CN105068987A - 语音输入的字词级纠正 - Google Patents

语音输入的字词级纠正 Download PDF

Info

Publication number
CN105068987A
CN105068987A CN201510420200.7A CN201510420200A CN105068987A CN 105068987 A CN105068987 A CN 105068987A CN 201510420200 A CN201510420200 A CN 201510420200A CN 105068987 A CN105068987 A CN 105068987A
Authority
CN
China
Prior art keywords
words
voice
transcribing
user
word lattice
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
CN201510420200.7A
Other languages
English (en)
Other versions
CN105068987B (zh
Inventor
M·J·勒鲍
W·J·伯恩
J·N·吉科夫
B·M·巴林格尔
T·克里斯简森
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 CN105068987A publication Critical patent/CN105068987A/zh
Application granted granted Critical
Publication of CN105068987B publication Critical patent/CN105068987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G06F3/04886—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures by partitioning the display area of the touch-screen or the surface of the digitising tablet into independently controllable areas, e.g. virtual keyboards or menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/137—Hierarchical processing, e.g. outlines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)
  • Telephone Function (AREA)

Abstract

本发明的各实施例涉及语音输入的字词级纠正。可以在一种计算机实施的方法以及其它实施方式中实施本说明书的主题内容，其中该方法用于纠正转录的文字中的字词，该方法包括从麦克风接收语音音频数据。该方法还包括向转录系统发送语音音频数据。该方法还包括接收转录系统从语音音频数据转录的字词网格。该方法还包括呈现来自字词网格的一个或者多个转录的字词。该方法还包括接收呈现的转录的字词中的至少一个转录的字词的用户选择。该方法还包括呈现来自字词网格的用于所选转录的字词的一个或者多个替代字词。该方法还包括接收替代字词中的至少一个替代字词的用户选择。该方法还包括用所选替代字词取代呈现的转录的字词中的所选转录的字词。

