10 2017-11-07 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable smart device and method for redundant object identification
US9677901B2 (en) 2015-03-10 2017-06-13 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for providing navigation instructions at optimal times
US10134394B2 (en) 2015-03-20 2018-11-20 Google Llc Speech recognition using log-linear model
US9972216B2 (en) 2015-03-20 2018-05-15 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for storing and playback of information for blind users
US10395555B2 (en) * 2015-03-30 2019-08-27 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for providing optimal braille output based on spoken and sign language
EP3089159B1 (en) 2015-04-28 2019-08-28 Google LLC Correcting voice recognition using selective re-speak
US10460227B2 (en) 2015-05-15 2019-10-29 Apple Inc. Virtual assistant in a communication session
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
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
US9578173B2 (en) 2015-06-05 2017-02-21 Apple Inc. Virtual assistant aided communication with 3rd party service in a communication session
US10152298B1 (en) * 2015-06-29 2018-12-11 Amazon Technologies, Inc. Confidence estimation based on frequency
US20160378747A1 (en) 2015-06-29 2016-12-29 Apple Inc. Virtual assistant for media playback
US10089977B2 (en) * 2015-07-07 2018-10-02 International Business Machines Corporation Method for system combination in an audio analytics application
US20170011735A1 (en) * 2015-07-10 2017-01-12 Electronics And Telecommunications Research Institute Speech recognition system and method
US9898039B2 (en) 2015-08-03 2018-02-20 Toyota Motor Engineering & Manufacturing North America, Inc. Modular smart necklace
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
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
KR102365757B1 (ko) * 2015-09-09 2022-02-18 삼성전자주식회사 인식 장치, 인식 방법 및 협업 처리 장치
KR20170032096A (ko) * 2015-09-14 2017-03-22 삼성전자주식회사 전자장치, 전자장치의 구동방법, 음성인식장치, 음성인식장치의 구동 방법 및 컴퓨터 판독가능 기록매체
KR20170034227A (ko) * 2015-09-18 2017-03-28 삼성전자주식회사 음성 인식 장치 및 방법과, 음성 인식을 위한 변환 파라미터 학습 장치 및 방법
US9875081B2 (en) * 2015-09-21 2018-01-23 Amazon Technologies, Inc. Device selection for providing a response
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
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
US10956666B2 (en) 2015-11-09 2021-03-23 Apple Inc. Unconventional virtual assistant interactions
US20180366123A1 (en) * 2015-12-01 2018-12-20 Nuance Communications, Inc. Representing Results From Various Speech Services as a Unified Conceptual Knowledge Base
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
KR102019757B1 (ko) * 2015-12-15 2019-09-10 한국전자통신연구원 언어 분석 오류 보정 장치 및 방법
JP6841232B2 (ja) * 2015-12-18 2021-03-10 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US9772817B2 (en) 2016-02-22 2017-09-26 Sonos, Inc. Room-corrected voice detection
US9965247B2 (en) 2016-02-22 2018-05-08 Sonos, Inc. Voice controlled media playback system based on user profile
US10264030B2 (en) 2016-02-22 2019-04-16 Sonos, Inc. Networked microphone device control
US10142754B2 (en) 2016-02-22 2018-11-27 Sonos, Inc. Sensor on moving component of transducer
US10095470B2 (en) 2016-02-22 2018-10-09 Sonos, Inc. Audio response playback
US10509626B2 (en) 2016-02-22 2019-12-17 Sonos, Inc Handling of loss of pairing between networked devices
US9947316B2 (en) 2016-02-22 2018-04-17 Sonos, Inc. Voice control of a media playback system
JP6620609B2 (ja) * 2016-03-09 2019-12-18 富士通株式会社 分散処理実行管理プログラム、分散処理実行管理方法および分散処理実行管理装置
US10024680B2 (en) 2016-03-11 2018-07-17 Toyota Motor Engineering & Manufacturing North America, Inc. Step based guidance system
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9978367B2 (en) 2016-03-16 2018-05-22 Google Llc Determining dialog states for language models
DE102016005629B4 (de) * 2016-05-06 2020-06-25 Audi Ag Kraftfahrzeug-Bedienvorrichtung und Verfahren zum Ermitteln zumindest eines Erkennungsergebnisses zu einem Sprachsignal
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9958275B2 (en) 2016-05-31 2018-05-01 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for wearable smart device communications
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
US11227589B2 (en) 2016-06-06 2022-01-18 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179588B1 (en) 2016-06-09 2019-02-22 Apple Inc. INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT
US9978390B2 (en) 2016-06-09 2018-05-22 Sonos, Inc. Dynamic player selection for audio signal processing
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
CN106205611B (zh) * 2016-06-29 2020-03-27 北京儒博科技有限公司 一种基于多模态历史响应结果的人机交互方法及系统
US10152969B2 (en) 2016-07-15 2018-12-11 Sonos, Inc. Voice detection by multiple devices
US10134399B2 (en) 2016-07-15 2018-11-20 Sonos, Inc. Contextualization of voice inputs
US10561519B2 (en) 2016-07-20 2020-02-18 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable computing device having a curved back to reduce pressure on vertebrae
US10115400B2 (en) 2016-08-05 2018-10-30 Sonos, Inc. Multiple voice services