Description

语音输入的字词级纠正
分案申请说明
本申请是于2011年1月5日提交的、于2012年8月9日进入中国国家阶段的、申请号为201180008973.4、名称为“语音输入的字词级纠正”的中国发明专利申请的分案申请。
相关申请的交叉引用
本申请要求对通过引用将内容结合于此、于2010年1月5日提交并且标题为“Word-LevelCorrectionofSpeechInput”的第61/292,440号美国临时申请以及于2010年10月27日提交并且标题为“Word-LevelCorrectionofSpeechInput”的第12/913,407号美国申请的优先权。
技术领域
本说明书涉及纠正从向计算设备的语音输入转录的文字中的一个或者多个字词。
背景技术
语音输入的转录是一种越来越流行的向计算设备中输入信息的方式。对于移动计算设备(比如移动电话和智能电话)而言甚至更是如此，其中可用于容用户进行用户输入的接口不如桌面型计算机中的用户接口(比如全尺寸键盘)那样易于操纵。例如一些移动计算设备使用最小硬件键盘(例如完全QWERTY键盘的子集)、虚拟/软件键盘(例如触屏键盘)或者甚至十二个键的电话键区(例如ITU-T文字录入)。通常，这些用户输入接口比传统桌面型用户接口更小，并且用户经常使用他们的拇指来键入或者在键入之时看一个键打一个字。这可以至少部分说明越来越多地使用向移动计算设备的语音输入。
发明内容
总体上，本文献描述纠正从向计算设备的语音输入转录的文字中的一个或者多个字词。在一些实施方式中，计算设备是无线移动设备(比如移动电话或者智能电话)。计算设备例如从用户接收语音输入并且向与计算设备分离的转录系统发送语音输入。转录系统转录语音输入并且向计算设备提供对应字词网格。计算设备允许用户使用来自字词网格的替代字词和/或短语对转录的文字中的一个或者多个字词进行纠正。
在第一方面中，一种用于纠正转录的文字中的字词的计算机实施的方法包括从移动计算设备中的麦克风接收语音音频数据。该方法还包括向转录系统发送来自移动计算设备的语音音频数据。该方法还包括在移动计算设备接收转录系统从语音音频数据转录的字词网格。该方法还包括在移动计算设备的显示器屏幕上呈现来自字词网格的一个或者多个转录的字词。该方法还包括在移动计算设备接收呈现的转录的字词中的至少一个转录的字词的用户选择。该方法还包括响应于接收转录的字词的用户选择，在显示器屏幕上呈现来自字词网格的用于所选转录的字词的一个或者多个替代字词。该方法还包括在移动计算设备接收替代字词中的至少一个替代字词的用户选择。该方法还包括响应于接收替代字词的用户选择，用所选替代字词取代呈现的转录的字词中的所选转录的字词。
实施方式可以包括以下特征中的任何、所有或者零个特征。该方法可以包括：响应于接收转录的字词的用户选择，在显示器屏幕上呈现用于所选转录的字词的去除命令；在移动计算设备接收去除命令的用户选择；并且响应于接收去除命令的用户选择，从呈现的转录的字词去除所选转录的字词。该方法可以包括：在显示器屏幕上呈现来自字词网格的用于呈现的转录的字词的至少一个替代短语；在移动计算设备接收替代短语的用户选择；并且响应于接收替代短语的用户选择，用所选替代短语取代呈现的转录的字词。该方法可以包括：响应于接收去除命令或者替代字词的用户选择，自动基于所选替代字词或者去除的转录的字词从字词网格选择至少一个新的替代短语；并且用新的替代短语取代呈现的替代短语。接收呈现的字词的用户选择和替代字词的用户选择可以包括通过移动计算设备的触屏接口接收呈现的字词的用户选择和替代字词的用户选择。字词网格可以包括与转录的字词和替代字词对应的节点、在节点之间的边，边标识经过字词网格的可能路径，并且每个路径可以具有路径正确的关联概率。该方法可以包括从字词网格中所选转录的字词的开始节点与结束节点之间的一个或者多个替代路径识别用于所选转录的字词的替代字词。该方法可以包括从字词网格中呈现的转录的字词的开始节点与结束节点之间的至少一个替代路径识别用于呈现的转录的字词的替代短语。
在第二方面中，一种在计算机可读介质上编码的计算机程序产品，可操作用于使一个或者多个处理器执行用于纠正转录的文字中的字词的操作，操作包括从移动计算设备中的麦克风接收语音音频数据。操作还包括向转录系统发送来自移动计算设备的语音音频数据。操作还包括在移动计算设备接收转录系统从语音音频数据转录的字词网格。操作还包括在移动计算设备的显示器屏幕上呈现来自字词网格的一个或者多个转录的字词。操作还包括在移动计算设备接收呈现的转录的字词中的至少一个转录的字词的用户选择。操作还包括响应于接收转录的字词的用户选择，在显示器屏幕上呈现来自字词网格的用于所选转录的字词的一个或者多个替代字词。操作还包括在移动计算设备接收替代字词中的至少一个替代字词的用户选择。操作还包括响应于接收替代字词的用户选择，用所选替代字词取代呈现的转录的字词中的所选转录的字词。
实施方式可以包括以下特征中的任何、所有或者零个特征。操作可以包括：响应于接收转录的字词的用户选择，在显示器屏幕上呈现用于所选转录的字词的去除命令；在移动计算设备接收去除命令的用户选择；并且响应于接收去除命令的用户选择，从呈现的转录的字词去除所选转录的字词。操作可以包括：在显示器屏幕上呈现来自字词网格的用于呈现的转录的字词的至少一个替代短语；在移动计算设备接收替代短语的用户选择；并且响应于接收替代短语的用户选择，用所选替代短语取代呈现的转录的字词。操作可以包括：响应于接收去除命令或者替代字词的用户选择，自动基于所选替代字词或者去除的转录的字词从字词网格选择至少一个新的替代短语；并且用新的替代短语取代呈现的替代短语。接收呈现的字词的用户选择和替代字词的用户选择可以包括通过移动计算设备的触屏接口接收呈现的字词的用户选择和替代字词的用户选择。字词网格可以包括与转录的字词和替代字词对应的节点、在节点之间的边，边标识经过字词网格的可能路径，并且每个路径可以具有路径正确的关联概率。操作可以包括从字词网格中所选转录的字词的开始节点与结束节点之间的一个或者多个替代路径识别用于所选转录的字词的替代字词。操作可以包括从字词网格中呈现的转录的字词的开始节点与结束节点之间的至少一个替代路径识别用于呈现的转录的字词的替代短语。
在第三方面中，一种用于纠正转录的文字中的字词的计算机实施的系统包括：转录系统，可操作用于接收语音音频数据并且作为响应将语音音频数据转录成字词网格。该系统还包括移动计算设备，移动计算设备包括：麦克风，可操作用于接收语音音频并且生成语音音频数据，网络接口，可操作用于向转录系统发送语音音频数据并且作为响应从转录系统接收字词网格，显示器屏幕，可操作用于呈现来自字词网格的一个或者多个转录的字词，用户接口，可操作用于接收转录的字词中的至少一个转录的字词的用户选择，一个或者多个处理器和存储指令的存储器，指令在由处理器执行时执行以下操作：在显示器屏幕上呈现来自字词网格的用于所选转录的字词的一个或者多个替代字词；接收替代字词中的至少一个替代字词的用户选择；并且用所选替代字词取代呈现的转录的字词中的所选转录的字词。
这里描述的系统和技术可以提供以下优点中的一个或者多个优点。首先，系统可以用最少用户输入(比如一个、两个或者三个用户输入)对转录的文字中的一个或者多个字词进行纠正。第二，系统可以提供在远程转录系统的对语音输入向文字的转录而在纠正转录的文字中的一个或者多个字词期间无或者最少的与远程转录系统的附加通信。第三，系统可以在具有有限输入接口(比如小型触屏)的计算设备中提供对转录的文字的纠正的高效用户选择。
在附图和下文描述中阐述一个或者多个实施方式的细节。根据说明书和附图并且根据权利要求书将清楚其它特征和优点。
附图说明
图1是示出了用于纠正转录的文字中的一个或者多个字词的系统的例子的示意图。
图2是示出了用于纠正转录的文字中的一个或者多个字词的移动计算设备的例子的框图。
图3A-B是用于纠正转录的文字中的一个或者多个字词的字词网格的例子。
图4A-D是用于纠正转录的文字中的一个或者多个字词的图形用户接口的例子。
图5是示出了用于纠正转录的文字中的一个或者多个字词的过程的例子的流程图。
图6示出了可以与在本文中描述的计算机实施的方法和系统结合使用的计算设备和移动计算设备的例子。
在各图中的相似标号指示相似要素。
具体实施方式
图1是示出了用于纠正转录的文字中的一个或者多个字词的系统100的例子的示意图。一般而言，系统允许用户的设备向服务器系统发送语音的音频数据并且让服务器系统发送回用于转录语音的可能解决方案的排列，从而如果第一建议解决方案不准确，则用户可以容易替换被服务器系统确定为其它可能解决方案的其它字词或者字词集。
系统100包括通过网络106与转录系统104通信的移动计算设备102。移动计算设备102从用户接收语音音频输入并且将语音音频转换成语音数据输出108。移动计算设备102通过网络106向转录系统104发送语音数据输出108。转录系统104将语音数据输108转录成多个字词并且在字词网格110中排列字词。字词网格110包括用于语音数据输出108转录的最可能或者最佳假设以及替代转录或者假设。转录系统104向移动计算设备102发送字词网格110。
移动计算设备102向用户呈现来自字词网格110的最可能转录。移动计算设备102然后从用户接收一个或者多个字词选择112、呈现用于所选字词的对应替代字词并且从用户接收一个或者多个替代选择114。字词选择112指示向用户呈现的转录的文字中的一个或者多个不正确转录的字词。在一些实施方式中，替代字词是用于不正确字词的下一最佳假设。响应于替代选择114，移动计算设备102用所选替代字词替换呈现的转录的文字中的不正确字词。
在一些实施方式中，移动计算设备102也呈现用于转录的文字的一个或者多个替代短语。例如替代短语可以是用于语音数据输出108或者语音数据输出108的包括多个字词的部分的转录的下一最佳假设。移动计算设备102可以从用户接收替代短语的选择并且用所选替代短语取代呈现的转录的文字的对应部分。
在一些实施方式中，移动计算设备102是移动电话或者智能电话并且包括有限的用户输入接口(比如小型QWERTY硬件键盘、小型触屏或者数字键区)。移动计算设备102使用无线连接(比如蜂窝电话数据连接、Wi-Fi连接或者可以用于向转录系统104发送数据和从转录系统104接收数据的其它无线连接)来接入网络106。
在一些实施方式中，网络106包括一个或者多个网络(比如局域网、广域网和/或因特网)。网络106中的一个或者多个网络可以是无线的(比如蜂窝电话网络或者Wi-Fi网络)。
转录系统104包括将语音数据输出108转录成字词网格110的语音识别器。一般而言，字词网格110包括用于语音数据输出108转录的多个假设。在一些实施方式中，字词网格110包括特定字词在转录的文字中出现于特定位置的一个或者多个加权因子或者概率。用于说话声转录的每个假设代表经过字词网格110的可能路径。在一些实施方式中，从假设中的一个字词向下一字词的分叉点依赖于假设中的其它字词。例如字词网格110中的特定字词可以具有依赖于假设中包括的其它字词的多个权值或者概率。此外，字词网格110可以包括用于字词网格110中包括的字词集或者来自字词网格110的字词的最可能组合的子集的所有可能假设。移动计算设备102选择通过字词网格110的最有可能路径，并且向用户呈现该假设。
图2是示出了用于纠正转录的文字中的一个或者多个字词的移动计算设备200的例子的框图。移动计算设备200包括负责呈现从用户说话声转录的文字并且用于接收一个或者多个用户输入以纠正转录的文字的字词纠正模块202。
具体而言，移动计算设备200包括从用户接收语音音频输入206的语音输入接口204。例如语音输入接口204可以是将来自用户的说话声中的声音转换成语音数据输出208的麦克风。语音输入接口204向字词纠正模块202传递语音数据输出208，并且字词纠正模块202向转录系统发送语音数据输出208。
转录系统对语音数据输出208执行语音识别操作以生成字词网格210。转录系统向移动计算设备200发送字词网格210。
字词纠正模块202接收字词网格210并且在显示器接口214中呈现来自字词网格210的转录的文字212。在一些实施方式中，显示器接口214是硬件显示器屏幕(比如液晶显示器(LCD)屏幕)。呈现的转录的文字212包括来自字词网格210的多个字词，并且转录的字词网格212包括待由用户纠正的一个或者多个字词。字词纠正模块202从用户接收转录的文字212中的不正确字词(即不是用户说出的字词)的选择216。字词纠正模块202通过用户输入接口218(比如触屏、跟踪球或者其它指示设备或者键盘)接收选择216。
字词纠正模块202呈现用于选择216的一个或者多个替代字词220。字词纠正模块202使用显示器接口214来显示替代字词220。字词纠正模块202通过用户输入接口218从用户接收呈现的替代字词之一的选择222。字词纠正模块202用从替代字词的选择222取代从转录的文字212的选择216并且在显示器接口214中向用户呈现更新的转录的字词。
图3A是用于纠正转录的字词中的一个或者多个字词的字词网格300的例子。这里呈现字词网格300为有限状态转录器。字词网格300包括与在字词之间的可能边界对应的一个或者多个节点302a-g。字词网格300包括用于由字词网格300产生的转录假设中的可能字词的多个边304a-I。此外，每个边304a-I可以具有该边是来自对应节点的正确边的一个或者多个权值或者概率。权值由转录系统确定并且可以例如基于在语音数据与用于该边的字词之间的匹配的置信度以及字词有多么好地在语法和/或词汇上与字词网格300中的其它字词相配。
例如起初，经过字词网格300的最可能路径可以包括具有文字“We’recomingabout11:30”的边304c、304e、304i和304k。第二最佳路径可以包括具有文字“deerhuntingscouts7:30”的边304d、304h、304j和304I。
每对节点可以具有与各种转录假设中的替代字词对应的一个或者多个路径。例如开始于节点302a并且结束于节点302c的在节点对之间的初始最可能路径是边304c“we’re”。这一路径具有包括边304a-b“weare”和边304d“deer”的替代路径。因而边304e“coming”具有包括边304f-g“comeat”和边304h“hunting”的替代字词。边304i“about”具有包括边304j“scouts”的替代字词，并且边304k“11:30”具有包括边304I“7:30”的替代字词。
图3B是用于纠正转录的文字中的一个或者多个字词的字词网格350的例子。字词网格350是分层次的。字词网格350包括多个节点352a-I，这些节点代表用于转录的文字的各种假设中的字词。在节点352a-I之间的边示出了可能假设包括节点352c、352e、352i和352k“we’recomingabout11:30”、节点352a、352b、352e、352i和352k“wearecomingabout11:30”、节点352a、352b、352f、352g、352i和352k“wearecomeatabout11:30”、节点352d、352f、352g、352i和352k“deercomeatabout11:30”、节点352d、352h、352j和352k“deerhuntingscouts11:30”以及节点352d、352h、352j和352I“deerhuntingscouts7:30”。
同样，在节点352a-I之间的边可以具有基于语音识别的置信度和所得文字的语法/词汇分析的关联权值或者概率。在这一例子中，“we’recomingabout11:30”目前可以是最佳假设，并且“deerhuntingscouts7:30”可以是次最佳假设。可以在字词网格350中进行将字词及其替代分组在一起的一个或者多个划分354a-d。例如划分354a包括字词“we’re”以及替代“weare”和“deer”。划分354b包括字词“coming”以及替代“comeat”和“hunting”。划分354c包括字词“about”和替代“scouts”，并且划分354d包括字词“11:30”和替代“7:30”。
随着用户从最佳假设选择字词用于纠正而从其它假设选择替代用于取代不正确字词，其它假设之一可以变成最佳假设。例如，如果用户选择“we’re”、然后选择替代“deer”以取代“we’re”，则“deerhuntingscouts7:30”可以变成最佳假设。
在一些实施方式中，字词纠正模块仅呈现和/或允许用户选择如下替代，存在从这些替代到转录的文字中的其它字词的边。例如，如果当前呈现“we’recomingabout11:30”作为最佳假设，则字词纠正模块可以呈现“weare”而不是“deer”作为用于“we’re”的替代，因为“deer”无如下边，该边连接到转录的文字的其余字词“…comingabout11:30”。字词“weare”具有通向“…comingabout11:30”的边，因此包含于“we’re”的替代列表中。在另一例子中，如果用户选择字词“coming”用于纠正，则字词纠正模块可以扩展选择以包括“we’recoming”、然后呈现包括“wearecomeat”和“deercomeat”的替代。
图4A是用于纠正转录的文字中的一个或者多个字词的GUI400的例子。GUI400可以与接收文字输入的应用(比如即时消息应用、电子邮件应用或者字处理器应用)关联。GUI400包括文字输入区域402和用于向文字输入区域402中输入文字的键盘404。在一些实施方式中，键盘404是触屏键盘。在一些实施方式中提供GUI400的计算设备可以包括用于向文字输入区域402中进行输入的物理键盘。此外，提供GUI400的计算设备可以接收发声或者语音输入。例如键盘404可以包括用于发起向文字输入区域402中的语音到文字输入的控件或者图标。字词纠正模块向转录系统发送接收的语音数据并且接收字词。
GUI400在文字输入区域402中呈现最佳假设“we’recomingabout11:30”。用户可以通过选择字词来请求纠正字词。例如用户可以通过在屏幕上按压来进行字词“we’re”的选择406。取而代之，GUI400可以具有用于选择文字输入区域402中的字词的关联指示设备或者其它导航控件。
GUI在替代短语控件408中呈现次最佳假设“Deerhuntingscouts7:30”。用户可以选择替代短语控件408以用替代短语控件408中所示文字取代文字输入区域402中的转录的文字。
图4B是用于纠正转录的文字中的一个或者多个字词的GUI420的例子。GUI420示出了来自字词网格的用于所选字词“we’re”的替代字词的列表422。列表422包括替代“weare”和“deer”。列表422也包括用于从文字输入区域402去除字词而未用替代取代它的去除控件。这里，用户对去除控件进行选择424以请求GUI420从文字输入区域402去除字词“we’re”。
图4C是用于纠正转录的文字中的一个或者多个字词的GUI440的例子。字词纠正模块已经更新GUI440以不再在呈现于文字输入区域402中的转录假设中包括字词“we’re”。此外，字词纠正模块已经基于文字输入区域402中的由于用户进行的纠正而产生的当前最佳假设来更新替代短语控件408以包括新的次最佳假设“Comeatabout11:30”。用户可以对替代短语控件408进行选择442以请求用“comeatabout11:30”取代文字输入区域402中的文字。
图4D是用于纠正转录的文字中的一个或者多个字词的GUI460的例子。字词纠正模块已经更新GUI460以包括通过用户选择替代短语控件408来请求的新的最佳转录假设“Comeatabout11:30”。
在一些实施方式中，字词纠正模块允许用户通过进行仅两个简单用户输入来纠正字词。例如用户可以触摸屏幕以选择不正确字词、然后第二次触摸屏幕以选择用于取代不正确字词的替代。
在一些实施方式中，字词选择模块可以响应于单个用户输入来纠正一个或者多个字词。例如用户可以选择替代短语控件408以用次最优假设取代最优假设。在另一例子中，当仅一个替代字词存在时，字词纠正模块可以自动响应于选择不正确字词来取代不正确字词而未提供替代列表。在又一例子中，当一个替代正确的概率明显大于其它替代时，字词纠正模块可以自动响应于选择不正确字词用最佳替代取代不正确字词而未提供替代列表。替代正确的概率明显更大可以例如包括概率接近百分之一百的最佳替代和概率接近零的其它替代或者概率比次最佳替代大若干倍的最佳替代。在一些实施方式中，对字词的长按可以指示应当从文字输入区域402和假设去除字词。取而代之，对不正确字词的长按可以指示对用次最佳替代取代不正确字词的请求。
图5是示出了用于纠正转录的文字中的一个或者多个字词的过程500的例子的流程图。过程500可以例如由系统(比如系统100、移动计算设备200、字词网格300和/或GUI400、420、440和460)执行。为了呈现清楚，下文描述使用系统100、移动计算设备200、字词网格300和/或GUI400、420、440和460作为用于描述过程500的例子的基础。然而另一系统或者系统组合可以用来执行过程500。
过程500开始于从移动计算设备中的麦克风接收(502)语音音频数据。例如用户可以向蜂窝电话或者智能电话上的麦克风中输入说话声。
过程500向转录系统发送(504)来自移动计算设备的语音音频数据。例如移动计算设备102可以向转录系统104发送语音数据输出108。
过程500在移动计算设备接收转录系统从语音音频数据转录的字词网格。例如移动计算设备200可以接收从语音数据输出208转录的字词网格210。
过程500在移动计算设备的显示器屏幕上呈现(508)来自字词网格的一个或者多个转录的字词。例如字词纠正模块202可以在GUI400中呈现转录的文字212。
如果过程500在移动计算设备接收(510)呈现的转录字词中的至少一个转录的字词的用户选择，则响应于接收转录的字词的用户选择，过程500在显示器屏幕上呈现(512)来自字词网格的用于所选转录的字词的一个或者多个替代字词。例如字词纠正模块202可以接收转录的字词“we’re”的选择406并且作为响应呈现替代字词的列表422。
过程500在移动计算设备接收(514)替代字词中的至少一个替代字词的用户选择。例如字词纠正模块202可以接收去除控件的选择424或者列表422中的替代字词“weare”和“deer”中的一个或者多个替代字词的选择。
响应于接收替代字词的用户选择，过程500用所选替代字词取代(508)呈现的转录的字词中的所选转录的字词。例如字词纠正模块202可以在GUI440的文字输入区域402中呈现更新的转录的文字“comingabout11:30”。
图6示出了可以用来实施这里描述的技术的计算设备600和移动计算设备的例子。计算设备600旨在于代表各种形式的数字计算机(比如膝上型计算机、桌面型计算机、工作站、个人数字助理、服务器、刀片服务器、大型机和其它适当计算机)。移动计算设备旨在于代表各种形式的移动设备(比如个人数字助理、蜂窝电话、智能电话和其它相似计算设备)。这里所示部件、它们的连接和关系以及它们的功能是为了仅举例并且不是为了限制本文中描述和/或要求保护的本发明的实施方式。
计算设备600包括处理器602、存储器604、存储设备606、连接到存储器604和多个高速扩展端口610的高速接口608以及连接到低速扩展端口614和存储设备606的低速接口612。处理器602、存储器604、存储设备606、高速接口608、高速扩展端口610和低速接口612中的每个部件使用各种总线来互连并且可以装配于公共母板上或者以如适当的其它方式来装配。处理器602可以处理用于在计算设备600内执行的指令(包括存储于存储器604中或者存储设备606上以在外部输入/输出设备(比如耦合到高速接口608的显示器616)上显示GUI的图形信息的指令)。在其它实施方式中，多个处理器和/或多个总线可以如适当的那样与多个存储器和存储器类型一起使用。也可以连接多个计算设备而每个设备提供必需操作的部分(例如作为服务器组、一组刀片服务器或者多处理器系统)。
存储器604存储计算设备600内的信息。在一些实施方式中，存储器604是一个或者多个易失性存储器单元。在一些实施方式中，存储器604是一个或者多个非易失性存储器单元。存储器604也可以是另一形式的计算机可读介质(比如磁盘或者光盘)。
存储设备606能够提供用于计算设备600的海量存储。在一些实施方式中，存储设备606可以是或者包含计算机可读介质(比如软盘设备、硬盘设备、光盘设备或者磁带设备、闪存或者其它相似固态存储器设备或者设备阵列(包括在存储区域网络或者其它配置中的设备))。计算机程序产品可以有形地具体化于信息载体中。计算机程序产品也可以包含在被执行时执行一种或者多种方法(比如上文描述的方法)的指令。计算机程序产品也可以有形地具体化于计算机或者机器可读介质(比如存储器604、存储设备606或者处理器602上的存储器)中。
高速接口608管理用于计算设备600的带宽密集操作，而低速接口612管理较低带宽密集操作。这样的功能分配仅为举例。在一些实施方式中，高速接口608耦合到存储器604、显示器616(例如通过图形处理器或者加速器)并且耦合到可以接受各种扩展卡(未示出)的高速扩展端口610。在该实施方式中，低速接口612耦合到存储设备606和低速扩展端口614。可以包括各种通信端口(例如USB、蓝牙、以太网、无线以太网)的低速扩展端口614可以耦合到一个或者多个输入/输出设备(比如键盘、指示设备、扫描仪或者通过网络适配器连接到网络设备(比如交换机或者路由器))。
可以如图中所示以多个不同形式实施计算设备600。例如它可以实施为标准服务器620或者多次实施于一组这样的服务器中。此外，它可以实施于个人计算机(比如膝上型计算机622)中。它也可以实施为机架服务器系统624的部分。取而代之，来自计算设备600的部件可以与移动设备(比如移动计算设备650)中的其它部件(未示出)组合。这样的设备中的每个设备可以包含计算设备600和移动计算设备650中的一个或者多个设备，并且整个系统可以由相互通信的多个计算设备组成。
移动计算设备650包括处理器652、存储器664、输入/输出设备(比如显示器654)、通信接口666和收发器668以及其它部件。移动计算设备650也可以具有用于提供附加存储的存储设备(比如微驱动或者其它设备)。使用各种总线来互连处理器652、存储器664、显示器654、通信接口666和收发器668中的每个部件，并且若干部件可以装配于公共母板上或者如适当的那样以其它方式来装配。
处理器652可以执行移动计算设备650内的指令(包括存储于存储器664中的指令)。处理器652可以实施为包括单独和多个模拟和数字处理器的芯片的芯片组。处理器652可以例如提供移动计算设备650的其它部件的协调(比如控制用户接口、移动计算设备650运行的应用和移动计算设备650的无线通信)。
处理器652可以通过耦合到显示器654的控制接口658和显示器接口656来与用户通信。显示器654可以例如是TFT(薄膜晶体管液晶显示器)显示器或者OLED(有机发光二极管)显示器或者其它适当显示器技术。显示器接口656可以包括用于驱动显示器654以向用户呈现图形和其它信息的适当电路。控制接口658可以从用户接收命令并且转换它们用于向处理器652提交。此外，外部接口662可以提供与处理器652的通信以便实现移动计算设备650与其它设备的近场通信。外部接口662可以在一些实施方式中提供有线通信或者在其它实施方式中提供无线通信，并且也可以使用多个接口。
存储器664存储移动计算设备650内的信息。存储器664可以实施为一个或者多个计算机可读介质、一个或者多个易失性存储器单元或者一个或者多个非易失性存储器单元中的一项或者多项。扩展存储器674也可以被提供并且通过可以例如包括SIMM(单列直插式存储器模块)卡接口的扩展接口672连接到移动计算设备650。扩展存储器674可以提供用于移动计算设备650的额外存储空间或者也可以存储用于移动计算设备650的应用或者其它信息。具体而言，扩展存储器674可以包括用于实现或者补充上文描述的过程的指令并且也可以包括安全信息。因此例如扩展存储器674可以被提供作为用于移动计算设备650的安全模块并且可以用允许安全使用移动计算设备650的指令来编程。此外，可以经由SIMM卡将安全应用与附加信息一起提供(比如以不可黑客方式在SIMM卡上放置识别信息)。
如上文讨论的那样，存储器可以例如包括闪存和/或NVRAM存储器(非易失性随机存取存储器)。在一些实施方式中，计算机程序产品有形地具体化于信息载体中。计算机程序产品包含在执行时执行一种或者多种方法(比如上文描述的方法)的指令。计算机程序产品可以是计算机或者机器可读介质(比如存储器664、扩展存储器674或者处理器652上的存储器)。在一些实施方式中，可以例如通过收发器668或者外部接口662在传播的信号中接收计算机程序产品。
移动计算设备650可以通过可以在必需时包括数字信号处理电路的通信接口666进行无线通信。通信接口666可以提供在各种模式或者协议(比如GSM(全球移动通信系统)语音呼叫、SMS(短消息服务)、EMS(增强型消息接发服务)或者MMS消息接发(多媒体消息接发服务)、CDMA(码分多址)、TDMA(时分多址)、PDC(个人数字蜂窝)、WCDMA(宽带码分多址)、CDMA2000或者GPRS(通用分组无线电服务)以及其它模式或者协议)之下的通信。这样的通信例如可以通过使用射频的收发器668来出现。此外，短程通信可以比如使用蓝牙、WiFi或者其它这样的收发器(未示出)来出现。此外，GPS(全球定位系统)接收器模块670可以向移动计算设备650提供附加的与导航和位置有关的无线数据，该数据可以如适当的那样由在移动计算设备650上运行的应用使用。
移动计算设备650也可以使用音频编码解码器660来可听地通信，该编码解码器可以从用户接收口头信息并且将它转换成可用数字信息。音频编码解码器660可以类似地比如通过例如移动计算设备650的听筒中的扬声器生成用于用户的可听声音。这样的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)并且也可以包括由在移动计算设备650上操作的应用生成的声音。
可以如图中所示以多个不同形式实施移动计算设备650。例如它可以实施为蜂窝电话680。它也可以实施为智能电话682、个人数字助理或者其它相似移动设备的部分。
这里描述的系统和技术的各种实施方式可以实施于数字电子电路、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/或其组合中。这些各种实施方式可以包括在包括可以是专用或者通用的至少一个可编程处理器(该处理器被耦合成从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令并且向存储系统、至少一个输入设备和至少一个输出设备发送数据和指令)的可编程系统上可执行和/或可解译的一个或者多个计算机程序中的实施方式。
这些计算机程序(也称为程序、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用高级过程和/或面向对象的编程语言和/或用汇编/机器语言来实施。如这里所用，术语机器可读介质和计算机可读介质指代用来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))(包括接收作为机器可读信号的机器指令的机器可读介质)。术语机器可读信号指代用来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实施于如下计算机上，该计算机具有用于向用户显示信息的显示器设备(例如CRT(阴极射线管)或者LCD(液晶显示器)监视器)以及用户可以向计算机提供输入的键盘和指示设备(例如鼠标或者跟踪球)。其它种类的设备也可以用来提供与用户的交互；例如向用户提供的反馈可以是任何形式的感官反馈(例如视觉反馈、听觉反馈或者触觉反馈)；并且可以用包括声学、语音或者触觉输入的任何形式接收来自用户的输入。
这里描述的系统和技术可以实施于如下计算系统中，该计算系统包括后端部件(例如作为数据服务器)或者包括中间件部件(例如应用服务器)或者包括前端部件(例如具有如下图形用户接口或者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者Web浏览器来与这里描述的系统和技术的实施交互)或者这样的后端、中间件或者前端部件的任何组合。系统的部件可以由任何数字数据通信形式或者介质(例如通信网络)互连。通信网络的例子包括局域网(LAN)、广域网(WAN)和因特网。
计算系统可以包括客户端和服务器。客户端和服务器一般相互远离并且通常通过通信网络交互。客户端和服务器的关系借助在相应计算机上运行并且相互具有客户端-服务器关系的计算机程序来产生。
虽然上文已经具体描述少数实施方式，但是其它修改是可能的。此外，在图中描绘的逻辑流程无需所示特定顺序或者依次顺序以实现希望的结果。此外，可以提供其它步骤或者可以从描绘的流程消除步骤，并且可以向描述的系统添加或者从描述的系统去除其它部件。因而其它实施方式在所附权利要求的范围内。