US9693164B1 (en) 2016-08-05 2017-06-27 Sonos, Inc. Determining direction of networked microphone device relative to audio playback device
US10832664B2 (en) 2016-08-19 2020-11-10 Google Llc Automated speech recognition using language models that selectively use domain-specific model components
US10474753B2 (en) 2016-09-07 2019-11-12 Apple Inc. Language identification using recurrent neural networks
US10848448B2 (en) * 2016-09-21 2020-11-24 King Fahd University Of Petroleum And Minerals Spam filtering in multimodal mobile communication
US9794720B1 (en) 2016-09-22 2017-10-17 Sonos, Inc. Acoustic position measurement
US10043516B2 (en) 2016-09-23 2018-08-07 Apple Inc. Intelligent automated assistant
US9942678B1 (en) 2016-09-27 2018-04-10 Sonos, Inc. Audio playback settings for voice interaction
US9743204B1 (en) 2016-09-30 2017-08-22 Sonos, Inc. Multi-orientation playback device microphones
US10062385B2 (en) * 2016-09-30 2018-08-28 International Business Machines Corporation Automatic speech-to-text engine selection
US10181323B2 (en) 2016-10-19 2019-01-15 Sonos, Inc. Arbitration-based voice recognition
US10432851B2 (en) 2016-10-28 2019-10-01 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable computing device for detecting photography
US10012505B2 (en) 2016-11-11 2018-07-03 Toyota Motor Engineering & Manufacturing North America, Inc. Wearable system for providing walking directions
US10521669B2 (en) 2016-11-14 2019-12-31 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for providing guidance or feedback to a user
JP6751658B2 (ja) * 2016-11-15 2020-09-09 クラリオン株式会社 音声認識装置、音声認識システム
US10170110B2 (en) * 2016-11-17 2019-01-01 Robert Bosch Gmbh System and method for ranking of hybrid speech recognition results with neural networks
US11281993B2 (en) 2016-12-05 2022-03-22 Apple Inc. Model and ensemble compression for metric learning
WO2018117608A1 (ko) * 2016-12-20 2018-06-28 삼성전자 주식회사 전자 장치, 그의 사용자 발화 의도 판단 방법 및 비일시적 컴퓨터 판독가능 기록매체
KR102502220B1 (ko) 2016-12-20 2023-02-22 삼성전자주식회사 전자 장치, 그의 사용자 발화 의도 판단 방법 및 비일시적 컴퓨터 판독가능 기록매체
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
US10172760B2 (en) 2017-01-19 2019-01-08 Jennifer Hendrix Responsive route guidance and identification system
US10311860B2 (en) 2017-02-14 2019-06-04 Google Llc Language model biasing system
US11183181B2 (en) 2017-03-27 2021-11-23 Sonos, Inc. Systems and methods of multiple voice services
US9741337B1 (en) * 2017-04-03 2017-08-22 Green Key Technologies Llc Adaptive self-trained computer engines with associated databases and methods of use thereof
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
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
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
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770428A1 (en) 2017-05-12 2019-02-18 Apple Inc. LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT
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
DK201770411A1 (en) 2017-05-15 2018-12-20 Apple Inc. MULTI-MODAL INTERFACES
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
US10403278B2 (en) 2017-05-16 2019-09-03 Apple Inc. Methods and systems for phonetic matching in digital assistant services
US11048995B2 (en) * 2017-05-16 2021-06-29 Google Llc Delayed responses by computational assistant
US20180336892A1 (en) 2017-05-16 2018-11-22 Apple Inc. Detecting a trigger of a digital assistant
US20180336275A1 (en) 2017-05-16 2018-11-22 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
CN107316637A (zh) * 2017-05-31 2017-11-03 广东欧珀移动通信有限公司 语音识别方法及相关产品
US10657328B2 (en) 2017-06-02 2020-05-19 Apple Inc. Multi-task recurrent neural network architecture for efficient morphology handling in neural language modeling
KR102383429B1 (ko) * 2017-06-05 2022-04-07 현대자동차주식회사 음성 인식 처리 장치 및 방법, 그리고 차량 시스템
US10838902B2 (en) 2017-06-23 2020-11-17 Facebook, Inc. Apparatus, system, and method for performing hardware acceleration via expansion cards
US10475449B2 (en) 2017-08-07 2019-11-12 Sonos, Inc. Wake-word detection suppression
US10482904B1 (en) 2017-08-15 2019-11-19 Amazon Technologies, Inc. Context driven device arbitration
KR102356889B1 (ko) 2017-08-16 2022-01-28 삼성전자 주식회사 음성 인식을 수행하는 방법 및 이를 사용하는 전자 장치
KR102374910B1 (ko) 2017-08-22 2022-03-16 삼성전자주식회사 음성 데이터 처리 방법 및 이를 지원하는 전자 장치
US10048930B1 (en) 2017-09-08 2018-08-14 Sonos, Inc. Dynamic computation of system response volume
US10515637B1 (en) 2017-09-19 2019-12-24 Amazon Technologies, Inc. Dynamic speech processing
US10445429B2 (en) 2017-09-21 2019-10-15 Apple Inc. Natural language understanding using vocabularies with compressed serialized tries
US10446165B2 (en) 2017-09-27 2019-10-15 Sonos, Inc. Robust short-time fourier transform acoustic echo cancellation during audio playback
US10482868B2 (en) 2017-09-28 2019-11-19 Sonos, Inc. Multi-channel acoustic echo cancellation
US10621981B2 (en) 2017-09-28 2020-04-14 Sonos, Inc. Tone interference cancellation
US10051366B1 (en) 2017-09-28 2018-08-14 Sonos, Inc. Three-dimensional beam forming with a microphone array
US10466962B2 (en) 2017-09-29 2019-11-05 Sonos, Inc. Media playback system with voice assistance
US10755051B2 (en) 2017-09-29 2020-08-25 Apple Inc. Rule-based natural language processing