Claims (21)

1.一种计算机实施的方法，包括：
在计算设备的显示器屏幕上呈现包括来自字词网格的一个或者多个转录的字词的第一短语；
在所述计算设备处接收对来自所述第一短语的字词的用户选择；
响应于接收到对所述字词的所述用户选择，在所述计算设备的所述显示器屏幕上呈现(i)各自对应于用于来自所述字词网格的用户选择的所述字词的一个或者多个替代字词的一个或者多个控件，以及(ii)与用于去除用户选择的所述字词的去除命令对应的控件；
在所述计算设备处接收对与所述去除命令对应的所述控件的用户选择；以及
响应于接收到对与所述去除命令对应的所述控件的所述用户选择，(i)从所述字词网格选择不包括用户选择的所述字词的第二短语，以及(ii)在所述显示器屏幕上用所述第二短语取代所述第一短语。
2.根据权利要求1所述的方法，其中所述显示器屏幕包括触摸屏显示器，并且其中所述用户选择通过所述触摸屏显示器被接收。
3.根据权利要求1所述的方法，其中各自对应于一个或者多个替代字词的所述一个或者多个控件和与所述去除命令对应的所述控件正在与用户选择的所述字词相邻的下拉菜单中被呈现。
4.根据权利要求1所述的方法，其中所述字词网格包括与所述转录的字词和所述替代字词对应的节点、在所述节点之间的标识经过所述字词网格的可能路径的边，并且每个路径具有为正确的关联概率。
5.根据权利要求4所述的方法，还包括从所述字词网格中的用户选择的所述字词的开始节点与结束节点之间的一个或者多个替代路径标识用于用户选择的所述字词的所述替代字词。
6.根据权利要求4所述的方法，还包括从所述字词网格中的所述第一短语的开始节点与结束节点之间的至少一个替代路径标识用于呈现的所述转录的字词的第二替代短语。
7.一种用于纠正转录的文字中的字词的计算机实施的系统，所述系统包括：
转录系统，可操作用于接收语音音频数据并且作为响应将所述语音音频数据转录成字词网格；以及
计算设备，包括：
麦克风，可操作用于接收语音音频并且生成所述语音音频数据，
网络接口，可操作用于向所述转录系统发送所述语音音频数据并且作为响应从所述转录系统接收所述字词网格，
显示器屏幕，可操作用于呈现来自所述字词网格的一个或者多个转录的字词，
用户接口，可操作用于接收对所述转录的字词中的至少一个转录的字词的用户选择，
一个或者多个处理器和存储指令的存储器，所述指令在由所述处理器执行时使得所述计算设备执行以下操作：
在所述计算设备处接收由所述转录系统从所述语音音频数据转录的字词网格，
在计算设备的显示器屏幕上呈现包括来自字词网格的一个或者多个转录的字词的第一短语；
在所述计算设备处接收对来自所述第一短语的字词的用户选择；
响应于接收到对所述字词的所述用户选择，在所述计算设备的所述显示器屏幕上呈现(i)各自对应于用于来自所述字词网格的用户选择的所述字词的一个或者多个替代字词的一个或者多个控件，以及(ii)与用于去除用户选择的所述字词的去除命令对应的控件；
在所述计算设备处接收对与所述去除命令对应的所述控件的用户选择；以及
响应于接收到对与所述去除命令对应的所述控件的所述用户选择，(i)从所述字词网格选择不包括用户选择的所述字词的第二短语，以及(ii)在所述显示器屏幕上用所述第二短语取代所述第一短语。
8.根据权利要求7所述的系统，其中各自对应于一个或者多个替代字词的所述一个或者多个控件和与所述去除命令对应的所述控件正在与用户选择的所述字词相邻的下拉菜单中被呈现。
9.一种计算机实施的方法，包括：
从自动化语音识别器获得说话声的第一转录和第二转录，其中所述说话声的所述第二转录代表对所述说话声的所述第一转录的替代识别结果，并且其中所述说话声的所述第一转录的一部分不同于所述说话声的所述第二转录的对应部分；
提供所述说话声的所述第一转录以用于输出；
接收指示对所述说话声的所述第一转录的所述一部分的单个选择的数据；以及
响应于接收到指示所述单个选择的所述数据，提供所述说话声的所述第二转录以用于输出。
10.根据权利要求9所述的计算机实施的方法，其中所述说话声的所述第一转录包括来自字词网格的一个或者多个字词，并且所述说话声的所述第二转录包括来自所述字词网格的一个或者多个替代字词，所述一个或者多个替代字词对应于所述说话声的所述第一转录的所述一部分。
11.根据权利要求10所述的计算机实施的方法，其中所述字词网格包括与所述说话声的所述第一转录的字词和所述说话声的所述第二转录的字词对应的节点以及在所述节点之间的边，所述边标识经过所述字词网格的可能路径，其中每个路径具有为正确的关联概率。
12.根据权利要求9所述的计算机实施的方法，其中所述说话声的所述第一转录对应于来自所述自动化语音识别器的具有最高语音识别置信度分值的识别结果。
13.根据权利要求9所述的计算机实施的方法，其中所述说话声的所述第二转录对应于来自所述自动化语音识别器的、包括与所述说话声的所述第一转录的所述一部分对应的一个或者多个替代字词并且具有为正确的最高概率的识别结果。
14.根据权利要求9所述的计算机实施的方法，其中获得所述说话声的所述第二转录包括：
标识所述说话声的所述第一转录的所述一部分；
确定与所述说话声的所述第一转录的所述一部分对应的替代部分是最可能为正确替代部分的所述替代部分；以及
获得所述说话声的所述第二转录，所述说话声的所述第二转录包括最可能为正确替代部分的所述替代部分。
15.根据权利要求9所述的计算机实施的方法，其中：
所述说话声的所述第一转录和所述说话声的所述第二转录被提供用于在计算设备的触摸屏显示器处输出；以及
指示对所述说话声的所述第一转录的所述一部分的所述单个选择的所述数据响应于在所述计算设备的所述触摸屏显示器处的用户输入而被接收。
16.一种用于纠正转录的文字中的字词的计算机实施的系统，所述系统包括：
自动化语音识别器，可操作用于接收语音音频数据并且作为响应将所述语音音频数据转录成字词网格；以及
计算设备，包括：
麦克风，可操作用于接收语音音频并且生成所述语音音频数据，
网络接口，可操作用于向所述自动化语音识别器发送所述语音音频数据并且作为响应从所述自动化语音识别器接收所述字词网格，
显示器屏幕，可操作用于呈现来自所述字词网格的一个或者多个转录的字词，
用户接口，可操作用于接收对所述转录的字词中的至少一个转录的字词的用户选择，
一个或者多个处理器和存储指令的存储器，所述指令在由所述处理器执行时使得所述计算设备执行以下操作：
提供所述用户接口，所述用户接口包括(i)用于输出说话声的第一转录的输出区域，以及(ii)与所述说话声的第二转录相关联的控件，其中所述说话声的所述第二转录代表对所述说话声的所述第一转录的替代识别结果，并且其中所述说话声的所述第一转录的一部分不同于所述说话声的所述第二转录的对应部分；
在所述输出区域处呈现所述说话声的所述第一转录，其中所述说话声的所述第一转录包括来自所述字词网格的一个或者多个字词；
接收指示对与所述说话声的所述第二转录相关联的所述控件的选择；以及
更新所述输出区域以用所述说话声的所述第二转录取代所述说话声的所述第一转录。
17.根据权利要求16所述的系统，其中所述字词网格包括与所述说话声的所述第一转录和所述说话声的所述第二转录的字词对应的节点以及在所述节点之间的边，所述边标识经过所述字词网格的可能路径，其中每个路径具有为正确的关联概率。
18.根据权利要求17所述的系统，其中所述说话声的所述第一转录对应于经过所述字词网格的具有为正确的最高概率的路径。
19.根据权利要求17所述的系统，其中所述说话声的所述第二转录对应于经过所述字词网格的具有为正确的次最高概率的路径。
20.根据权利要求17所述的系统，其中所述说话声的所述第二转录对应于经过所述字词网格的作为除了经过所述字词网格的对应于所述说话声的所述第一转录的路径之外经过所述字词网格的唯一路径的路径。
21.根据权利要求16所述的系统，其中所述用户接口包括用于输出所述说话声的所述第二转录的第二输出区域。
CN201510420200.7A 2010-01-05 2011-01-05 语音输入的字词级纠正方法及系统 Active CN105068987B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US29244010P 2010-01-05 2010-01-05
US61/292,440 2010-01-05
US12/913,407 US8494852B2 (en) 2010-01-05 2010-10-27 Word-level correction of speech input
US12/913,407 2010-10-27
CN201180008973.4A CN102971725B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201180008973.4A Division CN102971725B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正

Publications (2)

Publication Number Publication Date
CN105068987A true CN105068987A (zh) 2015-11-18
CN105068987B CN105068987B (zh) 2019-03-01

Family

ID=44225217

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201810522217.7A Active CN108733655B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正
CN201910118297.4A Active CN110110319B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正
CN201711106138.XA Active CN108052498B (zh) 2010-01-05 2011-01-05 纠正转录的文字中的字词的方法和系统
CN201180008973.4A Active CN102971725B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正
CN201510420200.7A Active CN105068987B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正方法及系统

Family Applications Before (4)

Application Number Title Priority Date Filing Date
CN201810522217.7A Active CN108733655B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正
CN201910118297.4A Active CN110110319B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正
CN201711106138.XA Active CN108052498B (zh) 2010-01-05 2011-01-05 纠正转录的文字中的字词的方法和系统
CN201180008973.4A Active CN102971725B (zh) 2010-01-05 2011-01-05 语音输入的字词级纠正

Country Status (6)

Country Link
US (11) US8494852B2 (zh)
EP (6) EP3318982A1 (zh)
KR (3) KR102128561B1 (zh)
CN (5) CN108733655B (zh)
CA (5) CA2977063A1 (zh)
WO (1) WO2011084998A2 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107086040A (zh) * 2017-06-23 2017-08-22 歌尔股份有限公司 语音识别能力测试方法和装置
CN109767763A (zh) * 2018-12-25 2019-05-17 苏州思必驰信息科技有限公司 自定义唤醒词的确定方法和用于确定自定义唤醒词的装置
CN109791761A (zh) * 2016-07-29 2019-05-21 谷歌有限责任公司 使用校正的术语的声学模型训练
CN115023761A (zh) * 2020-01-30 2022-09-06 谷歌有限责任公司 语音识别
CN115605950A (zh) * 2020-10-15 2023-01-13 谷歌有限责任公司（Us） 跨计算设备和/或对话会话维护语音假设