KR101959903B1 (ko) * 2017-10-26 2019-03-19 주식회사 마이티웍스 스마트 오디오 장치
US10636424B2 (en) 2017-11-30 2020-04-28 Apple Inc. Multi-turn canned dialog
US10880650B2 (en) 2017-12-10 2020-12-29 Sonos, Inc. Network microphone devices with automatic do not disturb actuation capabilities
US10818290B2 (en) 2017-12-11 2020-10-27 Sonos, Inc. Home graph
US10733982B2 (en) 2018-01-08 2020-08-04 Apple Inc. Multi-directional dialog
US11343614B2 (en) 2018-01-31 2022-05-24 Sonos, Inc. Device designation of playback and network microphone device arrangements
US10733375B2 (en) 2018-01-31 2020-08-04 Apple Inc. Knowledge-based framework for improving natural language understanding
CN110189750B (zh) * 2018-02-23 2022-11-15 株式会社东芝 词语检测系统、词语检测方法以及记录介质
US10192554B1 (en) * 2018-02-26 2019-01-29 Sorenson Ip Holdings, Llc Transcription of communications using multiple speech recognition systems
US10789959B2 (en) 2018-03-02 2020-09-29 Apple Inc. Training speaker recognition models for digital assistants
US11676062B2 (en) 2018-03-06 2023-06-13 Samsung Electronics Co., Ltd. Dynamically evolving hybrid personalized artificial intelligence system
US10592604B2 (en) 2018-03-12 2020-03-17 Apple Inc. Inverse text normalization for automatic speech recognition
KR102517228B1 (ko) * 2018-03-14 2023-04-04 삼성전자주식회사 사용자의 입력에 대한 외부 전자 장치의 응답 시간에 기반하여 지정된 기능을 제어하는 전자 장치 및 그의 방법
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
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
US11175880B2 (en) 2018-05-10 2021-11-16 Sonos, Inc. Systems and methods for voice-assisted media content selection
KR102695306B1 (ko) * 2018-06-27 2024-08-16 현대자동차주식회사 대화 시스템, 그를 가지는 차량 및 차량의 제어 방법
US10847178B2 (en) 2018-05-18 2020-11-24 Sonos, Inc. Linear filtering for noise-suppressed speech detection
US10867609B2 (en) * 2018-05-18 2020-12-15 Sorenson Ip Holdings, Llc Transcription generation technique selection
US10984780B2 (en) 2018-05-21 2021-04-20 Apple Inc. Global semantic word embeddings using bi-directional recurrent neural networks
KR20190133100A (ko) 2018-05-22 2019-12-02 삼성전자주식회사 어플리케이션을 이용하여 음성 입력에 대한 응답을 출력하는 전자 장치 및 그 동작 방법
US10959029B2 (en) 2018-05-25 2021-03-23 Sonos, Inc. Determining and adapting to changes in microphone performance of playback devices
DK201870355A1 (en) 2018-06-01 2019-12-16 Apple Inc. VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS
US10892996B2 (en) 2018-06-01 2021-01-12 Apple Inc. Variable latency device coordination
US11386266B2 (en) 2018-06-01 2022-07-12 Apple Inc. Text correction
DK179822B1 (da) 2018-06-01 2019-07-12 Apple Inc. Voice interaction at a primary device to access call functionality of a companion device
DK180639B1 (en) 2018-06-01 2021-11-04 Apple Inc DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT
US11076039B2 (en) 2018-06-03 2021-07-27 Apple Inc. Accelerated task performance
US10681460B2 (en) 2018-06-28 2020-06-09 Sonos, Inc. Systems and methods for associating playback devices with voice assistant services
EP3598295A1 (en) * 2018-07-18 2020-01-22 Spotify AB Human-machine interfaces for utterance-based playlist selection
EP3598377A1 (en) * 2018-07-20 2020-01-22 KBC Groep NV Improved claim handling
US10210860B1 (en) 2018-07-27 2019-02-19 Deepgram, Inc. Augmented generalized deep learning with special vocabulary
US10461710B1 (en) 2018-08-28 2019-10-29 Sonos, Inc. Media playback system with maximum volume setting
US11076035B2 (en) 2018-08-28 2021-07-27 Sonos, Inc. Do not disturb feature for audio notifications
JP7167554B2 (ja) * 2018-08-29 2022-11-09 富士通株式会社 音声認識装置、音声認識プログラムおよび音声認識方法
US10587430B1 (en) 2018-09-14 2020-03-10 Sonos, Inc. Networked devices, systems, and methods for associating playback devices based on sound codes
US10878811B2 (en) 2018-09-14 2020-12-29 Sonos, Inc. Networked devices, systems, and methods for intelligently deactivating wake-word engines
US11024331B2 (en) 2018-09-21 2021-06-01 Sonos, Inc. Voice detection optimization using sound metadata
US10811015B2 (en) 2018-09-25 2020-10-20 Sonos, Inc. Voice detection optimization based on selected voice assistant service
US11010561B2 (en) 2018-09-27 2021-05-18 Apple Inc. Sentiment prediction from textual data
US10839159B2 (en) 2018-09-28 2020-11-17 Apple Inc. Named entity normalization in a spoken dialog system
US11100923B2 (en) 2018-09-28 2021-08-24 Sonos, Inc. Systems and methods for selective wake word detection using neural network models
US11462215B2 (en) 2018-09-28 2022-10-04 Apple Inc. Multi-modal inputs for voice commands
US11170166B2 (en) 2018-09-28 2021-11-09 Apple Inc. Neural typographical error modeling via generative adversarial networks
US10692518B2 (en) 2018-09-29 2020-06-23 Sonos, Inc. Linear filtering for noise-suppressed speech detection via multiple network microphone devices
SG11201811192WA (en) 2018-10-16 2020-05-28 Beijing Didi Infinity Technology & Development Co Ltd A system to optimize scats adaptive signal system using trajectory data
US11899519B2 (en) 2018-10-23 2024-02-13 Sonos, Inc. Multiple stage network microphone device with reduced power consumption and processing load
US11475898B2 (en) 2018-10-26 2022-10-18 Apple Inc. Low-latency multi-speaker speech recognition
EP3654249A1 (en) 2018-11-15 2020-05-20 Snips Dilated convolutions and gating for efficient keyword spotting
US11043214B1 (en) * 2018-11-29 2021-06-22 Amazon Technologies, Inc. Speech recognition using dialog history
US11183183B2 (en) 2018-12-07 2021-11-23 Sonos, Inc. Systems and methods of operating media playback systems having multiple voice assistant services
US11132989B2 (en) 2018-12-13 2021-09-28 Sonos, Inc. Networked microphone devices, systems, and methods of localized arbitration
US10602268B1 (en) 2018-12-20 2020-03-24 Sonos, Inc. Optimization of network microphone devices using noise classification
CN109461446B (zh) * 2018-12-24 2019-10-01 出门问问信息科技有限公司 一种识别用户目标请求的方法、装置、系统及存储介质
US11638059B2 (en) 2019-01-04 2023-04-25 Apple Inc. Content playback on multiple devices
CN111415657A (zh) * 2019-01-07 2020-07-14 成都启英泰伦科技有限公司 一种去中心化设备、多设备系统及其语音控制方法
CN109785845B (zh) 2019-01-28 2021-08-03 百度在线网络技术（北京）有限公司 语音处理方法、装置及设备
US10867604B2 (en) 2019-02-08 2020-12-15 Sonos, Inc. Devices, systems, and methods for distributed voice processing
US11315556B2 (en) 2019-02-08 2022-04-26 Sonos, Inc. Devices, systems, and methods for distributed voice processing by transmitting sound data associated with a wake word to an appropriate device for identification
CN109949816A (zh) * 2019-02-14 2019-06-28 安徽云之迹信息技术有限公司 机器人语音处理方法及装置、云端服务器
US11348573B2 (en) 2019-03-18 2022-05-31 Apple Inc. Multimodality in digital assistant systems
US10991365B2 (en) * 2019-04-08 2021-04-27 Microsoft Technology Licensing, Llc Automated speech recognition confidence classifier
US11120794B2 (en) 2019-05-03 2021-09-14 Sonos, Inc. Voice assistant persistence across multiple network microphone devices
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
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
KR102153220B1 (ko) 2019-05-20 2020-09-07 주식회사 모두의연구소 동일성 판단에 기초한 음성 인식 결과 출력 방법 및 이를 이용한 장치
US11140099B2 (en) 2019-05-21 2021-10-05 Apple Inc. Providing message response 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
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
US11360641B2 (en) 2019-06-01 2022-06-14 Apple Inc. Increasing the relevance of new available information
US11468890B2 (en) 2019-06-01 2022-10-11 Apple Inc. Methods and user interfaces for voice-based control of electronic devices
US11200894B2 (en) 2019-06-12 2021-12-14 Sonos, Inc. Network microphone device with command keyword eventing
US11361756B2 (en) 2019-06-12 2022-06-14 Sonos, Inc. Conditional wake word eventing based on environment
US10586540B1 (en) 2019-06-12 2020-03-10 Sonos, Inc. Network microphone device with command keyword conditioning
KR102266062B1 (ko) * 2019-07-01 2021-06-17 주식회사 한글과컴퓨터 분할 음성 인식을 기반으로 발화자의 음성에 대응하는 텍스트의 생성이 가능한 음성 인식 장치 및 그 동작 방법
KR102266063B1 (ko) * 2019-07-15 2021-06-17 주식회사 한글과컴퓨터 종결어미 기반의 구간별 음성 인식을 통해 발화자의 음성에 대응하는 텍스트의 생성이 가능한 음성 인식 장치 및 그 동작 방법
CN110600041B (zh) * 2019-07-29 2022-04-29 华为技术有限公司 一种声纹识别的方法及设备
US11138975B2 (en) 2019-07-31 2021-10-05 Sonos, Inc. Locally distributed keyword detection
US10871943B1 (en) 2019-07-31 2020-12-22 Sonos, Inc. Noise classification for event detection
US11138969B2 (en) 2019-07-31 2021-10-05 Sonos, Inc. Locally distributed keyword detection
US11488406B2 (en) 2019-09-25 2022-11-01 Apple Inc. Text detection using global geometry estimators
US11189286B2 (en) 2019-10-22 2021-11-30 Sonos, Inc. VAS toggle based on device orientation
US11200900B2 (en) 2019-12-20 2021-12-14 Sonos, Inc. Offline voice control
CN113051069B (zh) * 2019-12-28 2023-12-08 华为技术有限公司 基于多任务的数据分析方法、装置及终端设备
US11562740B2 (en) 2020-01-07 2023-01-24 Sonos, Inc. Voice verification for media playback
US11848025B2 (en) * 2020-01-17 2023-12-19 ELSA, Corp. Methods for measuring speech intelligibility, and related systems and apparatus
US11556307B2 (en) 2020-01-31 2023-01-17 Sonos, Inc. Local voice data processing
US11308958B2 (en) 2020-02-07 2022-04-19 Sonos, Inc. Localized wakeword verification
CN111488913A (zh) * 2020-03-17 2020-08-04 华为技术有限公司 基于多分析任务的数据分析方法及电子设备
JP6781492B2 (ja) * 2020-04-07 2020-11-04 株式会社インタラクティブソリューションズ 音声解析システム
US11038934B1 (en) 2020-05-11 2021-06-15 Apple Inc. Digital assistant hardware abstraction
US11061543B1 (en) 2020-05-11 2021-07-13 Apple Inc. Providing relevant data items based on context
US11755276B2 (en) 2020-05-12 2023-09-12 Apple Inc. Reducing description length based on confidence
US11727919B2 (en) 2020-05-20 2023-08-15 Sonos, Inc. Memory allocation for keyword spotting engines
US11308962B2 (en) 2020-05-20 2022-04-19 Sonos, Inc. Input detection windowing
US11482224B2 (en) 2020-05-20 2022-10-25 Sonos, Inc. Command keywords with input detection windowing
CN111681647B (zh) * 2020-06-10 2023-09-05 北京百度网讯科技有限公司 用于识别词槽的方法、装置、设备以及存储介质
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
US11698771B2 (en) 2020-08-25 2023-07-11 Sonos, Inc. Vocal guidance engines for playback devices
US11798530B2 (en) * 2020-10-30 2023-10-24 Google Llc Simultaneous acoustic event detection across multiple assistant devices
US11984123B2 (en) 2020-11-12 2024-05-14 Sonos, Inc. Network device interaction by range
US11984124B2 (en) 2020-11-13 2024-05-14 Apple Inc. Speculative task flow execution