Families Citing this family (292)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6630800A (en) * 1999-08-13 2001-03-13 Pixo, Inc. Methods and apparatuses for display and traversing of links in page character array
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
ITFI20010199A1 (it) 2001-10-22 2003-04-22 Riccardo Vieri Sistema e metodo per trasformare in voce comunicazioni testuali ed inviarle con una connessione internet a qualsiasi apparato telefonico
US7669134B1 (en) 2003-05-02 2010-02-23 Apple Inc. Method and apparatus for displaying information during an instant messaging session
US8677377B2 (en) * 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US7633076B2 (en) * 2005-09-30 2009-12-15 Apple Inc. Automated response to and sensing of user activity in portable devices
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US20080129520A1 (en) * 2006-12-01 2008-06-05 Apple Computer, Inc. Electronic device with enhanced audio feedback
US7912828B2 (en) * 2007-02-23 2011-03-22 Apple Inc. Pattern searching methods and apparatuses
US8977255B2 (en) * 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
ITFI20070177A1 (it) 2007-07-26 2009-01-27 Riccardo Vieri Sistema per la creazione e impostazione di una campagna pubblicitaria derivante dall'inserimento di messaggi pubblicitari all'interno di uno scambio di messaggi e metodo per il suo funzionamento.
US9053089B2 (en) * 2007-10-02 2015-06-09 Apple Inc. Part-of-speech tagging using latent analogy
US8364694B2 (en) 2007-10-26 2013-01-29 Apple Inc. Search assistant for digital media assets
US8620662B2 (en) 2007-11-20 2013-12-31 Apple Inc. Context-aware unit selection
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
US8327272B2 (en) 2008-01-06 2012-12-04 Apple Inc. Portable multifunction device, method, and graphical user interface for viewing and managing electronic calendars
US8065143B2 (en) 2008-02-22 2011-11-22 Apple Inc. Providing text input using speech data and non-speech data
US8289283B2 (en) 2008-03-04 2012-10-16 Apple Inc. Language input interface on a device
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US8464150B2 (en) 2008-06-07 2013-06-11 Apple Inc. Automatic language identification for dynamic text processing
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US8768702B2 (en) 2008-09-05 2014-07-01 Apple Inc. Multi-tiered voice feedback in an electronic device
US8898568B2 (en) * 2008-09-09 2014-11-25 Apple Inc. Audio user interface
US8396714B2 (en) * 2008-09-29 2013-03-12 Apple Inc. Systems and methods for concatenation of words in text to speech synthesis
US8712776B2 (en) * 2008-09-29 2014-04-29 Apple Inc. Systems and methods for selective text to speech synthesis
US8352272B2 (en) * 2008-09-29 2013-01-08 Apple Inc. Systems and methods for text to speech synthesis
US8352268B2 (en) * 2008-09-29 2013-01-08 Apple Inc. Systems and methods for selective rate of speech and speech preferences for text to speech synthesis
US20100082328A1 (en) * 2008-09-29 2010-04-01 Apple Inc. Systems and methods for speech preprocessing in text to speech synthesis
US8355919B2 (en) * 2008-09-29 2013-01-15 Apple Inc. Systems and methods for text normalization for text to speech synthesis
US8583418B2 (en) 2008-09-29 2013-11-12 Apple Inc. Systems and methods of detecting language and natural language strings for text to speech synthesis
US8676904B2 (en) 2008-10-02 2014-03-18 Apple Inc. Electronic devices with voice command and contextual data processing capabilities
WO2010067118A1 (en) 2008-12-11 2010-06-17 Novauris Technologies Limited Speech recognition involving a mobile device
US8862252B2 (en) 2009-01-30 2014-10-14 Apple Inc. Audio user interface for displayless electronic device
US8380507B2 (en) * 2009-03-09 2013-02-19 Apple Inc. Systems and methods for determining the language to use for speech generated by a text to speech engine
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10540976B2 (en) 2009-06-05 2020-01-21 Apple Inc. Contextual voice commands
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US10706373B2 (en) 2011-06-03 2020-07-07 Apple Inc. Performing actions associated with task items that represent tasks to perform
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US20110010179A1 (en) * 2009-07-13 2011-01-13 Naik Devang K Voice synthesis and processing
US20110066438A1 (en) * 2009-09-15 2011-03-17 Apple Inc. Contextual voiceover
US8682649B2 (en) * 2009-11-12 2014-03-25 Apple Inc. Sentiment prediction from textual data
EP3091535B1 (en) 2009-12-23 2023-10-11 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
US8494852B2 (en) * 2010-01-05 2013-07-23 Google Inc. Word-level correction of speech input
US20110167350A1 (en) * 2010-01-06 2011-07-07 Apple Inc. Assist Features For Content Display Device
US8600743B2 (en) * 2010-01-06 2013-12-03 Apple Inc. Noise profile determination for voice-related feature
US8381107B2 (en) 2010-01-13 2013-02-19 Apple Inc. Adaptive audio feedback system and method
US8311838B2 (en) * 2010-01-13 2012-11-13 Apple Inc. Devices and methods for identifying a prompt corresponding to a voice input in a sequence of prompts
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US8626511B2 (en) * 2010-01-22 2014-01-07 Google Inc. Multi-dimensional disambiguation of voice commands
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US8639516B2 (en) 2010-06-04 2014-01-28 Apple Inc. User-specific noise suppression for voice quality improvements
US8713021B2 (en) 2010-07-07 2014-04-29 Apple Inc. Unsupervised document clustering using latent semantic density analysis
US9104670B2 (en) 2010-07-21 2015-08-11 Apple Inc. Customized search or acquisition of digital media assets
US8719006B2 (en) 2010-08-27 2014-05-06 Apple Inc. Combined statistical and rule-based part-of-speech tagging for text-to-speech synthesis
US8719014B2 (en) 2010-09-27 2014-05-06 Apple Inc. Electronic device with text error correction based on voice recognition data
US10515147B2 (en) 2010-12-22 2019-12-24 Apple Inc. Using statistical language models for contextual lookup
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US8781836B2 (en) 2011-02-22 2014-07-15 Apple Inc. Hearing assistance system for providing consistent human speech
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
US10672399B2 (en) 2011-06-03 2020-06-02 Apple Inc. Switching between text data and audio data based on a mapping
US8812294B2 (en) 2011-06-21 2014-08-19 Apple Inc. Translating phrases from one language into another using an order-based set of declarative rules
US9417754B2 (en) 2011-08-05 2016-08-16 P4tents1, LLC User interface system, method, and computer program product
US8706472B2 (en) 2011-08-11 2014-04-22 Apple Inc. Method for disambiguating multiple readings in language conversion
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US8762156B2 (en) 2011-09-28 2014-06-24 Apple Inc. Speech recognition repair using contextual information
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9317605B1 (en) 2012-03-21 2016-04-19 Google Inc. Presenting forked auto-completions
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US8775442B2 (en) 2012-05-15 2014-07-08 Apple Inc. Semantic search using a single-source semantic model
US10417037B2 (en) 2012-05-15 2019-09-17 Apple Inc. Systems and methods for integrating third party services with a digital assistant
US9679568B1 (en) * 2012-06-01 2017-06-13 Google Inc. Training a dialog system using user feedback
US10019994B2 (en) 2012-06-08 2018-07-10 Apple Inc. Systems and methods for recognizing textual identifiers within a plurality of words
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
KR20140014510A (ko) * 2012-07-24 2014-02-06 삼성전자주식회사 음성 인식에 의하여 형성된 문자의 편집 방법 및 그 단말
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
US8935167B2 (en) 2012-09-25 2015-01-13 Apple Inc. Exemplar-based latent perceptual modeling for automatic speech recognition
CN103714048B (zh) * 2012-09-29 2017-07-21 国际商业机器公司 用于校正文本的方法和系统
US9697827B1 (en) * 2012-12-11 2017-07-04 Amazon Technologies, Inc. Error reduction in speech processing
CN103076893B (zh) * 2012-12-31 2016-08-17 百度在线网络技术（北京）有限公司 一种用于实现语音输入的方法与设备
KR20240132105A (ko) 2013-02-07 2024-09-02 애플 인크. 디지털 어시스턴트를 위한 음성 트리거
KR102045382B1 (ko) * 2013-02-13 2019-11-15 삼성전자주식회사 휴대 단말기에서 문자를 편집하는 장치 및 방법
US10572476B2 (en) 2013-03-14 2020-02-25 Apple Inc. Refining a search based on schedule items
US9733821B2 (en) 2013-03-14 2017-08-15 Apple Inc. Voice control to diagnose inadvertent activation of accessibility features
US10642574B2 (en) 2013-03-14 2020-05-05 Apple Inc. Device, method, and graphical user interface for outputting captions
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
US10652394B2 (en) 2013-03-14 2020-05-12 Apple Inc. System and method for processing voicemail
US9977779B2 (en) 2013-03-14 2018-05-22 Apple Inc. Automatic supplementation of word correction dictionaries
CN105190607B (zh) 2013-03-15 2018-11-30 苹果公司 通过智能数字助理的用户培训
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
US10748529B1 (en) 2013-03-15 2020-08-18 Apple Inc. Voice activated device for use with a voice-based digital assistant
CN112230878B (zh) 2013-03-15 2024-09-27 苹果公司 对中断进行上下文相关处理
AU2014233517B2 (en) 2013-03-15 2017-05-25 Apple Inc. Training an at least partial voice command system
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
KR101772152B1 (ko) 2013-06-09 2017-08-28 애플 인크. 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스
EP3008964B1 (en) 2013-06-13 2019-09-25 Apple Inc. System and method for emergency calls initiated by voice command
US9646606B2 (en) 2013-07-03 2017-05-09 Google Inc. Speech recognition using domain knowledge
DE112014003653B4 (de) 2013-08-06 2024-04-18 Apple Inc. Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen
US9779724B2 (en) * 2013-11-04 2017-10-03 Google Inc. Selecting alternates in speech recognition
US8768712B1 (en) * 2013-12-04 2014-07-01 Google Inc. Initiating actions based on partial hotwords
CN103645876B (zh) * 2013-12-06 2017-01-18 百度在线网络技术（北京）有限公司 语音输入方法和装置
US10296160B2 (en) 2013-12-06 2019-05-21 Apple Inc. Method for extracting salient dialog usage from live data
US9448991B2 (en) * 2014-03-18 2016-09-20 Bayerische Motoren Werke Aktiengesellschaft Method for providing context-based correction of voice recognition results
USD819041S1 (en) 2014-05-14 2018-05-29 Touchtype Ltd. Electronic device display with a keyboard graphical user interface
USD818470S1 (en) 2014-05-14 2018-05-22 Touchtype Ltd. Electronic display with a graphical user interface
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US9569062B2 (en) * 2014-05-21 2017-02-14 Facebook, Inc. Asynchronous execution of animation tasks for a GUI
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
CN110797019B (zh) 2014-05-30 2023-08-29 苹果公司 多命令单一话语输入方法
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
USD872119S1 (en) * 2014-06-01 2020-01-07 Apple Inc. Display screen or portion thereof with animated graphical user interface
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
CN105446572A (zh) * 2014-08-13 2016-03-30 阿里巴巴集团控股有限公司 一种用于屏幕显示设备的文字编辑方法及装置
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
USD791783S1 (en) 2014-11-14 2017-07-11 Touchtype Limited Electronic device display with a keyboard graphical user interface
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US9384188B1 (en) 2015-01-27 2016-07-05 Microsoft Technology Licensing, Llc Transcription correction using multi-token structures
WO2016126768A2 (en) * 2015-02-03 2016-08-11 Dolby Laboratories Licensing Corporation Conference word cloud
US10152299B2 (en) 2015-03-06 2018-12-11 Apple Inc. Reducing response latency of intelligent automated assistants
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
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
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
JP2016181018A (ja) * 2015-03-23 2016-10-13 ソニー株式会社 情報処理システムおよび情報処理方法
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
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
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US9578173B2 (en) 2015-06-05 2017-02-21 Apple Inc. Virtual assistant aided communication with 3rd party service in a communication session
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US10048842B2 (en) 2015-06-15 2018-08-14 Google Llc Selection biasing
US20160378747A1 (en) 2015-06-29 2016-12-29 Apple Inc. Virtual assistant for media playback
CN106328144A (zh) * 2015-06-30 2017-01-11 芋头科技（杭州）有限公司 一种基于电话网络的远程语音控制系统
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US10740384B2 (en) 2015-09-08 2020-08-11 Apple Inc. Intelligent automated assistant for media search and playback
US10331312B2 (en) 2015-09-08 2019-06-25 Apple Inc. Intelligent automated assistant in a media environment
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US9787819B2 (en) * 2015-09-18 2017-10-10 Microsoft Technology Licensing, Llc Transcription of spoken communications
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10956666B2 (en) 2015-11-09 2021-03-23 Apple Inc. Unconventional virtual assistant interactions
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
DK201670539A1 (en) * 2016-03-14 2017-10-02 Apple Inc Dictation that allows editing
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
CN106098060B (zh) * 2016-05-19 2020-01-31 北京搜狗科技发展有限公司 语音的纠错处理方法和装置、用于语音的纠错处理的装置
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
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
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
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
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
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
US10474753B2 (en) 2016-09-07 2019-11-12 Apple Inc. Language identification using recurrent neural networks
US10043516B2 (en) 2016-09-23 2018-08-07 Apple Inc. Intelligent automated assistant
USD855636S1 (en) * 2016-09-29 2019-08-06 Beijing Sogou Technology Development Co., Ltd. Mobile phone with graphical user interface
US11281993B2 (en) 2016-12-05 2022-03-22 Apple Inc. Model and ensemble compression for metric learning
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
US10831366B2 (en) * 2016-12-29 2020-11-10 Google Llc Modality learning on mobile devices
US11204787B2 (en) 2017-01-09 2021-12-21 Apple Inc. Application integration with a digital assistant
US10643601B2 (en) 2017-02-09 2020-05-05 Semantic Machines, Inc. Detection mechanism for automated dialog systems
DK201770383A1 (en) 2017-05-09 2018-12-14 Apple Inc. USER INTERFACE FOR CORRECTING RECOGNITION ERRORS
US10417266B2 (en) 2017-05-09 2019-09-17 Apple Inc. Context-aware ranking of intelligent response suggestions
DK180048B1 (en) 2017-05-11 2020-02-04 Apple Inc. MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION
DK201770439A1 (en) 2017-05-11 2018-12-13 Apple Inc. Offline personal assistant
US10726832B2 (en) 2017-05-11 2020-07-28 Apple Inc. Maintaining privacy of personal information
US10395654B2 (en) 2017-05-11 2019-08-27 Apple Inc. Text normalization based on a data-driven learning network
DK179496B1 (en) 2017-05-12 2019-01-15 Apple Inc. USER-SPECIFIC Acoustic Models
DK201770428A1 (en) 2017-05-12 2019-02-18 Apple Inc. LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
US11301477B2 (en) 2017-05-12 2022-04-12 Apple Inc. Feedback analysis of a digital assistant
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
US20180336892A1 (en) 2017-05-16 2018-11-22 Apple Inc. Detecting a trigger of a digital assistant
US10311144B2 (en) 2017-05-16 2019-06-04 Apple Inc. Emoji word sense disambiguation
DK179549B1 (en) 2017-05-16 2019-02-12 Apple Inc. FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES
US10403278B2 (en) 2017-05-16 2019-09-03 Apple Inc. Methods and systems for phonetic matching in digital assistant services
US20180336275A1 (en) 2017-05-16 2018-11-22 Apple Inc. Intelligent automated assistant for media exploration
US10657328B2 (en) 2017-06-02 2020-05-19 Apple Inc. Multi-task recurrent neural network architecture for efficient morphology handling in neural language modeling
US10445429B2 (en) 2017-09-21 2019-10-15 Apple Inc. Natural language understanding using vocabularies with compressed serialized tries
US10755051B2 (en) 2017-09-29 2020-08-25 Apple Inc. Rule-based natural language processing
US10621282B1 (en) 2017-10-27 2020-04-14 Interactions Llc Accelerating agent performance in a natural language processing system
US10636424B2 (en) 2017-11-30 2020-04-28 Apple Inc. Multi-turn canned dialog
US10733982B2 (en) 2018-01-08 2020-08-04 Apple Inc. Multi-directional dialog
US10733375B2 (en) 2018-01-31 2020-08-04 Apple Inc. Knowledge-based framework for improving natural language understanding
US10789959B2 (en) 2018-03-02 2020-09-29 Apple Inc. Training speaker recognition models for digital assistants
US10592604B2 (en) 2018-03-12 2020-03-17 Apple Inc. Inverse text normalization for automatic speech recognition
US10818288B2 (en) 2018-03-26 2020-10-27 Apple Inc. Natural assistant interaction
US10909331B2 (en) 2018-03-30 2021-02-02 Apple Inc. Implicit identification of translation payload with neural machine translation
US11145294B2 (en) 2018-05-07 2021-10-12 Apple Inc. Intelligent automated assistant for delivering content from user experiences
US10928918B2 (en) 2018-05-07 2021-02-23 Apple Inc. Raise to speak
US10984780B2 (en) 2018-05-21 2021-04-20 Apple Inc. Global semantic word embeddings using bi-directional recurrent neural networks
DK179822B1 (da) 2018-06-01 2019-07-12 Apple Inc. Voice interaction at a primary device to access call functionality of a companion device
DK201870355A1 (en) 2018-06-01 2019-12-16 Apple Inc. VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS
DK180639B1 (en) 2018-06-01 2021-11-04 Apple Inc DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT
US11386266B2 (en) 2018-06-01 2022-07-12 Apple Inc. Text correction
US10892996B2 (en) 2018-06-01 2021-01-12 Apple Inc. Variable latency device coordination
US11076039B2 (en) 2018-06-03 2021-07-27 Apple Inc. Accelerated task performance
US10629205B2 (en) * 2018-06-12 2020-04-21 International Business Machines Corporation Identifying an accurate transcription from probabilistic inputs
CN109325227A (zh) * 2018-09-14 2019-02-12 北京字节跳动网络技术有限公司 用于生成修正语句的方法和装置
JP7243106B2 (ja) 2018-09-27 2023-03-22 富士通株式会社 修正候補提示方法、修正候補提示プログラムおよび情報処理装置
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
US11170166B2 (en) 2018-09-28 2021-11-09 Apple Inc. Neural typographical error modeling via generative adversarial networks
US11462215B2 (en) 2018-09-28 2022-10-04 Apple Inc. Multi-modal inputs for voice commands
CN109461436B (zh) * 2018-10-23 2020-12-15 广东小天才科技有限公司 一种语音识别发音错误的纠正方法及系统
US11475898B2 (en) 2018-10-26 2022-10-18 Apple Inc. Low-latency multi-speaker speech recognition
US11638059B2 (en) 2019-01-04 2023-04-25 Apple Inc. Content playback on multiple devices
US11348573B2 (en) 2019-03-18 2022-05-31 Apple Inc. Multimodality in digital assistant systems
US10978069B1 (en) * 2019-03-18 2021-04-13 Amazon Technologies, Inc. Word selection for natural language interface
DK201970509A1 (en) 2019-05-06 2021-01-15 Apple Inc Spoken notifications
US11423908B2 (en) 2019-05-06 2022-08-23 Apple Inc. Interpreting spoken requests
US11475884B2 (en) 2019-05-06 2022-10-18 Apple Inc. Reducing digital assistant latency when a language is incorrectly determined
US11307752B2 (en) 2019-05-06 2022-04-19 Apple Inc. User configurable task triggers
US11140099B2 (en) 2019-05-21 2021-10-05 Apple Inc. Providing message response suggestions
US11023202B2 (en) 2019-05-29 2021-06-01 International Business Machines Corporation Enhanced autocorrect features using audio interface
DK201970511A1 (en) 2019-05-31 2021-02-15 Apple Inc Voice identification in digital assistant systems
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
US11496600B2 (en) 2019-05-31 2022-11-08 Apple Inc. Remote execution of machine-learned models
US11227599B2 (en) 2019-06-01 2022-01-18 Apple Inc. Methods and user interfaces for voice-based control of electronic devices
US11360641B2 (en) 2019-06-01 2022-06-14 Apple Inc. Increasing the relevance of new available information
WO2021029627A1 (en) * 2019-08-13 2021-02-18 Samsung Electronics Co., Ltd. Server that supports speech recognition of device, and operation method of the server
WO2021056255A1 (en) 2019-09-25 2021-04-01 Apple Inc. Text detection using global geometry estimators
US11961511B2 (en) * 2019-11-08 2024-04-16 Vail Systems, Inc. System and method for disambiguation and error resolution in call transcripts
US11038934B1 (en) 2020-05-11 2021-06-15 Apple Inc. Digital assistant hardware abstraction
US11810578B2 (en) 2020-05-11 2023-11-07 Apple Inc. Device arbitration for digital assistant-based intercom systems
US11061543B1 (en) 2020-05-11 2021-07-13 Apple Inc. Providing relevant data items based on context
US11755276B2 (en) 2020-05-12 2023-09-12 Apple Inc. Reducing description length based on confidence
US11490204B2 (en) 2020-07-20 2022-11-01 Apple Inc. Multi-device audio adjustment coordination
US11438683B2 (en) 2020-07-21 2022-09-06 Apple Inc. User identification using headphones
US11900921B1 (en) 2020-10-26 2024-02-13 Amazon Technologies, Inc. Multi-device speech processing
KR20220124547A (ko) * 2021-03-03 2022-09-14 삼성전자주식회사 사용자의 음성 입력을 정정하는 전자 장치 및 그 동작 방법
US12112742B2 (en) 2021-03-03 2024-10-08 Samsung Electronics Co., Ltd. Electronic device for correcting speech input of user and operating method thereof
US11967306B2 (en) 2021-04-14 2024-04-23 Honeywell International Inc. Contextual speech recognition methods and systems
US11721347B1 (en) * 2021-06-29 2023-08-08 Amazon Technologies, Inc. Intermediate data for inter-device speech processing
CN113779972B (zh) * 2021-09-10 2023-09-15 平安科技（深圳）有限公司 语音识别纠错方法、系统、装置及存储介质
US20230335124A1 (en) * 2022-04-14 2023-10-19 Google Llc Comparison Scoring For Hypothesis Ranking
US11880645B2 (en) 2022-06-15 2024-01-23 T-Mobile Usa, Inc. Generating encoded text based on spoken utterances using machine learning systems and methods
KR20240039363A (ko) * 2022-09-19 2024-03-26 삼성전자주식회사 전자 장치 및 그의 제어 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182113A1 (en) * 1999-11-22 2003-09-25 Xuedong Huang Distributed speech recognition for mobile communication devices
CN1555553A (zh) * 2001-09-17 2004-12-15 �ʼҷ����ֵ��ӹɷ����޹�˾ 通过比较所识别的文本中的语音学序列与手动输入的校正词的语音学转换来校正通过语音识别而识别的文本
US20070100635A1 (en) * 2005-10-28 2007-05-03 Microsoft Corporation Combined speech and alternate input modality to a mobile device
CN101042867A (zh) * 2006-03-24 2007-09-26 株式会社东芝 语音识别设备和方法
CN101238508A (zh) * 2005-08-05 2008-08-06 微软公司 使用备选列表重述错误识别的词语