US11532312B2 (en) 2020-12-15 2022-12-20 Microsoft Technology Licensing, Llc User-perceived latency while maintaining accuracy
US11551700B2 (en) 2021-01-25 2023-01-10 Sonos, Inc. Systems and methods for power-efficient keyword detection
CN114446279A (zh) * 2022-02-18 2022-05-06 青岛海尔科技有限公司 语音识别方法、装置、存储介质及电子设备
WO2024029845A1 (ko) * 2022-08-05 2024-02-08 삼성전자주식회사 전자 장치 및 이의 음성 인식 방법
WO2024029850A1 (ko) * 2022-08-05 2024-02-08 삼성전자주식회사 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
CN115394300B (zh) * 2022-10-28 2023-03-31 广州小鹏汽车科技有限公司 语音交互方法、语音交互装置、车辆和可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5432886A (en) * 1991-02-07 1995-07-11 Nec Corporation Speech recognition device for calculating a corrected similarity partially dependent on circumstances of production of input patterns
US5475770A (en) * 1990-09-24 1995-12-12 Cgk Computer Gesellschaft Konstanz Mbh Parallel recognition of document images with a time-elapsed processing abortion to improve overall throughput
US5754978A (en) * 1995-10-27 1998-05-19 Speech Systems Of Colorado, Inc. Speech recognition system
US6088671A (en) * 1995-11-13 2000-07-11 Dragon Systems Continuous speech recognition of text and commands
US6292779B1 (en) * 1998-03-09 2001-09-18 Lernout & Hauspie Speech Products N.V. System and method for modeless large vocabulary speech recognition
US20070136059A1 (en) * 2005-12-12 2007-06-14 Gadbois Gregory J Multi-voice speech recognition
US20070156411A1 (en) * 2005-08-09 2007-07-05 Burns Stephen S Control center for a voice controlled wireless communication device system
US20070198261A1 (en) * 2006-02-21 2007-08-23 Sony Computer Entertainment Inc. Voice recognition with parallel gender and age normalization
US20080077402A1 (en) * 2006-09-22 2008-03-27 International Business Machines Corporation Tuning Reusable Software Components in a Speech Application

Family Cites Families (118)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5228087A (en) * 1989-04-12 1993-07-13 Smiths Industries Public Limited Company Speech recognition apparatus and methods
JPH05189336A (ja) * 1992-01-09 1993-07-30 Fuji Xerox Co Ltd 文書認識装置および認識処理方法
JP2500726B2 (ja) 1992-06-12 1996-05-29 日本電気株式会社 上まぶた領域、目頭・目尻・上まぶた領域及び目の構造の検出方法及び装置
US5758021A (en) * 1992-06-12 1998-05-26 Alcatel N.V. Speech recognition combining dynamic programming and neural network techniques
DE4306508A1 (de) * 1993-03-03 1994-09-08 Philips Patentverwaltung Verfahren und Anordnung zum Ermitteln von Wörtern in einem Sprachsignal
US6961700B2 (en) * 1996-09-24 2005-11-01 Allvoice Computing Plc Method and apparatus for processing the output of a speech recognition engine
US5781887A (en) * 1996-10-09 1998-07-14 Lucent Technologies Inc. Speech recognition method with error reset commands
US6122613A (en) * 1997-01-30 2000-09-19 Dragon Systems, Inc. Speech recognition using multiple recognizers (selectively) applied to the same input sample
US5956675A (en) * 1997-07-31 1999-09-21 Lucent Technologies Inc. Method and apparatus for word counting in continuous speech recognition useful for reliable barge-in and early end of speech detection
US6804414B1 (en) * 1998-05-01 2004-10-12 Fujitsu Limited Image status detecting apparatus and document image correcting apparatus
US6098043A (en) * 1998-06-30 2000-08-01 Nortel Networks Corporation Method and apparatus for providing an improved user interface in speech recognition systems
US7003463B1 (en) * 1998-10-02 2006-02-21 International Business Machines Corporation System and method for providing network coordinated conversational services
JP2000132529A (ja) * 1998-10-23 2000-05-12 Sony Corp 並列処理装置、並列処理方法および記録媒体
US6377922B2 (en) * 1998-12-29 2002-04-23 At&T Corp. Distributed recognition system having multiple prompt-specific and response-specific speech recognizers
US6526380B1 (en) * 1999-03-26 2003-02-25 Koninklijke Philips Electronics N.V. Speech recognition system having parallel large vocabulary recognition engines
JP3990075B2 (ja) * 1999-06-30 2007-10-10 株式会社東芝 音声認識支援方法及び音声認識システム
JP4284774B2 (ja) * 1999-09-07 2009-06-24 ソニー株式会社 送信装置、受信装置、通信システム、送信方法及び通信方法
US7016835B2 (en) * 1999-10-29 2006-03-21 International Business Machines Corporation Speech and signal digitization by using recognition metrics to select from multiple techniques
KR20010089811A (ko) * 1999-11-11 2001-10-08 요트.게.아. 롤페즈 음성 인식 시스템
US7050977B1 (en) * 1999-11-12 2006-05-23 Phoenix Solutions, Inc. Speech-enabled server for internet website and method
GB9928011D0 (en) * 1999-11-27 2000-01-26 Ibm Voice processing system
US6963841B2 (en) * 2000-04-21 2005-11-08 Lessac Technology, Inc. Speech training method with alternative proper pronunciation database
US6574595B1 (en) * 2000-07-11 2003-06-03 Lucent Technologies Inc. Method and apparatus for recognition-based barge-in detection in the context of subword-based automatic speech recognition
JP2002150039A (ja) 2000-08-31 2002-05-24 Hitachi Ltd サービス仲介装置
JP2002116796A (ja) 2000-10-11 2002-04-19 Canon Inc 音声処理装置、音声処理方法及び記憶媒体
US6823306B2 (en) * 2000-11-30 2004-11-23 Telesector Resources Group, Inc. Methods and apparatus for generating, updating and distributing speech recognition models
US7257537B2 (en) * 2001-01-12 2007-08-14 International Business Machines Corporation Method and apparatus for performing dialog management in a computer conversational interface
US20020193997A1 (en) * 2001-03-09 2002-12-19 Fitzpatrick John E. System, method and computer program product for dynamic billing using tags in a speech recognition framework
ATE288615T1 (de) * 2001-03-14 2005-02-15 Ibm Verfahren und prozessorsystem zur audiosignalverarbeitung
ATE300084T1 (de) * 2001-03-16 2005-08-15 Koninkl Philips Electronics Nv Transkriptionsdienst mit abbruch der automatischen transkription
US7072837B2 (en) * 2001-03-16 2006-07-04 International Business Machines Corporation Method for processing initially recognized speech in a speech recognition session
US6839667B2 (en) * 2001-05-16 2005-01-04 International Business Machines Corporation Method of speech recognition by presenting N-best word candidates
US6701293B2 (en) * 2001-06-13 2004-03-02 Intel Corporation Combining N-best lists from multiple speech recognizers
US7012650B2 (en) * 2001-06-14 2006-03-14 Sony Corporation Start/stop audio encoder apparatus and method for synchronizing digital audio and video signals
US6996525B2 (en) * 2001-06-15 2006-02-07 Intel Corporation Selecting one of multiple speech recognizers in a system based on performance predections resulting from experience
US7668718B2 (en) * 2001-07-17 2010-02-23 Custom Speech Usa, Inc. Synchronized pattern recognition source data processed by manual or automatic means for creation of shared speaker-dependent speech user profile
US6950975B2 (en) * 2001-08-03 2005-09-27 Combasis Technology, Inc. Acceleration of convergence rate with verified bits in turbo decoding
TW517221B (en) * 2001-08-24 2003-01-11 Ind Tech Res Inst Voice recognition system
US7069221B2 (en) * 2001-10-26 2006-06-27 Speechworks International, Inc. Non-target barge-in detection
US7103542B2 (en) * 2001-12-14 2006-09-05 Ben Franklin Patent Holding Llc Automatically improving a voice recognition system
US6898567B2 (en) * 2001-12-29 2005-05-24 Motorola, Inc. Method and apparatus for multi-level distributed speech recognition
US20030144837A1 (en) * 2002-01-29 2003-07-31 Basson Sara H. Collaboration of multiple automatic speech recognition (ASR) systems
GB2391679B (en) * 2002-02-04 2004-03-24 Zentian Ltd Speech recognition circuit using parallel processors
US8239197B2 (en) * 2002-03-28 2012-08-07 Intellisist, Inc. Efficient conversion of voice messages into text
US6879954B2 (en) * 2002-04-22 2005-04-12 Matsushita Electric Industrial Co., Ltd. Pattern matching for large vocabulary speech recognition systems
US6618702B1 (en) * 2002-06-14 2003-09-09 Mary Antoinette Kohler Method of and device for phone-based speaker recognition
KR100504982B1 (ko) 2002-07-25 2005-08-01 (주) 메카트론 환경 적응형 다중 음성인식 장치 및 음성인식 방법
US7386454B2 (en) * 2002-07-31 2008-06-10 International Business Machines Corporation Natural error handling in speech recognition
US7228275B1 (en) * 2002-10-21 2007-06-05 Toyota Infotechnology Center Co., Ltd. Speech recognition system having multiple speech recognizers
JP2004198597A (ja) * 2002-12-17 2004-07-15 Advanced Telecommunication Research Institute International 音声認識装置および文分類装置としてコンピュータを動作させるコンピュータプログラム、階層化された言語モデルを作成する方法を実現する様にコンピュータを動作させるコンピュータプログラム、および記憶媒体
JP3632099B2 (ja) * 2002-12-17 2005-03-23 独立行政法人科学技術振興機構 ロボット視聴覚システム
US6993482B2 (en) * 2002-12-18 2006-01-31 Motorola, Inc. Method and apparatus for displaying speech recognition results
US7076428B2 (en) * 2002-12-30 2006-07-11 Motorola, Inc. Method and apparatus for selective distributed speech recognition
US7197331B2 (en) * 2002-12-30 2007-03-27 Motorola, Inc. Method and apparatus for selective distributed speech recognition
US20040138885A1 (en) * 2003-01-09 2004-07-15 Xiaofan Lin Commercial automatic speech recognition engine combinations
US8335683B2 (en) * 2003-01-23 2012-12-18 Microsoft Corporation System for using statistical classifiers for spoken language understanding
US7149689B2 (en) * 2003-01-30 2006-12-12 Hewlett-Packard Development Company, Lp. Two-engine speech recognition
US20040158468A1 (en) * 2003-02-12 2004-08-12 Aurilab, Llc Speech recognition with soft pruning
JP2004258289A (ja) * 2003-02-26 2004-09-16 Sony Corp ロボット制御装置および方法、記録媒体、並びにプログラム
US20040210437A1 (en) * 2003-04-15 2004-10-21 Aurilab, Llc Semi-discrete utterance recognizer for carefully articulated speech
JP2005031758A (ja) 2003-07-07 2005-02-03 Canon Inc 音声処理装置及び方法
US20050050119A1 (en) * 2003-08-26 2005-03-03 Vandanapu Naveen Kumar Method for reducing data dependency in codebook searches for multi-ALU DSP architectures
US8311835B2 (en) * 2003-08-29 2012-11-13 Microsoft Corporation Assisted multi-modal dialogue
US20050065789A1 (en) * 2003-09-23 2005-03-24 Sherif Yacoub System and method with automated speech recognition engines
US7707039B2 (en) * 2004-02-15 2010-04-27 Exbiblio B.V. Automatic modification of web pages
JP4583772B2 (ja) * 2004-02-05 2010-11-17 日本電気株式会社 音声認識システム、音声認識方法および音声認識用プログラム
KR100612839B1 (ko) * 2004-02-18 2006-08-18 삼성전자주식회사 도메인 기반 대화 음성인식방법 및 장치
JP4581441B2 (ja) 2004-03-18 2010-11-17 パナソニック株式会社 家電機器システム、家電機器および音声認識方法
US20050235284A1 (en) * 2004-04-14 2005-10-20 International Business Machines Corporation Systems and methods for tracking processing unit usage