Family Cites Families (124)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5909666A (en) * 1992-11-13 1999-06-01 Dragon Systems, Inc. Speech recognition system which creates acoustic models by concatenating acoustic models of individual words
US5367453A (en) * 1993-08-02 1994-11-22 Apple Computer, Inc. Method and apparatus for correcting words
DE69423838T2 (de) * 1993-09-23 2000-08-03 Xerox Corp., Rochester Semantische Gleichereignisfilterung für Spracherkennung und Signalübersetzungsanwendungen
US5864815A (en) * 1995-07-31 1999-01-26 Microsoft Corporation Method and system for displaying speech recognition status information in a visual notification area
US5712957A (en) * 1995-09-08 1998-01-27 Carnegie Mellon University Locating and correcting erroneously recognized portions of utterances by rescoring based on two n-best lists
US5855000A (en) * 1995-09-08 1998-12-29 Carnegie Mellon University Method and apparatus for correcting and repairing machine-transcribed input using independent or cross-modal secondary input
US5799279A (en) * 1995-11-13 1998-08-25 Dragon Systems, Inc. Continuous speech recognition of text and commands
US5794189A (en) * 1995-11-13 1998-08-11 Dragon Systems, Inc. Continuous speech recognition
US6055515A (en) * 1996-07-30 2000-04-25 International Business Machines Corporation Enhanced tree control system for navigating lattices data structures and displaying configurable lattice-node labels
US5857099A (en) * 1996-09-27 1999-01-05 Allvoice Computing Plc Speech-to-text dictation system with audio message capability
GB2303955B (en) * 1996-09-24 1997-05-14 Allvoice Computing Plc Data processing method and apparatus
US5899976A (en) * 1996-10-31 1999-05-04 Microsoft Corporation Method and system for buffering recognized words during speech recognition
US5829000A (en) * 1996-10-31 1998-10-27 Microsoft Corporation Method and system for correcting misrecognized spoken words or phrases
US5952942A (en) * 1996-11-21 1999-09-14 Motorola, Inc. Method and device for input of text messages from a keypad
US5864805A (en) * 1996-12-20 1999-01-26 International Business Machines Corporation Method and apparatus for error correction in a continuous dictation system
US5953541A (en) * 1997-01-24 1999-09-14 Tegic Communications, Inc. Disambiguating system for disambiguating ambiguous input sequences by displaying objects associated with the generated input sequences in the order of decreasing frequency of use
US5909667A (en) * 1997-03-05 1999-06-01 International Business Machines Corporation Method and apparatus for fast voice selection of error words in dictated text
DE69817844T2 (de) * 1997-06-27 2004-05-06 M.H. Segan Ltd. Partnership, Great Barrington Verfahren und vorrichtung zur spracherkennungscomputereingabe
US6182028B1 (en) 1997-11-07 2001-01-30 Motorola, Inc. Method, device and system for part-of-speech disambiguation
US7203288B1 (en) * 1997-11-21 2007-04-10 Dictaphone Corporation Intelligent routing of voice files in voice data management system
US6397179B2 (en) * 1997-12-24 2002-05-28 Nortel Networks Limited Search optimization system and method for continuous speech recognition
JP2991178B2 (ja) * 1997-12-26 1999-12-20 日本電気株式会社 音声ワープロ
US5970451A (en) * 1998-04-14 1999-10-19 International Business Machines Corporation Method for correcting frequently misrecognized words or command in speech application
US6424983B1 (en) 1998-05-26 2002-07-23 Global Information Research And Technologies, Llc Spelling and grammar checking system
US6374220B1 (en) * 1998-08-05 2002-04-16 Texas Instruments Incorporated N-best search for continuous speech recognition using viterbi pruning for non-output differentiation states
US6606598B1 (en) 1998-09-22 2003-08-12 Speechworks International, Inc. Statistical computing and reporting for interactive speech applications
US6405170B1 (en) 1998-09-22 2002-06-11 Speechworks International, Inc. Method and system of reviewing the behavior of an interactive speech recognition application
US20010025232A1 (en) * 1998-10-02 2001-09-27 Klimasauskas Casimir C. Hybrid linear-neural network process control
US6192343B1 (en) * 1998-12-17 2001-02-20 International Business Machines Corporation Speech command input recognition system for interactive computer display with term weighting means used in interpreting potential commands from relevant speech terms
US6397181B1 (en) * 1999-01-27 2002-05-28 Kent Ridge Digital Labs Method and apparatus for voice annotation and retrieval of multimedia data
KR100828884B1 (ko) * 1999-03-05 2008-05-09 캐논 가부시끼가이샤 데이터베이스 주석 및 검색
ATE281689T1 (de) * 1999-03-26 2004-11-15 Scansoft Inc Client-server spracherkennungssystem
US6314397B1 (en) * 1999-04-13 2001-11-06 International Business Machines Corp. Method and apparatus for propagating corrections in speech recognition software
US6327566B1 (en) * 1999-06-16 2001-12-04 International Business Machines Corporation Method and apparatus for correcting misinterpreted voice commands in a speech recognition system
US6374214B1 (en) * 1999-06-24 2002-04-16 International Business Machines Corp. Method and apparatus for excluding text phrases during re-dictation in a speech recognition system
US6789231B1 (en) * 1999-10-05 2004-09-07 Microsoft Corporation Method and system for providing alternatives for text derived from stochastic input sources
US6581033B1 (en) * 1999-10-19 2003-06-17 Microsoft Corporation System and method for correction of speech recognition mode errors
US7310600B1 (en) * 1999-10-28 2007-12-18 Canon Kabushiki Kaisha Language recognition using a similarity measure
US7212968B1 (en) * 1999-10-28 2007-05-01 Canon Kabushiki Kaisha Pattern matching method and apparatus
US7725307B2 (en) * 1999-11-12 2010-05-25 Phoenix Solutions, Inc. Query engine for processing voice based queries including semantic decoding
US7392185B2 (en) * 1999-11-12 2008-06-24 Phoenix Solutions, Inc. Speech based learning/training system using semantic decoding
WO2001084535A2 (en) * 2000-05-02 2001-11-08 Dragon Systems, Inc. Error correction in speech recognition
US7149970B1 (en) 2000-06-23 2006-12-12 Microsoft Corporation Method and system for filtering and selecting from a candidate list generated by a stochastic input method
US6856956B2 (en) * 2000-07-20 2005-02-15 Microsoft Corporation Method and apparatus for generating and displaying N-best alternatives in a speech recognition system
US6836759B1 (en) * 2000-08-22 2004-12-28 Microsoft Corporation Method and system of handling the selection of alternates for recognized words
US7216077B1 (en) * 2000-09-26 2007-05-08 International Business Machines Corporation Lattice-based unsupervised maximum likelihood linear regression for speaker adaptation
EP1209659B1 (en) * 2000-11-22 2005-10-05 Matsushita Electric Industrial Co., Ltd. Method and apparatus for text input utilizing speech recognition
WO2003009570A1 (en) * 2001-07-18 2003-01-30 Min-Kyum Kim Apparatus and method for inputting alphabet characters
US7027988B1 (en) * 2001-07-20 2006-04-11 At&T Corp. System and method of ε removal of weighted automata and transducers
US7809574B2 (en) * 2001-09-05 2010-10-05 Voice Signal Technologies Inc. Word recognition using choice lists
US7444286B2 (en) * 2001-09-05 2008-10-28 Roth Daniel L Speech recognition using re-utterance recognition
US7149550B2 (en) * 2001-11-27 2006-12-12 Nokia Corporation Communication terminal having a text editor application with a word completion feature
US20030112277A1 (en) * 2001-12-14 2003-06-19 Koninklijke Philips Electronics N.V. Input of data using a combination of data input systems
US6928407B2 (en) * 2002-03-29 2005-08-09 International Business Machines Corporation System and method for the automatic discovery of salient segments in speech transcripts
JP3762327B2 (ja) * 2002-04-24 2006-04-05 株式会社東芝 音声認識方法および音声認識装置および音声認識プログラム
EP1525739A1 (en) 2002-07-29 2005-04-27 British Telecommunications Public Limited Company Improvements in or relating to information provision for call centres
US7386454B2 (en) * 2002-07-31 2008-06-10 International Business Machines Corporation Natural error handling in speech recognition
EP1604350A4 (en) * 2002-09-06 2007-11-21 Voice Signal Technologies Inc METHODS, SYSTEMS AND PROGRAMMING FOR REALIZING VOICE RECOGNITION
US7003457B2 (en) * 2002-10-29 2006-02-21 Nokia Corporation Method and system for text editing in hand-held electronic device
KR100668297B1 (ko) * 2002-12-31 2007-01-12 삼성전자주식회사 음성인식방법 및 장치
US7516070B2 (en) * 2003-02-19 2009-04-07 Custom Speech Usa, Inc. Method for simultaneously creating audio-aligned final and verbatim text with the assistance of a speech recognition program as may be useful in form completion using a verbal entry method
JP2004334193A (ja) * 2003-05-01 2004-11-25 Microsoft Corp 音声認識および自然言語理解のための複合統計／ルール・ベース文法モデルを有するシステム
EP1654727A4 (en) * 2003-07-23 2007-12-26 Nexidia Inc INTERROGATIONS FOR THE DETECTION OF WORDS
US7395203B2 (en) * 2003-07-30 2008-07-01 Tegic Communications, Inc. System and method for disambiguating phonetic input
US7475015B2 (en) * 2003-09-05 2009-01-06 International Business Machines Corporation Semantic language modeling and confidence measurement
US7440895B1 (en) * 2003-12-01 2008-10-21 Lumenvox, Llc. System and method for tuning and testing in a speech recognition system
US7729912B1 (en) * 2003-12-23 2010-06-01 At&T Intellectual Property Ii, L.P. System and method for latency reduction for automatic speech recognition using partial multi-pass results
US20060036438A1 (en) * 2004-07-13 2006-02-16 Microsoft Corporation Efficient multimodal method to provide input to a computing device
KR100651384B1 (ko) * 2004-09-16 2006-11-29 삼성전자주식회사 휴대용 단말기의 키 입력 방법 및 장치
JP4604178B2 (ja) * 2004-11-22 2010-12-22 独立行政法人産業技術総合研究所 音声認識装置及び方法ならびにプログラム
US8275618B2 (en) * 2004-12-22 2012-09-25 Nuance Communications, Inc. Mobile dictation correction user interface
US8438142B2 (en) * 2005-05-04 2013-05-07 Google Inc. Suggesting and refining user input based on original user input
US20060293889A1 (en) * 2005-06-27 2006-12-28 Nokia Corporation Error correction for speech recognition systems
US20060293890A1 (en) 2005-06-28 2006-12-28 Avaya Technology Corp. Speech recognition assisted autocompletion of composite characters
DE102005030963B4 (de) * 2005-06-30 2007-07-19 Daimlerchrysler Ag Verfahren und Vorrichtung zur Bestätigung und/oder Korrektur einer einem Spracherkennungssystems zugeführten Spracheingabe
US20070011012A1 (en) 2005-07-11 2007-01-11 Steve Yurick Method, system, and apparatus for facilitating captioning of multi-media content
JP4542974B2 (ja) * 2005-09-27 2010-09-15 株式会社東芝 音声認識装置、音声認識方法および音声認識プログラム
US7930168B2 (en) * 2005-10-04 2011-04-19 Robert Bosch Gmbh Natural language processing of disfluent sentences
US20070106732A1 (en) * 2005-11-10 2007-05-10 Nokia Corporation Mobile communication terminal and method therefor
CN1979638A (zh) * 2005-12-02 2007-06-13 中国科学院自动化研究所 一种语音识别结果纠错方法
US20070208567A1 (en) * 2006-03-01 2007-09-06 At&T Corp. Error Correction In Automatic Speech Recognition Transcripts
KR100778668B1 (ko) * 2006-03-24 2007-11-22 삼성전자주식회사 휴대용 단말기에서 데이터 입력 장치 및 방법
WO2007121441A2 (en) 2006-04-17 2007-10-25 Vovision Llc Methods and systems for correcting transcribed audio files
US8209175B2 (en) * 2006-06-08 2012-06-26 Microsoft Corporation Uncertainty interval content sensing within communications
US7675435B2 (en) * 2006-08-31 2010-03-09 Microsoft Corporation Smart filtering with multiple simultaneous keyboard inputs
US7949536B2 (en) 2006-08-31 2011-05-24 Microsoft Corporation Intelligent speech recognition of incomplete phrases
US8214210B1 (en) * 2006-09-19 2012-07-03 Oracle America, Inc. Lattice-based querying
JP2008090625A (ja) * 2006-10-02 2008-04-17 Sharp Corp 文字入力装置、文字入力方法、制御プログラム、および、記録媒体
US9830912B2 (en) * 2006-11-30 2017-11-28 Ashwin P Rao Speak and touch auto correction interface
US7953627B2 (en) 2006-12-12 2011-05-31 American Express Travel Related Services Company, Inc. Identifying industry segments with highest potential for new customers or new spending for current customers
US20080154576A1 (en) * 2006-12-21 2008-06-26 Jianchao Wu Processing of reduced-set user input text with selected one of multiple vocabularies and resolution modalities
JP4867654B2 (ja) * 2006-12-28 2012-02-01 日産自動車株式会社 音声認識装置、および音声認識方法
JP4812029B2 (ja) * 2007-03-16 2011-11-09 富士通株式会社 音声認識システム、および、音声認識プログラム
CN101295293B (zh) * 2007-04-29 2010-06-02 摩托罗拉公司 用于对表意字符的输入字符串进行自动纠错的方法
US20080300874A1 (en) * 2007-06-04 2008-12-04 Nexidia Inc. Speech skills assessment
US8831946B2 (en) * 2007-07-23 2014-09-09 Nuance Communications, Inc. Method and system of indexing speech data
US8413049B2 (en) * 2007-08-31 2013-04-02 Research In Motion Limited Handheld electronic device and associated method enabling the generation of a proposed character interpretation of a phonetic text input in a text disambiguation environment
US8036464B2 (en) * 2007-09-07 2011-10-11 Satyam Computer Services Limited System and method for automatic segmentation of ASR transcripts
JP4839291B2 (ja) * 2007-09-28 2011-12-21 Ｋｄｄｉ株式会社 音声認識装置およびコンピュータプログラム
US8155959B2 (en) * 2007-11-07 2012-04-10 Robert Bosch Gmbh Dialog system for human agent to correct abnormal output
DE102008051756A1 (de) * 2007-11-12 2009-05-14 Volkswagen Ag Multimodale Benutzerschnittstelle eines Fahrerassistenzsystems zur Eingabe und Präsentation von Informationen
KR101170612B1 (ko) * 2008-03-11 2012-08-03 에스케이 텔레콤주식회사 사용자 영상을 이용한 음성인식 시스템 및 방법
KR101462932B1 (ko) * 2008-05-28 2014-12-04 엘지전자 주식회사 이동 단말기 및 그의 텍스트 수정방법
US20090326938A1 (en) * 2008-05-28 2009-12-31 Nokia Corporation Multiword text correction
KR100988397B1 (ko) * 2008-06-09 2010-10-19 엘지전자 주식회사 이동 단말기 및 그의 텍스트 수정방법
JP5226401B2 (ja) * 2008-06-25 2013-07-03 インターナショナル・ビジネス・マシーンズ・コーポレーション 文書データの検索を支援する装置及び方法
US8768852B2 (en) 2009-01-13 2014-07-01 Amazon Technologies, Inc. Determining phrases related to other phrases
CN101539929B (zh) * 2009-04-17 2011-04-06 无锡天脉聚源传媒科技有限公司 利用计算机系统进行的电视新闻标引方法
US8739055B2 (en) 2009-05-07 2014-05-27 Microsoft Corporation Correction of typographical errors on touch displays
US8407617B2 (en) * 2009-09-11 2013-03-26 Visual Study Bible, Llc Providing a visual representation of various resources related to passages of classic literature
US9275640B2 (en) * 2009-11-24 2016-03-01 Nexidia Inc. Augmented characterization for speech recognition
US8589163B2 (en) * 2009-12-04 2013-11-19 At&T Intellectual Property I, L.P. Adapting language models with a bit mask for a subset of related words
US8903793B2 (en) 2009-12-15 2014-12-02 At&T Intellectual Property I, L.P. System and method for speech-based incremental search
US8914401B2 (en) * 2009-12-30 2014-12-16 At&T Intellectual Property I, L.P. System and method for an N-best list interface
US8494852B2 (en) * 2010-01-05 2013-07-23 Google Inc. Word-level correction of speech input
US8782556B2 (en) 2010-02-12 2014-07-15 Microsoft Corporation User-centric soft keyboard predictive technologies
US20120016671A1 (en) * 2010-07-15 2012-01-19 Pawan Jaggi Tool and method for enhanced human machine collaboration for rapid and accurate transcriptions
US9099087B2 (en) * 2010-09-03 2015-08-04 Canyon IP Holdings, LLC Methods and systems for obtaining language models for transcribing communications
US9418152B2 (en) * 2011-02-09 2016-08-16 Nice-Systems Ltd. System and method for flexible speech to text search mechanism
WO2012116110A1 (en) * 2011-02-22 2012-08-30 Speak With Me, Inc. Hybridized client-server speech recognition
US8972240B2 (en) * 2011-05-19 2015-03-03 Microsoft Corporation User-modifiable word lattice display for editing documents and search queries
US9009041B2 (en) * 2011-07-26 2015-04-14 Nuance Communications, Inc. Systems and methods for improving the accuracy of a transcription using auxiliary data such as personal data
JP2013025299A (ja) * 2011-07-26 2013-02-04 Toshiba Corp 書き起こし支援システムおよび書き起こし支援方法
US9384736B2 (en) 2012-08-21 2016-07-05 Nuance Communications, Inc. Method to provide incremental UI response based on multiple asynchronous evidence about user input