US7340395B2 (en) * 2004-04-23 2008-03-04 Sap Aktiengesellschaft Multiple speech recognition engines
US8589156B2 (en) * 2004-07-12 2013-11-19 Hewlett-Packard Development Company, L.P. Allocation of speech recognition tasks and combination of results thereof
US7454344B2 (en) * 2004-08-13 2008-11-18 Microsoft Corporation Language model architecture
JP4579638B2 (ja) * 2004-10-05 2010-11-10 キヤノン株式会社 データ検索装置及びデータ検索方法
US20060122837A1 (en) * 2004-12-08 2006-06-08 Electronics And Telecommunications Research Institute Voice interface system and speech recognition method
US7949533B2 (en) * 2005-02-04 2011-05-24 Vococollect, Inc. Methods and systems for assessing and improving the performance of a speech recognition system
KR100728620B1 (ko) * 2005-02-07 2007-06-14 한국정보통신대학교 산학협력단 집합적 음성인식 시스템 및 그 시스템에서의 음성인식 방법
DE602005007939D1 (de) * 2005-02-17 2008-08-14 Loquendo Societa Per Azioni Verfahren und system zum automatischen bereitstellen linguistischer formulierungen, die ausserhalb ekennungssystems liegen
EP1693830B1 (en) * 2005-02-21 2017-12-20 Harman Becker Automotive Systems GmbH Voice-controlled data system
JP4412199B2 (ja) * 2005-02-21 2010-02-10 ブラザー工業株式会社 コンテンツ提供システム，検索制御装置およびプログラム
US7536380B2 (en) * 2005-03-24 2009-05-19 International Business Machines Corporation Dynamic look ahead predicate generation
KR100693284B1 (ko) * 2005-04-14 2007-03-13 학교법인 포항공과대학교 음성 인식 장치
US8494849B2 (en) * 2005-06-20 2013-07-23 Telecom Italia S.P.A. Method and apparatus for transmitting speech data to a remote device in a distributed speech recognition system
US20070001101A1 (en) 2005-07-01 2007-01-04 Ess Technology, Inc. Programmable rise/fall time control circuit
US7528622B2 (en) * 2005-07-06 2009-05-05 Optimal Test Ltd. Methods for slow test time detection of an integrated circuit during parallel testing
GB0513820D0 (en) * 2005-07-06 2005-08-10 Ibm Distributed voice recognition system and method
US7620549B2 (en) * 2005-08-10 2009-11-17 Voicebox Technologies, Inc. System and method of supporting adaptive misrecognition in conversational speech
US8185400B1 (en) * 2005-10-07 2012-05-22 At&T Intellectual Property Ii, L.P. System and method for isolating and processing common dialog cues
US20140156901A1 (en) * 2005-10-26 2014-06-05 Cortica Ltd. Computing device, a system and a method for parallel processing of data streams
JP2007206501A (ja) * 2006-02-03 2007-08-16 Advanced Telecommunication Research Institute International 最適音声認識方式判定装置、音声認識装置、パラメータ算出装置、情報端末装置、及びコンピュータプログラム
US20070198979A1 (en) * 2006-02-22 2007-08-23 David Dice Methods and apparatus to implement parallel transactions
EP1837771A3 (en) * 2006-03-17 2009-07-15 Iontas Limited Monitoring of computer events
US8781837B2 (en) * 2006-03-23 2014-07-15 Nec Corporation Speech recognition system and method for plural applications
US8121838B2 (en) * 2006-04-11 2012-02-21 Nuance Communications, Inc. Method and system for automatic transcription prioritization
US7778837B2 (en) * 2006-05-01 2010-08-17 Microsoft Corporation Demographic based classification for local word wheeling/web search
US8688451B2 (en) * 2006-05-11 2014-04-01 General Motors Llc Distinguishing out-of-vocabulary speech from in-vocabulary speech
EP2019985B1 (en) * 2006-05-12 2018-04-04 Nuance Communications Austria GmbH Method for changing over from a first adaptive data processing version to a second adaptive data processing version
US7469406B2 (en) * 2006-07-31 2008-12-23 Sap Ag Process suspension through process model design
US7881928B2 (en) * 2006-09-01 2011-02-01 International Business Machines Corporation Enhanced linguistic transformation
US7895185B2 (en) * 2006-09-28 2011-02-22 International Business Machines Corporation Row-identifier list processing management
US8972268B2 (en) * 2008-04-15 2015-03-03 Facebook, Inc. Enhanced speech-to-speech translation system and methods for adding a new word
US7912707B2 (en) * 2006-12-19 2011-03-22 Microsoft Corporation Adapting a language model to accommodate inputs not found in a directory assistance listing
US8909532B2 (en) * 2007-03-23 2014-12-09 Nuance Communications, Inc. Supporting multi-lingual user interaction with a multimodal application
EP1976255B1 (en) * 2007-03-29 2015-03-18 Intellisist, Inc. Call center with distributed speech recognition
US8326636B2 (en) * 2008-01-16 2012-12-04 Canyon Ip Holdings Llc Using a physical phenomenon detector to control operation of a speech recognition engine
JP2008265461A (ja) 2007-04-18 2008-11-06 Honda Motor Co Ltd 車体スリップ角推定装置
US8345831B2 (en) * 2007-07-27 2013-01-01 At&T Intellectual Property I, L.P. Automatic contextual media recording and processing utilizing speech analytics
JP4940057B2 (ja) * 2007-08-17 2012-05-30 株式会社東芝 音声認識装置及びその方法
US7991615B2 (en) * 2007-12-07 2011-08-02 Microsoft Corporation Grapheme-to-phoneme conversion using acoustic data
JP5277704B2 (ja) * 2008-04-24 2013-08-28 トヨタ自動車株式会社 音声認識装置及びこれを用いる車両システム
US8566076B2 (en) * 2008-05-28 2013-10-22 International Business Machines Corporation System and method for applying bridging models for robust and efficient speech to speech translation
JP4612710B2 (ja) * 2008-06-02 2011-01-12 株式会社日立製作所 トランザクション並行制御方法、データベース管理システム、およびプログラム
US8364481B2 (en) 2008-07-02 2013-01-29 Google Inc. Speech recognition with parallel recognition tasks
US7933777B2 (en) * 2008-08-29 2011-04-26 Multimodal Technologies, Inc. Hybrid speech recognition
US8132174B2 (en) * 2008-12-19 2012-03-06 Sap Aktiengeselleschaft Concurrency management in cluster computing of business applications
JP5451498B2 (ja) * 2009-07-17 2014-03-26 キヤノン株式会社 情報処理装置、情報処理装置の制御方法およびプログラム
US9026444B2 (en) * 2009-09-16 2015-05-05 At&T Intellectual Property I, L.P. System and method for personalization of acoustic models for automatic speech recognition
US8346549B2 (en) * 2009-12-04 2013-01-01 At&T Intellectual Property I, L.P. System and method for supplemental speech recognition by identified idle resources
JP5891054B2 (ja) 2012-02-02 2016-03-22 Ｇｋｎドライブラインジャパン株式会社 デファレンシャル装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5475770A (en) * 1990-09-24 1995-12-12 Cgk Computer Gesellschaft Konstanz Mbh Parallel recognition of document images with a time-elapsed processing abortion to improve overall throughput
US5432886A (en) * 1991-02-07 1995-07-11 Nec Corporation Speech recognition device for calculating a corrected similarity partially dependent on circumstances of production of input patterns
US5754978A (en) * 1995-10-27 1998-05-19 Speech Systems Of Colorado, Inc. Speech recognition system
US6088671A (en) * 1995-11-13 2000-07-11 Dragon Systems Continuous speech recognition of text and commands
US6292779B1 (en) * 1998-03-09 2001-09-18 Lernout & Hauspie Speech Products N.V. System and method for modeless large vocabulary speech recognition
US20070156411A1 (en) * 2005-08-09 2007-07-05 Burns Stephen S Control center for a voice controlled wireless communication device system
US20070136059A1 (en) * 2005-12-12 2007-06-14 Gadbois Gregory J Multi-voice speech recognition
US20070198261A1 (en) * 2006-02-21 2007-08-23 Sony Computer Entertainment Inc. Voice recognition with parallel gender and age normalization
US20080077402A1 (en) * 2006-09-22 2008-03-27 International Business Machines Corporation Tuning Reusable Software Components in a Speech Application

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952645A (zh) * 2017-03-24 2017-07-14 广东美的制冷设备有限公司 语音指令的识别方法、语音指令的识别装置和空调器
CN110473570A (zh) * 2018-05-09 2019-11-19 广达电脑股份有限公司 整合式语音辨识系统及方法
CN110473570B (zh) * 2018-05-09 2021-11-26 广达电脑股份有限公司 整合式语音辨识系统及方法
CN111951808A (zh) * 2019-04-30 2020-11-17 深圳市优必选科技有限公司 语音交互方法、装置、终端设备及介质
CN111951808B (zh) * 2019-04-30 2023-09-08 深圳市优必选科技有限公司 语音交互方法、装置、终端设备及介质
CN112185357A (zh) * 2020-12-02 2021-01-05 成都启英泰伦科技有限公司 一种同时识别人声和非人声的装置及方法
CN112802483A (zh) * 2021-04-14 2021-05-14 南京山猫齐动信息技术有限公司 优化意图识别置信度阈值的方法、装置及存储介质

Also Published As

Publication number Publication date
US9373329B2 (en) 2016-06-21
JP5336590B2 (ja) 2013-11-06
KR101741734B1 (ko) 2017-06-15
JP5451933B2 (ja) 2014-03-26
KR20110043644A (ko) 2011-04-27
JP2011527030A (ja) 2011-10-20
JP6435312B2 (ja) 2018-12-05
US10049672B2 (en) 2018-08-14
KR20160079929A (ko) 2016-07-06
US20160275951A1 (en) 2016-09-22
CN103761968B (zh) 2017-07-28
US8571860B2 (en) 2013-10-29
JP2017076139A (ja) 2017-04-20
US20130138440A1 (en) 2013-05-30
JP6138675B2 (ja) 2017-05-31
JP2013238885A (ja) 2013-11-28
KR20150103326A (ko) 2015-09-09
JP2014056278A (ja) 2014-03-27
CN102138175A (zh) 2011-07-27
US20140058728A1 (en) 2014-02-27
WO2010003109A3 (en) 2010-03-18
CN102138175B (zh) 2013-12-25
EP2301012A2 (en) 2011-03-30
WO2010003109A2 (en) 2010-01-07
US11527248B2 (en) 2022-12-13
KR101605148B1 (ko) 2016-03-21
US8364481B2 (en) 2013-01-29
US10699714B2 (en) 2020-06-30
EP2301012B1 (en) 2014-05-14
US20100004930A1 (en) 2010-01-07
US20200357413A1 (en) 2020-11-12
KR101635990B1 (ko) 2016-07-06
US20180330735A1 (en) 2018-11-15
EP2301012A4 (en) 2012-06-13

Similar Documents

Publication Publication Date Title
CN102138175B (zh) 具有并行识别任务的语音识别
US11030412B2 (en) System and method for chatbot conversation construction and management
JP6594534B2 (ja) テキスト情報処理方法およびデバイス
CN103635963B (zh) 语言模型的跨语种初始化
CN111639168B (zh) 一种多轮对话的处理方法、装置、电子设备及存储介质
CN109299458A (zh) 实体识别方法、装置、设备及存储介质
CN105302903B (zh) 搜索方法、装置、系统以及搜索结果调序依据的确定方法
CN109086303A (zh) 基于机器阅读理解的智能对话方法、装置、终端
CN102292766A (zh) 用于提供用于语音识别自适应的复合模型的方法、装置和计算机程序产品
EP3495928A1 (en) Candidate input determination method, input suggestion method, and electronic apparatus
CN114298322B (zh) 联邦学习方法和装置、系统、电子设备、计算机可读介质
CN103187052A (zh) 一种建立用于语音识别的语言模型的方法及装置
CN102073704B (zh) 文本分类处理方法和系统以及设备
CN110969240A (zh) 一种深度卷积神经网络的剪枝方法、装置、设备及介质
CN111343348A (zh) 互动式语音应答菜单的应用方法、系统、装置及存储介质
CN112925895A (zh) 自然语言软件运维方法及装置
CN110931014A (zh) 基于正则匹配规则的语音识别方法及装置
CN111414748A (zh) 话务数据处理方法及装置
CN111104502A (zh) 外呼系统的对话管理方法、系统、电子设备和存储介质
CN111046156A (zh) 奖励数据的确定方法、装置和服务器
CN112948251B (zh) 软件自动测试方法及装置
CN110472113B (zh) 一种智能交互引擎优化方法、装置、设备
CN111639167B (zh) 一种任务对话方法及装置
CN113539275B (zh) 确定话术的方法、装置以及存储介质
CN112685996A (zh) 文本标点预测方法、装置、可读介质和电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: American California

Patentee after: Google limited liability company

Address before: American California

Patentee before: Google Inc.

CP01 Change in the name or title of a patent holder