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182113A1 (en) * 1999-11-22 2003-09-25 Xuedong Huang Distributed speech recognition for mobile communication devices
CN1555553A (zh) * 2001-09-17 2004-12-15 �ʼҷ����ֵ��ӹɷ����޹�˾ 通过比较所识别的文本中的语音学序列与手动输入的校正词的语音学转换来校正通过语音识别而识别的文本
CN101238508A (zh) * 2005-08-05 2008-08-06 微软公司 使用备选列表重述错误识别的词语
US20070100635A1 (en) * 2005-10-28 2007-05-03 Microsoft Corporation Combined speech and alternate input modality to a mobile device
CN101042867A (zh) * 2006-03-24 2007-09-26 株式会社东芝 语音识别设备和方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109791761A (zh) * 2016-07-29 2019-05-21 谷歌有限责任公司 使用校正的术语的声学模型训练
CN109791761B (zh) * 2016-07-29 2023-04-25 谷歌有限责任公司 使用校正的术语的声学模型训练
CN107086040A (zh) * 2017-06-23 2017-08-22 歌尔股份有限公司 语音识别能力测试方法和装置
CN107086040B (zh) * 2017-06-23 2021-03-02 歌尔股份有限公司 语音识别能力测试方法和装置
CN109767763A (zh) * 2018-12-25 2019-05-17 苏州思必驰信息科技有限公司 自定义唤醒词的确定方法和用于确定自定义唤醒词的装置
CN115023761A (zh) * 2020-01-30 2022-09-06 谷歌有限责任公司 语音识别
CN115605950A (zh) * 2020-10-15 2023-01-13 谷歌有限责任公司（Us） 跨计算设备和/或对话会话维护语音假设

Also Published As

Publication number Publication date
EP3318981A1 (en) 2018-05-09
US20150294668A1 (en) 2015-10-15
CA2977076A1 (en) 2011-07-14
US20210295842A1 (en) 2021-09-23
US9881608B2 (en) 2018-01-30
CN108733655A (zh) 2018-11-02
EP3318983A1 (en) 2018-05-09
US20160163308A1 (en) 2016-06-09
US9542932B2 (en) 2017-01-10
US9263048B2 (en) 2016-02-16
US20180114530A1 (en) 2018-04-26
CA2786313A1 (en) 2011-07-14
CA2977063A1 (en) 2011-07-14
EP3318984A1 (en) 2018-05-09
US20200251113A1 (en) 2020-08-06
KR20130006596A (ko) 2013-01-17
US9711145B2 (en) 2017-07-18
US20170270926A1 (en) 2017-09-21
WO2011084998A2 (en) 2011-07-14
CN102971725A (zh) 2013-03-13
KR102128561B1 (ko) 2020-06-30
KR101859709B1 (ko) 2018-05-18
KR101801308B1 (ko) 2017-11-24
CN110110319B (zh) 2022-12-16
KR20170078856A (ko) 2017-07-07
KR20180054902A (ko) 2018-05-24
EP2531932A4 (en) 2016-06-15
CN108733655B (zh) 2022-06-07
WO2011084998A3 (en) 2015-06-18
EP2531932A2 (en) 2012-12-12
US20120022868A1 (en) 2012-01-26
US9087517B2 (en) 2015-07-21
EP3318980A1 (en) 2018-05-09
US9466287B2 (en) 2016-10-11
US8478590B2 (en) 2013-07-02
CA3030743A1 (en) 2011-07-14
CN108052498A (zh) 2018-05-18
CN108052498B (zh) 2021-02-19
US11037566B2 (en) 2021-06-15
US20160133258A1 (en) 2016-05-12
EP3318982A1 (en) 2018-05-09
CN110110319A (zh) 2019-08-09
CN105068987B (zh) 2019-03-01
CA2977095A1 (en) 2011-07-14
US20170069322A1 (en) 2017-03-09
US8494852B2 (en) 2013-07-23
US20130304467A1 (en) 2013-11-14
US10672394B2 (en) 2020-06-02
CN102971725B (zh) 2015-08-26
US20110166851A1 (en) 2011-07-07

Similar Documents

Publication Publication Date Title
CN102971725B (zh) 语音输入的字词级纠正
US9002708B2 (en) Speech recognition system and method based on word-level candidate generation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: American California

Applicant after: Google limited liability company

Address before: American California

Applicant before: Google Inc.

GR01 Patent grant
GR01 Patent grant